机构名称：
¥ 1.0
抽象理解劳动力市场动态需要准确地确定劳动力所需和拥有的技能。自动化技术越来越多地发展以支持这一工作。但是，由于现有的技能大量，从职位发布中自动提取技能是具有挑战性的。ESCO（欧洲技能，能力，资格和职业）框架提供了有用的参考，列出了13,000多个个人技能。但是，技能提取仍然很困难，并且将工作职位与ESCO分类学相匹配是一个开放的问题。在这项工作中，我们提出了一个基于大语言模型（LLMS）的职位描述中的技能提取的端到端零拍系统。我们为整个ESCO技能生成合成培训数据，并培训分类器以从工作职位中提取技能。我们还采用了相似性检索器来生成技能候选者，然后使用第二个LLM重新排名。使用合成数据达到RP@10分比以前的遥远监督方法高10分。添加GPT-4重新排行机将RP@10提高到以前的方法超过22点。我们还表明，在提示LLM提示LLM时，将任务作为模拟编程可以比自然语言提示更好的性能，尤其是在LLMS较弱的情况下。我们演示了在匹配管道的两端的两端集成大型语言模型的潜力。我们的方法不需要人类注释，并且在针对ESCO的技能提取方面取得了极为有希望的结果。
大型语言模型作为电池，包括零击ESCO技能匹配者
主要关键词
相关文件推荐
