論文の概要: SkillNER: Mining and Mapping Soft Skills from any Text

• arxiv url: http://arxiv.org/abs/2101.11431v1
• Date: Fri, 22 Jan 2021 11:14:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-21 00:48:34.611829
• Title: SkillNER: Mining and Mapping Soft Skills from any Text
• Title（参考訳）: SkillNER:任意のテキストからのソフトスキルのマイニングとマッピング
• Authors: Silvia Fareri, Nicola Melluso, Filippo Chiarello, Gualtiero Fantoni
• Abstract要約: 今日のデジタル世界ではソフトスキルに重点が置かれている。 デジタル化は、人工知能システムズに買収されることがほとんどないため、ソフトスキルにも焦点を絞っている。 このような関心が高まっているにもかかわらず、研究者はソフトスキルの概念を正確に定義することや、ソフトスキルの完全な共有化に苦慮している。
• 参考スコア（独自算出の注目度）: 2.580765958706854
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In today's digital world there is an increasing focus on soft skills. The reasons are many, however the main ones can be traced down to the increased complexity of labor market dynamics and the shift towards digitalisation. Digitalisation has also increased the focus on soft skills, since such competencies are hardly acquired by Artificial Intelligence Systems. Despite this growing interest, researchers struggle in accurately defining the soft skill concept and in creating a complete and shared list of soft skills. Therefore, the aim of the present paper is the development of an automated tool capable of extracting soft skills from unstructured texts. Starting from an initial seed list of soft skills, we automatically collect a set of possible textual expressions referring to soft skills, thus creating a Soft Skills list. This has been done by applying Named Entity Recognition (NER) on a corpus of scientific papers developing a novel approach and a software application able to perform the automatic extraction of soft skills from text: the SkillNER. We measured the performance of the tools considering different training models and validated our approach comparing our list of soft skills with the skills labelled as transversal in ESCO (European Skills/Competence Qualification and Occupation). Finally we give a first example of how the SkillNER can be used, identifying the relationships among ESCO job profiles based on soft skills shared, and the relationships among soft skills based on job profiles in common. The final map of soft skills-job profiles may help accademia in achieving and sharing a clearer definition of what soft skills are and fuel future quantitative research on the topic.
• Abstract（参考訳）: 今日のデジタル世界ではソフトスキルに重点が置かれている。 理由は多々あるが、主な要因は労働市場のダイナミクスの複雑さの増加とデジタル化へのシフトにさかのぼることができる。 デジタル化は、人工知能システムズに買収されることがほとんどないため、ソフトスキルにも焦点を絞っている。 この関心が高まっているにもかかわらず、研究者はソフトスキルの概念を正確に定義し、ソフトスキルの完全な共有リストを作成するのに苦労している。 そこで本論文の目的は,非構造化テキストからソフトスキルを抽出する自動ツールの開発である。 ソフトスキルの最初のシードリストから始めると、ソフトスキルに関するテキスト表現のセットを自動的に収集し、ソフトスキルリストを作成します。 これは、新しいアプローチを開発する科学論文のコーパスに名前付きエンティティ認識(NER)を適用し、テキストからソフトスキルを自動的に抽出できるソフトウェアアプリケーションであるSkillNERを適用することで実現されている。 異なるトレーニングモデルを考慮したツールの性能を測定し,ソフトスキルのリストとesco(european skills/competence qualification and occupation)におけるtransversalとラベルづけされたスキルを比較した。 最後に、ソフトスキルの共有に基づくESCOジョブプロファイル間の関係と、ジョブプロファイルに基づくソフトスキル間の関係を共通して同定し、SkillNERをどのように利用できるかを示す。 ソフトスキルジャーブプロファイルの最終的なマップは、ソフトスキルとは何かを明確に定義し、そのトピックに関する将来の定量的研究を促進する上で、アッカデミアの助けになるかもしれない。
• 全文 参考訳へのリンク

関連論文リスト

• ASE: Large-Scale Reusable Adversarial Skill Embeddings for Physically Simulated Characters [123.88692739360457]
  汎用運動技術により、人間は複雑な作業を行うことができる。 これらのスキルは、新しいタスクを学ぶときの振る舞いを導くための強力な先駆者も提供します。 物理シミュレーション文字のための汎用的で再利用可能なスキル埋め込みを学習するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-04T06:13:28Z)
• "FIJO": a French Insurance Soft Skill Detection Dataset [0.0]
  本稿では、多くのソフトスキルアノテーションを含む保険業務のオファーを含む新しい公開データセットFIJOを提案する。 名前付きエンティティ認識を用いたスキル検出アルゴリズムの結果を提示し、トランスフォーマーベースのモデルがこのデータセット上で優れたトークンワイズ性能を示すことを示す。
  論文  参考訳（メタデータ） (2022-04-11T15:54:22Z)
• One After Another: Learning Incremental Skills for a Changing World [19.051800747558794]
  スキル発見のための新たなフレームワークを提案する。 進化環境と静的環境の両方において、インクリメンタルスキルは現在の最先端のスキル発見方法よりも著しく優れていることを実証した。
  論文  参考訳（メタデータ） (2022-03-21T17:55:21Z)
• TegTok: Augmenting Text Generation via Task-specific and Open-world Knowledge [83.55215993730326]
  本稿では,タスク固有およびオープンワールド知識(TegTok)によるTExt生成の統一化を提案する。 本モデルでは,2種類の知識ソースからの知識エントリを高密度検索により選択し,それぞれ入力エンコーディングと出力デコーディングの段階に注入する。
  論文  参考訳（メタデータ） (2022-03-16T10:37:59Z)
• Combining Modular Skills in Multitask Learning [149.8001096811708]
  モジュラー設計は、ニューラルネットワークが様々な知識の面をアンタングルして再結合し、新しいタスクにより系統的に一般化することを奨励する。 この研究では、各タスクは(潜在的に小さな)インベントリから潜在的な離散スキルのサブセットと関連付けられていると仮定する。 ネットワークのモジュラー設計により、強化学習におけるサンプル効率が著しく向上し、教師あり学習における数ショットの一般化が図られる。
  論文  参考訳（メタデータ） (2022-02-28T16:07:19Z)
• Hierarchical Skills for Efficient Exploration [70.62309286348057]
  強化学習において、事前訓練された低レベルスキルは、探索を大幅に促進する可能性がある。 下流タスクの以前の知識は、スキルデザインにおける一般性(きめ細かい制御)と特異性(より高速な学習)の適切なバランスをとるために必要である。 教師なしの方法で様々な複雑さのスキルを習得する階層的スキル学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-20T22:29:32Z)
• A Simple Approach to Continual Learning by Transferring Skill Parameters [25.705923249267055]
  我々は、忘れずにロボット操作スキルを継続的に取得する方法を示し、それらをスクラッチからトレーニングするために必要なサンプルをはるかに少ないものにする。 適切なカリキュラムが与えられたら、忘れずにロボット操作スキルを継続的に習得し、スクラッチからトレーニングするために必要なサンプルをはるかに少ないものにする方法を示す。
  論文  参考訳（メタデータ） (2021-10-19T20:44:20Z)
• Discovering Generalizable Skills via Automated Generation of Diverse Tasks [82.16392072211337]
  本稿では,多種多様なタスクの自動生成による一般化可能なスキルの発見手法を提案する。 教師なしスキル発見の先行研究とは対照的に,本手法では各スキルをトレーニング可能なタスクジェネレータが生成するユニークなタスクとペアリングする。 生成したタスクにおけるロボットの動作に定義されたタスク判別器を共同で訓練し、多様性目標の低いエビデンスを推定する。 学習スキルは階層的な強化学習アルゴリズムで構成され、目に見えない目標タスクを解決する。
  論文  参考訳（メタデータ） (2021-06-26T03:41:51Z)
• ERICA: Improving Entity and Relation Understanding for Pre-trained Language Models via Contrastive Learning [97.10875695679499]
  そこで本研究では, ERICA という新たなコントラスト学習フレームワークを提案し, エンティティとその関係をテキストでより深く理解する。 実験の結果,提案する erica フレームワークは文書レベルの言語理解タスクにおいて一貫した改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-12-30T03:35:22Z)
• Relative Variational Intrinsic Control [11.328970848714919]
  Relative Variational Intrinsic Control(RVIC)は、エージェントが環境との関係をどのように変えるかで区別できる学習スキルを奨励します。 本稿では,階層的強化学習において,既存の手法によるスキルよりもRVICのスキルが有用であることを示す。
  論文  参考訳（メタデータ） (2020-12-14T18:59:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。