Publikationstyp: Konferenz: Paper
Art der Begutachtung: Peer review (Publikation)
Titel: Skill extraction for domain-specific text retrieval in a job-matching platform
Autor/-in: Smith, Ellery
Weiler, Andreas
Braschler, Martin
et. al: No
DOI: 10.1007/978-3-030-85251-1_10
Tagungsband: Experimental IR Meets Multilinguality, Multimodality, and Interaction
Herausgeber/-in des übergeordneten Werkes: Candan, K. Selçuk
Ionescu, Bogdan
Goeuriot, Lorraine
Larsen, Birger
Müller, Henning
Joly, Alexis
Maistro, Maria
Piroi, Florina
Faggioli, Gugliemlo
Ferro, Nicola
Seite(n): 116
Seiten bis: 128
Angaben zur Konferenz: 12th International Conference of the CLEF Association (CLEF 2021), virtual event, 21–24 September 2021
Erscheinungsdatum: 2021
Reihe: Lecture Notes in Computer Science
Reihenzählung: 12880
Verlag / Hrsg. Institution: Springer
Verlag / Hrsg. Institution: Cham
ISBN: 978-3-030-85250-4
978-3-030-85251-1
ISSN: 0302-9743
1611-3349
Sprache: Englisch
Schlagwörter: Information retrieval; Domain-specific retrieval; Term extraction; Natural language processing
Fachgebiet (DDC): 006: Spezielle Computerverfahren
Zusammenfassung: We discuss a domain-specific retrieval application for matching job seekers with open positions that uses a novel syntactic method of extracting skill-terms from the text of natural language job advertisements. Our new method is contrasted with two word embeddings methods, using word2vec. We define the notion of a skill headword, and present an algorithm that learns syntactic dependency patterns to recognize skill-terms. In all metrics, our syntactic method outperforms both word embeddings methods. Moreover, the word embeddings approaches were unable to model a meaningful distinction between skill-terms and non-skill-terms, while our syntactic approach was able to perform this successfully. We also show how these extracted skills can be used to automatically construct a semantic job-skills ontology, and facilitate a job-to-candidate matching system.
URI: https://digitalcollection.zhaw.ch/handle/11475/24567
Volltext Version: Publizierte Version
Lizenz (gemäss Verlagsvertrag): Lizenz gemäss Verlagsvertrag
Departement: School of Engineering
Organisationseinheit: Institut für Angewandte Informationstechnologie (InIT)
Publiziert im Rahmen des ZHAW-Projekts: Skillue - Digitaler Marktplatz für Fähigkeiten und Marktwerte
Enthalten in den Sammlungen:Publikationen School of Engineering

Dateien zu dieser Ressource:
Es gibt keine Dateien zu dieser Ressource.
Zur Langanzeige


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt, soweit nicht anderweitig angezeigt.