論文の概要: Standard Occupation Classifier -- A Natural Language Processing Approach

• arxiv url: http://arxiv.org/abs/2511.23057v1
• Date: Fri, 28 Nov 2025 10:30:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.860054
• Title: Standard Occupation Classifier -- A Natural Language Processing Approach
• Title（参考訳）: Standard Occupation Classifier -- 自然言語処理アプローチ
• Authors: Sidharth Rony, Jack Patman,
• Abstract要約: 本研究は、自然言語処理における最近の開発動向を考察し、ある求人広告に職業コードを割り当てることのできる分類器を構築することを目的とする。 我々は、異なる言語モデルを用いて、UK ONS SOCとUS O*NET SOCの両方の分類器を開発する。 Google BERTとニューラルネットワークの分類器を組み合わせたアンサンブルモデルは,肩書きや説明,スキルを考慮しつつ,最高の予測精度を達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Standard Occupational Classifiers (SOC) are systems used to categorize and classify different types of jobs and occupations based on their similarities in terms of job duties, skills, and qualifications. Integrating these facets with Big Data from job advertisement offers the prospect to investigate labour demand that is specific to various occupations. This project investigates the use of recent developments in natural language processing to construct a classifier capable of assigning an occupation code to a given job advertisement. We develop various classifiers for both UK ONS SOC and US O*NET SOC, using different Language Models. We find that an ensemble model, which combines Google BERT and a Neural Network classifier while considering job title, description, and skills, achieved the highest prediction accuracy. Specifically, the ensemble model exhibited a classification accuracy of up to 61% for the lower (or fourth) tier of SOC, and 72% for the third tier of SOC. This model could provide up to date, accurate information on the evolution of the labour market using job advertisements.
• Abstract（参考訳）: SOC(Standard Occupational Classifiers)は、職業、技能、資格の面での類似性に基づいて、様々なタイプの職業や職業を分類・分類するために用いられるシステムである。 求人広告からビッグデータと統合することで、様々な職業に特有な労働需要を調査できるようになる。 本研究は、自然言語処理における最近の開発動向を考察し、ある求人広告に職業コードを割り当てることのできる分類器を構築することを目的とする。 我々は、異なる言語モデルを用いて、UK ONS SOCとUS O*NET SOCの両方の分類器を開発する。 Google BERTとニューラルネットワークの分類器を組み合わせたアンサンブルモデルは,肩書きや説明,スキルを考慮しつつ,最高の予測精度を達成した。 特に, アンサンブルモデルでは, SOCの下位層(または第4層)では最大61%, SOCの第3層では72%の分類精度を示した。 このモデルは、雇用広告を使用して労働市場の進化に関する最新の正確な情報を提供することができる。

関連論文リスト

• Ontology-Aligned Embeddings for Data-Driven Labour Market Analytics [0.0]
  我々は,自由形ドイツ語の肩書きを,ドイツ語のKlassifikation der Berufeと国際教育標準分類という2つの語彙に結びつける埋め込み型アライメントプロセスを提案する。
  論文  参考訳（メタデータ） (2025-09-05T09:08:19Z)
• Large Language Models in the Task of Automatic Validation of Text Classifier Predictions [45.88028371034407]
  テキスト分類のための機械学習モデルは、与えられたテキストのクラスを予測するために訓練される。 これを行うには、トレーニングと検証のサンプルを用意し、各テキストにクラスを割り当てる必要がある。 人間のアノテーションは通常、特定の分類タスクによって異なる専門レベルを持つ人間のアノテーションによって割り当てられる。 本稿では,人間のアノテータを大規模言語モデルに置き換えるためのいくつかのアプローチを提案する。
  論文  参考訳（メタデータ） (2025-05-24T13:19:03Z)
• Multilingual hierarchical classification of job advertisements for job vacancy statistics [1.6874375111244329]
  本研究の目的は,オンライン求人広告のための多言語分類器を開発することである。 職業の階層構造を組み込むことで,予測精度が1-2ポイント向上することを示す。 クローズドおよびオープンソースソフトウェアを用いて翻訳されたデータに基づいてバイリンガル(ポーランド語と英語)とマルチリンガル(24言語)モデルを開発する。
  論文  参考訳（メタデータ） (2024-11-06T09:16:15Z)
• Hierarchical Classification of Transversal Skills in Job Ads Based on Sentence Embeddings [0.0]
  本稿では,求人広告要件とスキルセットの相関関係をディープラーニングモデルを用いて同定することを目的とする。 このアプローチには、ESCO(European Skills, Competences, Occupations)分類を使用したデータ収集、事前処理、ラベル付けが含まれる。
  論文  参考訳（メタデータ） (2024-01-10T11:07:32Z)
• Large Language Models in the Workplace: A Case Study on Prompt Engineering for Job Type Classification [58.720142291102135]
  本研究では,実環境における職種分類の課題について検討する。 目標は、英語の求職が卒業生やエントリーレベルの地位に適切かどうかを判断することである。
  論文  参考訳（メタデータ） (2023-03-13T14:09:53Z)
• 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)
• Analyzing the Limits of Self-Supervision in Handling Bias in Language [52.26068057260399]
  我々は、言語モデルが、認識、識別、抽出、言い換えの4つのタスクのセマンティクスをいかにうまく捉えているかを評価する。 分析の結果,言語モデルでは,ジェンダーや政治的アフィリエイトなど,様々なバイアス次元にまたがって,これらのタスクを広範囲にわたって実行することが可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-12-16T05:36:08Z)

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。