論文の概要: Skill Demand Forecasting Using Temporal Knowledge Graph Embeddings

• arxiv url: http://arxiv.org/abs/2504.07233v2
• Date: Mon, 14 Apr 2025 10:43:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 13:21:56.035086
• Title: Skill Demand Forecasting Using Temporal Knowledge Graph Embeddings
• Title（参考訳）: 時間的知識グラフ埋め込みを用いたスキル需要予測
• Authors: Yousra Fettach, Adil Bahaj, Mounir Ghogho,
• Abstract要約: オンライン求人広告から構築した時間的KGについて紹介する。 次に、時間的リンク予測のための異なる時間的KG埋め込みを訓練し、評価する。 本稿では,情報技術産業における労働者の技能選択に対する需要予測について述べる。
• 参考スコア（独自算出の注目度）: 3.1515385358176817
• License:
• Abstract: Rapid technological advancements pose a significant threat to a large portion of the global workforce, potentially leaving them behind. In today's economy, there is a stark contrast between the high demand for skilled labour and the limited employment opportunities available to those who are not adequately prepared for the digital economy. To address this critical juncture and gain a deeper and more rapid understanding of labour market dynamics, in this paper, we approach the problem of skill need forecasting as a knowledge graph (KG) completion task, specifically, temporal link prediction. We introduce our novel temporal KG constructed from online job advertisements. We then train and evaluate different temporal KG embeddings for temporal link prediction. Finally, we present predictions of demand for a selection of skills practiced by workers in the information technology industry. The code and the data are available on our GitHub repository https://github.com/team611/JobEd.
• Abstract（参考訳）: 急速な技術進歩は、世界の労働力の大部分に重大な脅威をもたらし、それを置き去りにする可能性がある。 今日の経済では、熟練労働者の需要の高さと、デジタル経済に十分な準備が整っていない人たちの就業機会の制限との間には、非常に対照的な点がある。 本稿では,この重要な問題に対処し,労働市場のダイナミクスをより深く,より迅速な理解を得るために,知識グラフ(KG)完成タスクとしてのスキルニーズ予測の問題,特に時間的リンク予測にアプローチする。 オンライン求人広告から構築した時間的KGについて紹介する。 次に、時間的リンク予測のための異なる時間的KG埋め込みを訓練し、評価する。 最後に,情報技術産業における労働者の技能選択に対する需要予測について述べる。 コードとデータはGitHubリポジトリ https://github.com/team611/JobEd.orgで公開されています。

関連論文リスト

• Neural-Symbolic Reasoning over Knowledge Graphs: A Survey from a Query Perspective [55.79507207292647]
  知識グラフ推論は、データマイニング、人工知能、Web、社会科学など、さまざまな分野において重要である。 ニューラルAIの台頭は、深層学習の頑健さと象徴的推論の精度を融合させることで、大きな進歩を見せている。 大規模言語モデル(LLM)の出現により、知識グラフ推論の新しいフロンティアが開かれた。
  論文  参考訳（メタデータ） (2024-11-30T18:54:08Z)
• CAPER: Enhancing Career Trajectory Prediction using Temporal Knowledge Graph and Ternary Relationship [23.845300607433792]
  本稿では,高度な時間的知識グラフ(TKG)モデリングによる課題を解決する新しい解法であるCAPERを提案する。 グラフ構造化知識ベースを豊かな表現力で活用し、仕事の動きパターンの変化を効果的に保存する。 実世界のキャリアトラジェクトリデータセットの実験では、CAPERが一貫して、4つのベースラインをはるかに上回っていることが示されている。
  論文  参考訳（メタデータ） (2024-08-28T08:21:56Z)
• A Cross-View Hierarchical Graph Learning Hypernetwork for Skill Demand-Supply Joint Prediction [24.737433570616297]
  協調技術需要供給予測のための階層型階層型グラフ学習ハイパーネットワーク(CHGH)フレームワークを提案する。 特に、CHGHは、i)スキル要求とサプライの相互接続を捉えるクロスビューグラフエンコーダ、i)クラスタワイドの観点からスキルの共進化をモデル化する階層グラフエンコーダ、iii)要求とサプライの変動を共同で予測する条件付きハイパーデコーダからなるエンコーダネットワークである。
  論文  参考訳（メタデータ） (2024-01-31T13:56:08Z)
• Iterative Zero-Shot LLM Prompting for Knowledge Graph Construction [104.29108668347727]
  本稿では,最新の生成型大規模言語モデルの可能性を活用する,革新的な知識グラフ生成手法を提案する。 このアプローチは、新しい反復的なゼロショットと外部知識に依存しない戦略を含むパイプラインで伝達される。 我々は、我々の提案がスケーラブルで多目的な知識グラフ構築に適したソリューションであり、異なる新しい文脈に適用できると主張している。
  論文  参考訳（メタデータ） (2023-07-03T16:01:45Z)
• The Future of ChatGPT-enabled Labor Market: A Preliminary Study in China [22.120632047061235]
  我々は、人間-AIコンファレンスではなく、人間-AI共生の観点から、ChatGPTによる労働市場の将来について検討する。 その結果、現在の労働市場の職業の約28%はChatGPT関連のスキルを必要とすることが示唆された。 将来的には45%の雇用がChatGPT関連のスキルを必要とする。
  論文  参考訳（メタデータ） (2023-04-14T06:56:35Z)
• Forecasting Future World Events with Neural Networks [68.43460909545063]
  Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。 ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。 予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
  論文  参考訳（メタデータ） (2022-06-30T17:59:14Z)
• What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
  計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。 この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。 本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
  論文  参考訳（メタデータ） (2022-06-13T21:31:06Z)
• Practical Skills Demand Forecasting via Representation Learning of Temporal Dynamics [4.536775100566484]
  急速な技術革新は、世界の労働力の多くを置き去りにする恐れがある。 政府や市場は、スキルの供給が需要の変化に反応する速度を早める方法を見つけなければならない。 本稿では,10年間の月次技術需要観測を用いて,複数段階の予測を未来に向けて一斉に行うパイプラインを提案する。
  論文  参考訳（メタデータ） (2022-05-18T04:02:55Z)
• Policy Gradients Incorporating the Future [66.20567145291342]
  我々はエージェントが明示的に予測することなく「未来を見る」方法を紹介した。 我々は,エージェントが過去の経験を学習中に,その将来に何が起こったのかを観察できるように提案する。 これにより、エージェントは、現在に加えて、将来の軌道力学に関するリッチで有用な情報を利用することができる。
  論文  参考訳（メタデータ） (2021-08-04T14:57:11Z)
• Data Considerations in Graph Representation Learning for Supply Chain Networks [64.72135325074963]
  本稿では,隠れた依存関係リンクを明らかにするためのグラフ表現学習手法を提案する。 本稿では,グローバルな自動車サプライチェーンネットワークのリンク予測における最先端の性能向上を実証する。
  論文  参考訳（メタデータ） (2021-07-22T12:28:15Z)
• Software Engineering Event Modeling using Relative Time in Temporal Knowledge Graphs [15.22542676866305]
  GitHubのアーティファクト間の日々のインタラクションに基づいて,マルチリレーショナルな時間知識グラフを提案する。 補間時間条件リンク予測と,補間時間条件リンク/時間予測クエリの2つの新しいデータセットを提案する。 これらのデータセットに関する我々の実験は、幅広いソフトウェアエンジニアリングの質問に答えるために知識グラフを適用する可能性を浮き彫りにした。
  論文  参考訳（メタデータ） (2020-07-02T16:28:43Z)

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。