Livelihoods Classifier
Der Tabiya Livelihoods Classifier bietet eine benutzerfreundliche Implementierung des Entity-Linking-Paradigmas zur Unterstützung von Heuristiken für Stellenbeschreibungen.
Unter Verwendung modernster Transformer-Neuronaler Netzwerke kann dieses Tool 5 Entitätstypen extrahieren: Occupation, Skill, Qualification, Experience und Domain. Für die Occupations und Skills werden ESCO-bezogene Einträge abgerufen. Das Verfahren besteht aus zwei diskreten Schritten: Entitätsextraktion und Suche mittels Similarity-Vektor.
Architektur des Modells
Zielgruppe
Das Tool richtet sich an Spezialisten für Workforce-Analytics, Recruitment-Technologien und Human-Capital-Management sowie an Forscher, die sich auf Arbeitsmärkte und Jobdaten konzentrieren. Es bedient Organisationen und Fachleute, die mit der Analyse, Kategorisierung und Optimierung von Stellenbeschreibungen oder Lebensläufen in großem Maßstab befasst sind. Ideale Nutzer sind solche aus HR-Technologie, Karriereberatungsdiensten und datengetriebenen Talentlösungen, insbesondere solche, die die Genauigkeit bei der Identifizierung von Rollen, Skills und Qualifications zur Verbesserung von Entscheidungen bei Einstellungen oder der Personalplanung erhöhen wollen. Technische Nutzer, die an der Integration standardisierter Frameworks in ihre Analyse interessiert sind, werden dieses Tool ebenfalls als hochrelevant erachten.
Verwandte Forschung
Das Design und die Evaluation unseres Livelihoods Classifier werden vorgestellt in Saroglou, S., Diamantaras, K., Preta, F., Delianidi, M., Benisis, A. & Meyer, C.J. (2025). Enhancing Job Matching: Occupation, Skill and Qualification Linking with the ESCO and EQF taxonomies. arXiv-Preprint arXiv:2512.03195. https://arxiv.org/abs/2512.03195.
Sie finden den gesamten zugehörigen Code auf Tabiyas GitHub-Seite.
Zuletzt aktualisiert