[논문 리뷰] Measuring the Popularity of Job Skills in Recruitment Market: A Multi-Criteria Approach

Tong Xu, Hengshu Zhu외 3명|arXiv (Cornell University)|2017. 12. 06.

Recommender Systems and Techniques인용 수 33

한 줄 요약

이 논문은 대규모 채용 데이터로부터 직무 기준(예: 급여, 기업 규모)과 스킬 네트워크 구조를 통합한 스킬 인기 기반 토픽 모델(SPTM)을 사용하여 데이터 기반의 다기준 접근 방식을 제안한다. SPTM는 스킬의 다면적 인기 순위를 효과적으로 산정하여, 높은 수요를 보이는 스킬이 높은 급여를 받는 직무로 이어질 수 있음을 드러낸다.

ABSTRACT

To cope with the accelerating pace of technological changes, talents are urged to add and refresh their skills for staying in active and gainful employment. This raises a natural question: what are the right skills to learn? Indeed, it is a nontrivial task to measure the popularity of job skills due to the diversified criteria of jobs and the complicated connections within job skills. To that end, in this paper, we propose a data driven approach for modeling the popularity of job skills based on the analysis of large-scale recruitment data. Specifically, we first build a job skill network by exploring a large corpus of job postings. Then, we develop a novel Skill Popularity based Topic Model (SPTM) for modeling the generation of the skill network. In particular, SPTM can integrate different criteria of jobs (e.g., salary levels, company size) as well as the latent connections within skills, thus we can effectively rank the job skills based on their multi-faceted popularity. Extensive experiments on real-world recruitment data validate the effectiveness of SPTM for measuring the popularity of job skills, and also reveal some interesting rules, such as the popular job skills which lead to high-paid employment.

연구 동기 및 목표

• 고용주와 구직자 간의 스킬 격차를 다기준 방식으로 측정함으로써 해결하고자 한다.
• 채용 데이터에서 직무 기준(예: 급여, 기업 규모)과 스킬 상호의존성 간의 복잡한 상호작용을 모델링하고자 한다.
• 다양한 차원에서의 스킬 인기도를 기반으로 스케일링 가능하고 해석 가능한 스킬 순위 매기기 방법을 개발하고자 한다.
• 구직자와 인재 관리자에게 보다 우수한 취업 결과를 이끌어내는 데 기여할 수 있는 실질적인 통찰을 제공하고자 한다.
• 스킬 인기도 모델링을 통해 개인 맞춤형 인재 추천 및 이력서 스크리닝을 가능하게 하고자 한다.

제안 방법

• 중국의 주요 채용 플랫폼에서 수집한 892,454건의 직무 공고에서 스킬을 추출하여 '스킬-넷'이라고 하는 스킬 네트워크를 구축한다.
• 직무 기준(예: 급여, 기업 규모)과 스킬 카테고리를 레이블로 함께 모델링하는 새로운 스킬 인기 기반 토픽 모델(SPTM)을 개발한다.
• SPTM을 사용하여 스킬 네트워크의 중심 스킬과 그 이웃 노드에서 문서를 생성함으로써 잠재적 스킬 연결을 포착한다.
• 계층적 스킬 의존성과 직무 기준을 토픽 모델링 프레임워크에 통합하여 다각도의 인기도를 반영한다.
• 실제 채용 데이터를 기반으로 SPTM을 학습하여 스킬에 대한 주제 분포를 학습함으로써 다기준 스킬 인기도 순위를 산정한다.
• 실세계 데이터를 사용하여 모델 성능을 검증하고, 정성적 및 정량적 분석을 통해 순위 품질을 평가한다.

실험 결과

연구 질문

• RQ1 급여 수준과 기업 규모와 같은 다양한 직무 기준에서 가장 인기 있는 스킬은 무엇인가?
• RQ2 잠재적 스킬 연결(예: JavaScript, PHP, Node.js)은 개별 스킬의 인지도에 어떻게 영향을 미치는가?
• RQ3 직무 기준과 스킬 네트워크 구조를 통합할 경우 스킬 인기도 순위의 정확성과 해석 가능성은 어느 정도 향상되는가?
• RQ4 높은 인기 스킬이 높은 급여를 받는 일자리로 이어지는 일관된 패턴이 존재하는가?
• RQ5 제안된 모델은 취업 결과를 극대화하고자 하는 구직자에게 실질적인 통찰을 제공할 수 있는가?

주요 결과

• SPTM 모델은 직무 기준과 스킬 네트워크 구조를 통합하여 다면적 인기도를 효과적으로 포착하여, 기준 모델 대비 순위 정확도에서 뛰어난 성능을 보였다.
• '파이썬', '자바스크립트', '자바'와 같은 스킬은 높은 급여 직무에서 특히 다수의 인기 차원에서 높은 순위를 유지했다.
• 높은 인기 스킬은 높은 급여를 받는 일자리와 강하게 연관되어 있어, 스킬 수요와 보상 간의 강한 상관관계를 시사한다.
• 모델은 웹 개발 및 데이터 과학 분야의 스킬이 특히 대규모 상장 기업에서 가장 요구되는 것으로 드러났다.
• 스킬 네트워크 구조는 'Node.js'와 '리액트'가 자주 '자바스크립트'와 함께 언급됨을 확인하여 기능적 상호의존성을 뒷받침한다.
• 모델는 확장성과 해석 가능성 모두 우수하여, 이력서 스크리닝 및 인재 추천과 같은 실무 응용 분야에 적합함을 입증했다.