論文の概要: UniSkill: A Dataset for Matching University Curricula to Professional Competencies

• arxiv url: http://arxiv.org/abs/2603.03134v1
• Date: Tue, 03 Mar 2026 16:05:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-04 21:38:10.874901
• Title: UniSkill: A Dataset for Matching University Curricula to Professional Competencies
• Title（参考訳）: UniSkill: 大学のカリキュラムとプロフェッショナルのコンピテンシーをマッチングするためのデータセット
• Authors: Nurlan Musazade, Joszef Mezei, Mike Zhang,
• Abstract要約: 欧州スキル、能力、資格、職業分類から手動で注釈付きおよび合成されたスキルのデータセットをリリースする。 我々は,大学院レベルの大学コースとシステムアナリスト・マネジメント・組織アナリストのスキルを2つの粒度で比較した。 このデータセット上で言語モデルをトレーニングし、コース・ツー・スキル・ツー・コースマッチングのための検索・レコメンデーションシステムのベースラインとして機能する。
• 参考スコア（独自算出の注目度）: 3.9445288162247483
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Skill extraction and recommendation systems have been studied from recruiter, applicant, and education perspectives. While AI applications in job advertisements have received broad attention, deficiencies in the instructed skills side remain a challenge. In this work, we address the scarcity of publicly available datasets by releasing both manually annotated and synthetic datasets of skills from the European Skills, Competences, Qualifications and Occupations (ESCO) taxonomy and university course pairs and publishing corresponding annotation guidelines. Specifically, we match graduate-level university courses with skills from the Systems Analysts and Management and Organization Analyst ESCO occupation groups at two granularities: course title with a skill, and course sentence with a skill. We train language models on this dataset to serve as a baseline for retrieval and recommendation systems for course-to-skill and skill-to-course matching. We evaluate the models on a portion of the annotated data. Our BERT model achieves 87% F1-score, showing that course and skill matching is a feasible task.
• Abstract（参考訳）: スキル抽出とレコメンデーションシステムは、採用者、応募者、教育の観点から研究されている。 求人広告におけるAIアプリケーションは広く注目されているが、指示されたスキル側の欠陥は依然として課題である。 本研究では,欧州技能・能力・資格・職業(ESCO)分類学と大学コースペアから手動で注釈付きおよび合成されたスキルのデータセットをリリースし,それに対応するガイドラインを公開することで,公開データセットの不足に対処する。 具体的には,大学院レベルの大学コースとシステムアナリスト・マネジメント・組織アナリストのスキルを2つの粒度で比較した。 このデータセット上で言語モデルをトレーニングし、コース・ツー・スキル・ツー・コースマッチングのための検索・レコメンデーションシステムのベースラインとして機能する。 注釈付きデータの一部をモデルとして評価する。 我々のBERTモデルは87%のF1スコアを獲得し、コースとスキルマッチングが実現可能な課題であることを示す。

関連論文リスト

• Enhancing Job Matching: Occupation, Skill and Qualification Linking with the ESCO and EQF taxonomies [0.0]
  本研究では、労働市場情報の分類を改善するための言語モデルの可能性について検討する。 本論文では,文文リンクとエンティティリンクの2つの重要な方法論について検討・比較する。 現在進行中の研究を支援するため、これらの2つの方法論を取り入れたオープンソースツールをリリースする。
  論文  参考訳（メタデータ） (2025-12-02T19:49:43Z)
• Tec-Habilidad: Skill Classification for Bridging Education and Employment [0.7373617024876725]
  本稿では,スキル抽出と分類のためのスペイン語データセットを開発する。 知識、スキル、能力を区別するアノテーションの方法論を提供する。 また、スキル分類のための堅牢なソリューションを進めるためのディープラーニングベースラインも提供する。
  論文  参考訳（メタデータ） (2025-03-05T22:05:42Z)
• Dynamic Skill Adaptation for Large Language Models [78.31322532135272]
  動的スキル適応(Dynamic Skill Adaptation, DSA)は, 言語モデル(LLM)に新しい複雑なスキルを適応させる適応的かつ動的フレームワークである。 各スキルに対して,学習前スキルの詳細な記述を含む教科書的データと,学習前スキルの具体的活用を目標とした演習的データの両方を生成する。 LLAMA や Mistral のような大規模言語モデルを用いた実験は,提案手法が数学推論スキルや社会学習スキルに適応する上で有効であることを示す。
  論文  参考訳（メタデータ） (2024-12-26T22:04:23Z)
• Joint Extraction and Classification of Danish Competences for Job Matching [13.364545674944825]
  本研究はデンマークの求職者から有能性を共同で抽出し分類する最初のモデルを示す。 統合抽出・分類のための単一BERTアーキテクチャとして,本モデルは軽量かつ効率的に推論できる。
  論文  参考訳（メタデータ） (2024-10-29T15:00:40Z)
• Job-SDF: A Multi-Granularity Dataset for Job Skill Demand Forecasting and Benchmarking [59.87055275344965]
  Job-SDFは、ジョブスキルの需要予測モデルをトレーニングし、ベンチマークするために設計されたデータセットである。 2021年から2023年にかけて、中国の大手オンライン求人プラットフォームから集められた1035万件の求人広告に基づいている。 本データセットは,職業,企業,地域レベルなど,さまざまな粒度でのスキル需要予測モデルの評価を可能にする。
  論文  参考訳（メタデータ） (2024-06-17T07:22:51Z)
• Large Language Models are Limited in Out-of-Context Knowledge Reasoning [65.72847298578071]
  大規模言語モデル (LLMs) は、文脈内推論の実行において広範な知識と強力な能力を持っている。 本稿では、複数の知識を組み合わせて新しい知識を推論する、文脈外知識推論(OCKR)という、文脈外推論の重要な側面に焦点を当てる。
  論文  参考訳（メタデータ） (2024-06-11T15:58:59Z)
• Acquiring Diverse Skills using Curriculum Reinforcement Learning with Mixture of Experts [58.220879689376744]
  強化学習(Reinforcement Learning, RL)は, 優れた政策獲得のための強力なアプローチである。 多様なスキルを学習するための textbfDiverse textbfSkill textbfLearning (Di-SkilL) を提案する。 本稿では,Di-SkilLが多種多様なパフォーマンススキルを学習できるロボットシミュレーションタスクについて述べる。
  論文  参考訳（メタデータ） (2024-03-11T17:49:18Z)
• NNOSE: Nearest Neighbor Occupational Skill Extraction [55.22292957778972]
  作業スキルデータセットの複雑さに対処する。 我々は、データセット統一方式で類似したスキルを検索するために、外部データストアを使用します。 我々は、データセット間設定において、頻度の低いパターンを予測し、最大30%のスパンF1で性能向上を観察する。
  論文  参考訳（メタデータ） (2024-01-30T15:18:29Z)
• Cross-Lingual NER for Financial Transaction Data in Low-Resource Languages [70.25418443146435]
  半構造化テキストデータにおける言語間名前認識のための効率的なモデリングフレームワークを提案する。 我々は2つの独立したSMSデータセットを英語とアラビア語で使用し、それぞれが半構造化された銀行取引情報を持っている。 わずか30のラベル付きサンプルにアクセスすることで、我々のモデルは、英語からアラビア語までの商人、金額、その他の分野の認識を一般化することができる。
  論文  参考訳（メタデータ） (2023-07-16T00:45:42Z)
• Large Language Models as Batteries-Included Zero-Shot ESCO Skills Matchers [0.0]
  大規模言語モデル(LLM)に基づくジョブ記述からスキル抽出のためのエンドツーエンドゼロショットシステムを提案する。 ESCOのスキル全体に関する総合的なトレーニングデータを生成し,求職者からのスキル言及を抽出するために分類器を訓練する。 また、類似性検索を用いてスキル候補を生成し、第2のLCMを用いて再ランク付けする。
  論文  参考訳（メタデータ） (2023-07-07T12:04:12Z)
• Design of Negative Sampling Strategies for Distantly Supervised Skill Extraction [19.43668931500507]
  本稿では,リテラルマッチングによる遠隔監視に基づく,スキル抽出のためのエンドツーエンドシステムを提案する。 ESCO分類を用いて、関連するスキルからネガティブな例を選択することで、最大の改善が得られます。 我々は,タスクのさらなる研究を促進するために,研究目的のベンチマークデータセットをリリースする。
  論文  参考訳（メタデータ） (2022-09-13T13:37:06Z)

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。