論文の概要: NLPnorth @ TalentCLEF 2025: Comparing Discriminative, Contrastive, and Prompt-Based Methods for Job Title and Skill Matching

• arxiv url: http://arxiv.org/abs/2506.19058v1
• Date: Mon, 23 Jun 2025 19:18:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.359336
• Title: NLPnorth @ TalentCLEF 2025: Comparing Discriminative, Contrastive, and Prompt-Based Methods for Job Title and Skill Matching
• Title（参考訳）: NLPnorth @ TalentCLEF 2025: 職業名とスキルマッチングのための差別的・コントラスト的・プロンプト的手法の比較
• Authors: Mike Zhang, Rob van der Goot,
• Abstract要約: ジョブのマッチングは、候補マッチング、キャリアパス予測、およびジョブマーケット分析を改善するため、計算ジョブマーケット領域において非常に関連性の高いタスクである。 本稿では,NLPnorthのTalentCLEF 2025への提出について概説する。 タスクAでは、テストデータの平均平均精度(MAP)が0.492、英語、スペイン語、ドイツ語で平均される。 全体として、最大の多言語言語モデルが両方のタスクに最適であることがわかった。
• 参考スコア（独自算出の注目度）: 14.504657756151397
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Matching job titles is a highly relevant task in the computational job market domain, as it improves e.g., automatic candidate matching, career path prediction, and job market analysis. Furthermore, aligning job titles to job skills can be considered an extension to this task, with similar relevance for the same downstream tasks. In this report, we outline NLPnorth's submission to TalentCLEF 2025, which includes both of these tasks: Multilingual Job Title Matching, and Job Title-Based Skill Prediction. For both tasks we compare (fine-tuned) classification-based, (fine-tuned) contrastive-based, and prompting methods. We observe that for Task A, our prompting approach performs best with an average of 0.492 mean average precision (MAP) on test data, averaged over English, Spanish, and German. For Task B, we obtain an MAP of 0.290 on test data with our fine-tuned classification-based approach. Additionally, we made use of extra data by pulling all the language-specific titles and corresponding \emph{descriptions} from ESCO for each job and skill. Overall, we find that the largest multilingual language models perform best for both tasks. Per the provisional results and only counting the unique teams, the ranking on Task A is 5$^{\text{th}}$/20 and for Task B 3$^{\text{rd}}$/14.
• Abstract（参考訳）: ジョブのマッチングは、例えば、自動候補マッチング、キャリアパス予測、ジョブマーケット分析の改善など、計算ジョブマーケット領域において非常に関連性の高いタスクである。 さらに、職種と職業スキルの整合性はこのタスクの拡張と見なすことができ、同じ下流タスクにも同様の関連性がある。 本稿では,NLPnorthのTalentCLEF 2025への提出について概説する。 どちらのタスクに対しても、(微調整)分類ベース、(微調整)コントラストベース、およびプロンプトメソッドを比較します。 タスクAでは、テストデータの平均平均精度(MAP)が0.492、英語、スペイン語、ドイツ語で平均される。 タスクBでは、詳細な分類に基づく手法を用いて、テストデータから0.290のMAPを得る。 さらに、言語固有のタイトルと対応する 'emph{descriptions' をジョブやスキルごとに ESCO から取り出すことで、余分なデータを利用した。 全体として、最大の多言語言語モデルが両方のタスクに最適であることがわかった。 暫定的な結果とユニークなチームのみを数えると、Task A のランクは 5$^{\text{th}}$/20 で、Task B 3$^{\text{rd}}$/14 である。

関連論文リスト

• Cross-lingual Contextualized Phrase Retrieval [63.80154430930898]
  そこで本研究では,言語間関係の単語検索を多義的に行うタスクの定式化を提案する。 我々は、コントラスト学習を用いて、言語間コンテクスト対応句検索(CCPR)を訓練する。 フレーズ検索タスクでは、CCPRはベースラインをかなり上回り、少なくとも13ポイント高いトップ1の精度を達成する。
  論文  参考訳（メタデータ） (2024-03-25T14:46:51Z)
• Unify word-level and span-level tasks: NJUNLP's Participation for the WMT2023 Quality Estimation Shared Task [59.46906545506715]
  我々は、WMT 2023 Quality Estimation (QE)共有タスクにNJUNLPチームを紹介する。 私たちのチームは2つのサブタスクすべてで英語とドイツ語のペアの予測を提出しました。 我々のモデルは、単語レベルと細粒度エラースパン検出サブタスクの両方において、英語とドイツ語で最高の結果を得た。
  論文  参考訳（メタデータ） (2023-09-23T01:52:14Z)
• VacancySBERT: the approach for representation of titles and skills for semantic similarity search in the recruitment domain [0.0]
  本稿では、HRドメインに適用されたディープラーニングセマンティックサーチアルゴリズムに焦点を当てた。 この記事の目的は、求人広告で言及されているスキルとタイトルを結びつけるために、シームズネットワークをトレーニングする新しいアプローチを開発することである。
  論文  参考訳（メタデータ） (2023-07-31T13:21:15Z)
• Predicting Job Titles from Job Descriptions with Multi-label Text Classification [0.0]
  ジョブ記述テキストから関連職名を予測するための多ラベル分類手法を提案する。 本稿では,Bio-GRU-LSTM-CNNを各種事前学習言語モデルで実装し,職種予測問題に適用する。
  論文  参考訳（メタデータ） (2021-12-21T09:31:03Z)
• Job2Vec: Job Title Benchmarking with Collective Multi-View Representation Learning [51.34011135329063]
  Job Title Benchmarking (JTB) は、様々な企業で同様の専門知識を持つ職種をマッチングすることを目的としている。 従来のJTBのアプローチは主に手作業による市場調査に依存しており、それは高価で労働集約的である。 我々はJTBをジョブ-グラフ上のリンク予測のタスクとして再編成し、ジョブタイトルにマッチするリンクはリンクを持つべきである。
  論文  参考訳（メタデータ） (2020-09-16T02:33:32Z)

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。