[논문 리뷰] Job Posting-Enriched Knowledge Graph for Skills-based Matching

Maurits de Groot, Jelle Schutte외 1명|arXiv (Cornell University)|2021. 09. 06.

Advanced Graph Neural Networks참고 문헌 8인용 수 8

한 줄 요약

이 논문은 디지털화, 글로벌화, 원격 근무 트렌드로 인해 빠르게 변화하는 현대 노동시장의 요구에 부응하기 위해 ISCO 및 ESCO 분류체계를 기반으로 실세계의 구인 공고를 통합한 동적이고 직무 공고 기반 풍부화된 스킬 및 직업 지식 그래프(KG)를 제안한다. 링크 예측, 노드 유사도, TF-IDF 기반의 스킬 독창성 분석을 활용함으로써, 이 KG는 더 나은 경력 경로 탐색, 스킬 관련성 식별, 개인 맞춤형 학습 추천을 가능하게 하여 스킬 기반의 직업 매칭에 실용성을 입증한다.

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.

연구 동기 및 목표

• 디지털화, 글로벌화, 원격 근무 트렌드로 인해 가속화되는 스킬 불일치 문제를 해결하기 위해.
• 정적 분류체계를 초월해 동적인 스킬-직업 관계를 반영할 수 있는 융통성 있고 최신 상태를 유지하는 지식 그래프를 구축하기 위해.
• 스킬 관련성, 경력 전환 경로, 스킬 개발 우선순위를 정량화함으로써 구직자와 고용주 간의 매칭을 향상시키기 위해.
• 경력 경로 탐색, 스킬 관련성 순위 매기기, 신규 스킬-직업 관계의 링크 예측에 대한 알고리즘 응용을 탐색하기 위해.

제안 방법

• ISCO(직업)와 ESCO(스킬) 분류체계를 기반으로 공통된 스킬 및 직업 지식 그래프를 구축한다.
• 직무 공고의 비정형 텍스트를 표준화된 스킬 및 직업 레이블로 매핑하기 위해 문자 n-그램 기반 방법을 사용하여 KG를 풍부화시킨다.
• Node2Vec을 적용하여 관측되지 않은 새로운 스킬-직업 간 연결을 예측함으로써, 신규로 나타나거나 부족하게 평가되는 스킬 요구사항을 식별한다.
• 스킬 기반 Jaccard 유사도를 활용해 직업 간 거리를 모델링하고, 최단 경로 알고리즘을 적용하여 경력 경로 탐색 및 전환 추천을 수행한다.
• TF-IDF 유사 메트릭을 활용해 각 ISCO 그룹에 대해 가장 독특한 스킬을 식별함으로써 특정 직업 집단에 특별히 관련된 스킬을 부각시킨다.
• 결과로 도출된 KG를 활용해 세 가지 핵심 응용 분야를 탐색한다: 링크 예측, 경력 경로 탐색, 스킬 독창성 분석. 이 모든 것은 스킬 기반 매칭 향상에 기여한다.

실험 결과

연구 질문

• RQ1 실시간 구인 공고 데이터를 동적으로 통합하여 지식 그래프를 풍부화시켜 현재의 노동시장 수요를 반영할 수 있는가?
• RQ2 Node2Vec을 통한 링크 예측이 정적 분류체계에 존재하지 않는 의미 있는 새로운 스킬-직업 관계를 얼마나 잘 식별할 수 있는가?
• RQ3 스킬 기반 지식 그래프에서 최단 경로 알고리즘이 타당한 경력 전환 경로를 추천하는 데 얼마나 효과적인가?
• RQ4 다양한 직업 집단에 대해 어떤 스킬이 가장 독특한가? 그리고 이러한 정보는 개인 맞춤형 학습 및 개발에 어떻게 활용될 수 있는가?

주요 결과

• 직무 공고 기반 풍부화 지식 그래프는 동적인 스킬-직업 관계를 성공적으로 반영하였으며, Node2Vec 기반 링크 예측을 통해 스킬과 직업 간의 타당한 새로운 연결을 식별하였다.
• KG 기반 최단 경로 분석은 실현 가능한 스킬 기반 경력 전환 경로를 드러내었으며, 경로 길이가 다양한 직업 집단 간의 현실적인 진전을 반영하고 있었다.
• TF-IDF 기반 방법은 특정 ISCO 그룹에 매우 고유한 스킬을 효과적으로 식별하여, 타겟된 업그레이딩 및 리스킬링 전략 수립에 실질적인 통찰을 제공하였다.
• KG는 노동시장에 대한 종합적이고 데이터 기반의 시각을 제공하여 개인의 경력 탐색과 조직의 인재 개발 전략 모두를 지원한다.
• 데이터 제약으로 인해 실증적 검증이 부족했지만, 이 방법론적 프레임워크는 인사 및 채용 시스템에 실질적인 구현 가능성을 보여주었다.