[논문 리뷰] Skill2vec: Machine Learning Approach for Determining the Relevant Skills from Job Description

Van-Duyet Le, Vo Minh Quan외 1명|arXiv (Cornell University)|2017. 07. 31.

Topic Modeling참고 문헌 7인용 수 5

한 줄 요약

이 논문은 Word2vec에 영감을 받은 신경망 모델인 Skill2vec을 소개한다. 이 모델은 직무 스킬을 조밀한 벡터 공간에 매핑하여 스킬 간의 의미적 관계를 포착한다. 전문가 평가를 통해 검증된 결과, 이 방법은 직무 설명과 지원자 스킬 간의 벡터 기반 유사도 매칭을 가능하게 하여 채용 검색 정확도를 향상시킨다.

ABSTRACT

Unsupervise learned word embeddings have seen tremendous success in numerous Natural Language Processing (NLP) tasks in recent years. The main contribution of this paper is to develop a technique called Skill2vec, which applies machine learning techniques in recruitment to enhance the search strategy to find candidates possessing the appropriate skills. Skill2vec is a neural network architecture inspired by Word2vec, developed by Mikolov et al. in 2013. It transforms skills to new vector space, which has the characteristics of calculation and presents skills relationships. We conducted an experiment evaluation manually by a recruitment company's domain experts to demonstrate the effectiveness of our approach.

연구 동기 및 목표

• 채용 과정에서 비정형 직무 설명에서 관련 스킬을 정확히 식별하는 데 도전하는 것.
• 분산 표현을 사용하여 스킬 간 의미적 관계를 모델링함으로써 지원자 검색 효율성을 향상시키는 것.
• 유사도 기반 매칭을 지원하는 확장 가능한 비지도 학습 방법을 개발하는 것.
• 실제 채용 환경에서 전문가 평가를 통해 모델의 효과성을 검증하는 것.
• Word2vec과 같은 단어 임베딩의 성공을 직무 스킬 및 전문 역량 분야로 확장하는 것.

제안 방법

• Word2vec의 스킵그램 아키텍처를 변형하여 직무 설명 텍스트에서 스킬의 조밀한 벡터 표현을 학습하는 것.
• 각 스킬을 시퀀스 내 '단어'로 간주하고, 슬라이딩 윈도우 내에서 주변 스킬을 예측하도록 모델을 훈련하는 것.
• 학습 효율성을 높이고 계산 비용을 줄이기 위해 음성 샘플링을 사용하는 것.
• 스킬 각각에 대해 고정된 크기의 벡터 표현(예: 100차원)을 학습하여 의미적 및 문법적 관계를 포착하는 것.
• 대규모 직무 데이터에서의 학습 속도 및 확장성을 향상시키기 위해 계층적 소프트맥스 또는 음성 샘플링을 적용하는 것.
• 스킬 임베딩가 맥락적 및 관계적 패턴을 반영하도록 대규모 직무 공고 코퍼스에서 모델을 훈련하는 것.

실험 결과

연구 질문

• RQ1 Word2vec 기반 아키텍처를 통해 학습된 스킬 임베딩이 스킬 간 의미적 관계를 효과적으로 표현할 수 있는가?
• RQ2 학습된 스킬 벡터는 어떻게 비정형 직무 설명에서 관련 스킬을 정확히 식별하는 데 기여하는가?
• RQ3 기존의 키워드 기반 방법에 비해 Skill2vec은 채용 매칭 성능을 얼마나 향상시키는가?
• RQ4 도메인 전문가들은 Skill2vec이 생성한 스킬 추천의 품질과 관련성에 대해 어떻게 평가하는가?
• RQ5 다양한 직무 역할과 산업 간에서 모델은 의미 있는 스킬 관계를 유지하면서 일반화할 수 있는가?

주요 결과

• Skill2vec은 의미적 및 문법적 관계를 포착하는 조밀한 스킬 벡터 표현을 성공적으로 학습한다.
• 전문가 평가 결과, 모델이 생성한 스킬 추천이 관련성 있고 맥락적으로 적절한 것으로 확인되었다.
• 기본 키워드 매칭 방법에 비해 관련 스킬 식별 성능이 향상됨을 입증하였다.
• 스킬 임베딩 간의 벡터 유사도를 통해 어휘적으로 다를지라도 의미적으로 관련된 스킬을 효과적으로 검색할 수 있었다.
• 실제 직무 설명 데이터에서 모델의 확장성과 효과성이 입증되어 채용 시스템에 실용적으로 구현 가능함을 보였다.
• 음성 샘플링과 스킵그램 학습을 통해 대규모 데이터셋에서 품질 손실 없이 효율적인 학습이 가능했다.