論文の概要: Job Offers Classifier using Neural Networks and Oversampling Methods

• arxiv url: http://arxiv.org/abs/2207.06223v1
• Date: Sun, 3 Jul 2022 11:53:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-17 18:45:59.136919
• Title: Job Offers Classifier using Neural Networks and Oversampling Methods
• Title（参考訳）: ニューラルネットワークとオーバーサンプリング法を用いた分類器を提供するjob
• Authors: Germ\'an Ortiz, Gemma Bel Enguix, Helena G\'omez-Adorno, Iqra Ameer, Grigori Sidorov
• Abstract要約: メキシコ最大のジョブバンクであるブメランから収集したデータセットを用いて、自動ジョブオファリング分類器を開発した。 販売、管理、コールセンター、技術、貿易、人的資源、物流、マーケティング、健康、ガストロノミー、金融、秘書、生産、エンジニアリング、教育、デザイン、法律、建設、保険、通信、コミュニケーション、マネジメント、外国貿易、鉱業。
• 参考スコア（独自算出の注目度）: 0.1679937788852769
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Both policy and research benefit from a better understanding of individuals' jobs. However, as large-scale administrative records are increasingly employed to represent labor market activity, new automatic methods to classify jobs will become necessary. We developed an automatic job offers classifier using a dataset collected from the largest job bank of Mexico known as Bumeran https://www.bumeran.com.mx/ Last visited: 19-01-2022.. We applied machine learning algorithms such as Support Vector Machines, Naive-Bayes, Logistic Regression, Random Forest, and deep learning Long-Short Term Memory (LSTM). Using these algorithms, we trained multi-class models to classify job offers in one of the 23 classes (not uniformly distributed): Sales, Administration, Call Center, Technology, Trades, Human Resources, Logistics, Marketing, Health, Gastronomy, Financing, Secretary, Production, Engineering, Education, Design, Legal, Construction, Insurance, Communication, Management, Foreign Trade, and Mining. We used the SMOTE, Geometric-SMOTE, and ADASYN synthetic oversampling algorithms to handle imbalanced classes. The proposed convolutional neural network architecture achieved the best results when applied the Geometric-SMOTE algorithm.
• Abstract（参考訳）: 政策と研究は、個人の仕事に対するより良い理解から恩恵を受ける。 しかし、労働市場の活動を表すために大規模行政記録がますます採用されていくにつれ、雇用を分類する新たな自動化方法が求められている。 メキシコ最大のジョブバンクであるBumeran https://www.bumeran.com.mx/ 最後に訪れた: 19-01-2022。 我々は,Support Vector Machines, Naive-Bayes, Logistic Regression, Random Forest, Deep Learning Long-Short Term Memory (LSTM)といった機械学習アルゴリズムを適用した。 これらのアルゴリズムを用いて、販売、管理、コールセンター、技術、貿易、人的資源、物流、マーケティング、健康、ガストロノミー、ファイナンシング、秘書、生産、エンジニアリング、教育、デザイン、法律、建設、保険、通信、コミュニケーション、外国貿易、鉱業の23つのクラスのうちの1つにジョブオファーを分類するために、マルチクラスモデルを訓練した。 smote,gemetry-smote,adasyn合成オーバーサンプリングアルゴリズムを用いて不均衡クラスを処理した。 提案する畳み込みニューラルネットワークアーキテクチャは,gemetry-smoteアルゴリズムを適用した場合に最も良い結果を得た。

関連論文リスト

• A Survey of Small Language Models [104.80308007044634]
  小言語モデル (SLM) は, 計算資源の最小化による言語タスクの効率化と性能の向上により, ますます重要になってきている。 本稿では,SLMのアーキテクチャ,トレーニング技術,モデル圧縮技術に着目した総合的な調査を行う。
  論文  参考訳（メタデータ） (2024-10-25T23:52:28Z)
• Learning Algorithms Made Simple [0.0]
  人工知能(AI)、機械学習(ML)、ディープラーニング(DL)、ハイブリッドモデルの主な概念についてレビューする。 本稿では,学習アルゴリズムの概要と現状,応用,今後の方向性について概説する。
  論文  参考訳（メタデータ） (2024-10-11T18:39:25Z)
• Masked Image Modeling: A Survey [73.21154550957898]
  マスク付き画像モデリングは、コンピュータビジョンにおける強力な自己教師付き学習技術として登場した。 我々は近年,分類学を構築し,最も顕著な論文をレビューしている。 我々は,最も人気のあるデータセット上で,様々なマスク付き画像モデリング手法の性能評価結果を集約する。
  論文  参考訳（メタデータ） (2024-08-13T07:27:02Z)
• Deep Learning for Economists [2.44755919161855]
  ディープラーニングは、大規模で非構造化のテキストや画像データセットから構造化情報をインプットする強力な方法を提供する。 このレビューでは、分類器、回帰モデル、生成AI、埋め込みモデルなど、ディープニューラルネットワークについて紹介する。 適切な方法を使用する場合、ディープラーニングモデルはチューニングが安く、数百万から数十億のデータポイントに関わる問題に十分対応できる。
  論文  参考訳（メタデータ） (2024-07-22T02:53:18Z)
• WorkArena++: Towards Compositional Planning and Reasoning-based Common Knowledge Work Tasks [85.95607119635102]
  大型言語モデル(LLM)は人間のような知性を模倣することができる。 WorkArena++は、Webエージェントの計画、問題解決、論理的/論理的推論、検索、コンテキスト的理解能力を評価するように設計されている。
  論文  参考訳（メタデータ） (2024-07-07T07:15:49Z)
• Online Optimization for Network Resource Allocation and Comparison with Reinforcement Learning Techniques [0.6466206145151128]
  本稿では、ジョブ転送におけるオンラインネットワークリソース割り当て問題に取り組む。 本稿では指数重み付け手法に基づくランダム化オンラインアルゴリズムを提案する。 提案アルゴリズムは,その経験からアルゴリズムが適応し,学習していることを示す。
  論文  参考訳（メタデータ） (2023-11-16T17:08:27Z)
• AutoTransfer: AutoML with Knowledge Transfer -- An Application to Graph Neural Networks [75.11008617118908]
  AutoML技術は、各タスクをスクラッチから独立して考慮し、高い計算コストをもたらす。 本稿では,従来の設計知識を新たな関心事に伝達することで,検索効率を向上させるAutoTransferを提案する。
  論文  参考訳（メタデータ） (2023-03-14T07:23:16Z)
• An actor-critic algorithm with policy gradients to solve the job shop scheduling problem using deep double recurrent agents [1.3812010983144802]
  ジョブショップスケジューリング問題(JSSP)に対する深層強化学習手法を提案する。 目的は、ジョブやマシンの数によって異なるJSSPインスタンスのディストリビューションについて学べるgreedyのようなものを構築することである。 予想通り、モデルはある程度は、トレーニングで使用されるものと異なる分布から生じるより大きな問題やインスタンスに一般化することができる。
  論文  参考訳（メタデータ） (2021-10-18T07:55:39Z)
• MS-RANAS: Multi-Scale Resource-Aware Neural Architecture Search [94.80212602202518]
  我々は,MS-RANAS(Multi-Scale Resource-Aware Neural Architecture Search)を提案する。 我々は,検索コストの削減を図るために,ワンショットのアーキテクチャ探索手法を採用した。 我々は精度-速度トレードオフの観点から最先端の結果を得る。
  論文  参考訳（メタデータ） (2020-09-29T11:56:01Z)
• AutoML-Zero: Evolving Machine Learning Algorithms From Scratch [76.83052807776276]
  基本数学的操作をビルディングブロックとして使うだけで,完全な機械学習アルゴリズムを自動的に発見できることが示される。 汎用的な検索空間を通じて人間のバイアスを大幅に低減する新しいフレームワークを導入することでこれを実証する。 機械学習アルゴリズムをゼロから発見する上で、これらの予備的な成功は、この分野における有望な新しい方向性を示していると信じている。
  論文  参考訳（メタデータ） (2020-03-06T19:00:04Z)

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。