論文の概要: TalentCLEF at CLEF2026: Skill and Job Title Intelligence for Human Capital Management
- arxiv url: http://arxiv.org/abs/2607.20009v1
- Date: Wed, 22 Jul 2026 10:51:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 18:51:38.060583
- Title: TalentCLEF at CLEF2026: Skill and Job Title Intelligence for Human Capital Management
- Title（参考訳）: TalentCLEF at CLEF2026: Skill and Job Title Intelligence for Human Capital Management (英語)
- Authors: Luis Gasco, Hermenegildo Fabregat, Laura García-Sardiña, Paula Estrella, Casimiro Pio Carrino, Daniel Deniz, Alvaro Rodrigo, Rabih Zbib,
- Abstract要約: 本稿では,CLEF 2026の一部として評価実験室として実施されるTalentCLEF Challengeの第2版について述べる。
TalentCLEFの目的は、ヒューマンキャピタルマネジメント(HCM)分野における自然言語処理(NLP)を利用したシステムや手法の開発を促進することである。
この目的のためにTalentCLEFは、研究チームがメソッドを比較して結果を共有することのできるベンチマークを確立している。
- 参考スコア（独自算出の注目度）: 0.20209739009228475
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents the second edition of the TalentCLEF Challenge, which will run as an evaluation lab as part of CLEF 2026. The aim of TalentCLEF is to promote the development of systems and methods that use Natural Language Processing (NLP) in the field of Human Capital Management (HCM), fostering approaches that ensure fairness in results, operate across multiple languages, and adapt to diverse industries. To this end, TalentCLEF establishes public benchmarks where research teams can compare methods and share findings, moving the field toward more practical and impactful NLP solutions that effectively address the real needs of workforce management. This year's lab will feature two tasks designed to foster the development and evaluation of systems that support key HCM activities such as talent matching, upskilling, reskilling, and skill gap detection: (i) Task A - Contextualized Job-Person Matching, focused on retrieving and ranking suitable candidates for specific job positions using context-rich and privacy-preserving data; and (ii) Task B - Job-Skill Matching with Skill Type Classification, centered on identifying relevant skills for a given job title and classifying them by their type within the job profile. TalentCLEF website: https://talentclef.github.io/talentclef/
- Abstract（参考訳）: 本稿では,CLEF 2026の一部として評価実験室として実施されるTalentCLEF Challengeの第2版について述べる。
TalentCLEFの目的は、ヒューマンキャピタルマネジメント(HCM)分野における自然言語処理(NLP)を利用したシステムや手法の開発を促進し、結果の公平性を確保し、複数の言語をまたいで運用し、多様な産業に適応するアプローチを育成することである。
この目的のためにTalentCLEFは、研究チームがメソッドを比較して結果を共有することのできる公開ベンチマークを確立し、より実用的で影響力のあるNLPソリューションへとフィールドを移し、労働管理の真のニーズに効果的に対処する。
今年のラボでは、人材マッチング、アップスキル、リスキル、スキルギャップ検出など、主要なHCM活動を支援するシステムの開発と評価を促進するための2つのタスクが計画されている。
(i)タスクA - コンテキストリッチ・プライバシ保護データを用いて、特定の職位に適した候補を検索・ランク付けすることに焦点を当てたコンテキスト対応型ジョブ・パーソンマッチング
(II)タスクB - スキルタイプ分類による職業スキルマッチング(スキルタイプ分類)。
TalentCLEF website: https://talentclef.github.io/talentclef/
関連論文リスト
- HAS-Bench: Evaluating LLM-Based Human-Agent Systems under Configurable Human Participation [54.200005792928344]
本稿では,人やエージェントを明示的な役割,許可,コミュニケーションパス,行動権限を持つ一級参加者として表現するグラフベースのフレームワークを提案する。
この枠組みに基づいて、HAS-Benchは人間-エージェントシステムを評価する。
6つの領域にわたる実験では、人間の参加はタスクの完了と障害回復を大幅に改善できるが、利得は、いつ、どのように、そして、誰が人間の入力を行うかによって異なる。
論文 参考訳（メタデータ） (2026-07-05T14:23:27Z) - Overview of the TalentCLEF 2026: Skill and Job Title Intelligence for Human Capital Management [2.692507586681092]
TalentCLEFは、ヒューマンキャピタルマネジメントにおける自然言語処理研究の推進を目的としたイニシアチブである。
本稿では,課題のモチベーションと組織について述べるとともに,データセットと評価設定を要約し,参加チームによる主な成果を報告する。
論文 参考訳（メタデータ） (2026-06-30T14:04:59Z) - Chinese-SkillSpan: A Span-Level Dataset for ESCO-Aligned Competency Extraction from Chinese Job Ads [48.9502429544132]
ジョブスキル 名前付きエンティティ認識(JobSkillNER)は、大規模なジョブ投稿データからキースキル情報を自動的に抽出することを目的としている。
この研究は、採用テキストのための最初の中国のJobSkillNERデータセットを提示する。
ESCOの職業スキル標準に準拠した中国初のJobSkillNERデータセットであるChina-SkillSpanをリリースする。
論文 参考訳（メタデータ） (2026-04-24T20:56:15Z) - WorkRB: A Community-Driven Evaluation Framework for AI in the Work Domain [37.1490186890843]
textbfWorkRB(Work Research Benchmark)は、ワークドメインAIに合わせた、オープンソースのステークホルダ駆動型ベンチマークである。
WorkRBは7つのタスクグループから13のタスクを統合されたレコメンデーションとNLPタスクとして編成し、ジョブ/スキルレコメンデーション、候補レコメンデーション、類似アイテムレコメンデーション、スキル抽出と正規化などが含まれる。
WorkRBは、機密データを開示することなく、シームレスなコントリビューションとプロプライエタリなタスクの統合のためのモジュール設計を持っている。
論文 参考訳（メタデータ） (2026-03-17T15:56:42Z) - 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) - Overview of the TalentCLEF 2025: Skill and Job Title Intelligence for Human Capital Management [0.2276267460638319]
本稿では,スキルと肩書のインテリジェンスに着目した最初の評価キャンペーンであるTalentCLEF 2025を紹介する。
評価にはモノリンガルとクロスランガルのシナリオが含まれ、性別バイアスの評価をカバーした。
TalentCLEFはこの分野で最初の公開ベンチマークを提供し、労働市場向けの堅牢で公平で移動可能な言語技術の開発を奨励している。
論文 参考訳（メタデータ） (2025-07-17T16:33:57Z) - Causally Aligned Curriculum Learning [69.11672390876763]
本稿では、因果レンズによるカリキュラムRLの問題について検討する。
因果的に整合したソースタスクを特徴付ける十分なグラフィカルな条件を導出する。
因果整合型カリキュラムを生成するための効率的なアルゴリズムを開発した。
論文 参考訳（メタデータ） (2025-03-21T02:20:38Z) - 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) - VLABench: A Large-Scale Benchmark for Language-Conditioned Robotics Manipulation with Long-Horizon Reasoning Tasks [100.3234156027118]
本稿では、ユニバーサルLCMタスク学習を評価するためのオープンソースのベンチマークであるVLABenchを紹介する。
VLABenchは、タスクのカテゴリごとに強いランダム化と合計2000以上のオブジェクトを備えた、慎重に設計された100のタスクカテゴリを提供する。
このベンチマークは、メッシュとテクスチャ、空間関係、意味的命令、物理法則、知識伝達、推論の理解を含む複数の能力を評価する。
論文 参考訳（メタデータ） (2024-12-24T06:03:42Z) - Skill-Based Reinforcement Learning with Intrinsic Reward Matching [77.34726150561087]
Intrinsic Reward Matching (IRM) を提案する。
IRMにより、従来のスキル選択方法よりもはるかに効果的に事前訓練されたスキルを活用できる。
論文 参考訳（メタデータ） (2022-10-14T00:04:49Z) - Kungfupanda at SemEval-2020 Task 12: BERT-Based Multi-Task Learning for
Offensive Language Detection [55.445023584632175]
我々は,マルチタスク学習とBERTモデルを組み合わせた攻撃的言語検出システムを構築した。
我々のモデルは、英語のサブタスクAで91.51%のF1スコアを獲得し、これは第1位に匹敵する。
論文 参考訳（メタデータ） (2020-04-28T11:27:24Z)
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。