[論文レビュー] Job Posting-Enriched Knowledge Graph for Skills-based Matching

Maurits de Groot, Jelle Schutte+1 more|arXiv (Cornell University)|Sep 6, 2021

Advanced Graph Neural Networks参考文献 8被引用数 8

ひとこと要約

本稿では、現実の求人情報を統合することで動的かつ拡張されたスキルおよび職業知識グラフ（KG）を提案する。ISCOとESCOの分類体系を統合し、スキルベースの求人マッチングを向上させる。リンク予測、ノード類似度、TF-IDFに基づくスキルの特異性分析を活用することで、キャリアパスの特定、スキルの関連性の同定、パーソナライズドな学習推薦が可能となり、現代の労働市場の変化に応じた要請に応える有効性を示している。

ABSTRACT

The labor market is constantly evolving. Occupations are changing, being added, or disappearing to fit the needs of today's market. In recent years the pace of this change has accelerated, due to factors such as globalization, digitization, and the shift to working from home. Different factors are relevant when selecting employment, e.g., cultural fit, compensation, provided degree of freedom. To successfully fulfill an occupation the gap between required (by the job) and possessed (by the job seeker) skills needs to be as small as possible. Decreasing this skill-gap improves the fit between a job candidate and occupation. In this paper we propose a custom-built Skills & Occupation Knowledge Graph (KG) that fits the above described dynamic nature of the labor market, by leveraging existing skills and occupation taxonomies enriched with external job posting data. We leverage this KG and explore several applications for skills-based matching of jobs to job seekers. First, we study link prediction as a means to quantify relevance of skills to occupations, which can help in prioritizing learning and development of employees. Next, we study node similarity methods and shortest path algorithms for career pathfinding. Finally, we leverage a term weighting method for identifying which skills are most "distinctive" for different (types of) occupations.

研究の動機と目的

• デジタル化、グローバル化、リモートワークの動向に伴い、急速に変化する労働市場におけるスキルの不一致の増大という課題に対処すること。
• 静的分類体系を超えて、動的かつ変化するスキルと職業の関係を捉える柔軟で最新の知識グラフを構築すること。
• スキルの関連性、キャリア移行ルート、スキル開発の優先順位を定量化することで、求職者と採用担当者のマッチングを改善すること。
• キャリアパスの特定、スキルの関連性ランク付け、新規のスキル・職業関係のリンク予測といったKGのアルゴリズム的応用を検討すること。

提案手法

• ISCO（職業）とESCO（スキル）の分類体系を基盤として、共通のスキルおよび職業知識グラフを構築する。
• 文字n-gramに基づく手法を用いて、非構造化の求人情報を標準化されたスキルおよび職業ラベルにマッピングすることで、KGを拡張する。
• Node2Vecを用いて、観測済みでない新しいスキル・職業リンクを予測し、新規または軽視されているスキル要件の特定を可能にする。
• スキルベースのジャカード類似度を用いて職業間の距離をモデル化し、最短経路アルゴリズムを適用してキャリアパスの特定および移行の推奨を行う。
• TF-IDFに類似した指標を用いて、ISCOグループごとに最も特異なスキルを同定し、特定の職業クラスタに特に関連するスキルを強調する。
• 得られたKGを活用して、リンク予測、キャリアパスの特定、スキル特異性分析という3つのコアな応用を検討し、すべてがスキルベースのマッチングの向上を目的とする。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、リアルタイムの求人情報データを動的に知識グラフに統合し、現在の労働市場の要請を反映できるか？
• RQ2 Node2Vecによるリンク予測は、静的分類体系に存在しない意味のある新しいスキル・職業関係をどの程度正確に特定できるか？
• RQ3 スキルベースのKG上で最短経路アルゴリズムを適用することで、実現可能なキャリア移行ルートをどの程度効果的に推奨できるか？
• RQ4 どのようなスキルが異なる職業グループに対して最も特異的であり、それが個別化された学習および開発をどのように支援できるか？

主な発見

• 求人情報で拡張されたKGは、動的かつスキルと職業の関係を的確に捉え、Node2Vecによるリンク予測によって、静的分類体系にない妥当な新しいスキル・職業の接続を同定している。
• KG上での最短経路解析により、現実的かつスキルベースのキャリア移行ルートが明らかになり、経路の長さが職業グループ間の現実的な進捗を反映している。
• TF-IDFに基づく手法は、特定のISCOグループに極めて特異なスキルを的確に同定できており、ターゲットを絞ったスキルアップおよび再スキルアップのための実用的インサイトを提供している。
• KGは、個々のキャリアナビゲーションと組織の人的資源開発戦略の両面を支援する包括的かつデータドリブンな労働市場の視覚的把握を可能にしている。
• データ制限のため、実証的検証が不十分であったが、本研究の手法的フレームワークは、HRおよび採用システムへの実用的導入の強い可能性を示している。