jobbert_skill_extraction

用于提取职缺中硬性与软性技能的全新数据集

SKILLSPAN数据集解决了技能提取领域中的数据和标注不足问题，包含14,500句子和12,500个技能标注。基于为硬性和软性技能设计的标注指南，结合改进的BERT基线模型与领域适应的语言模型，提升了技能提取效率。

BERT软技能硬技能模型Github技能提取开源项目SkillSpanHuggingface

Hugging Face

论文

项目简介

jobbert_skill_extraction项目致力于从英文招聘信息中提取硬技能和软技能，这对于了解劳动力市场动态非常重要。然而，目前市场上用于此任务的数据集和标注指南相对较少，这使得这一研究领域的数据基础相对薄弱。通过此项目，研究团队希望填补这一空白。

背景与挑战

在劳动力市场中，技能提取（Skill Extraction, SE）是一个备受关注的任务，因为它可以帮助用人单位和求职者更好地了解需要的关键技能。然而，当前可用的数据集较少，通常包含的是众包获得的标签或者预定义技能库中的标签，这在一定程度上限制了技能提取的准确性和广泛性。因此，项目团队推出了一个全新的SE数据集——SKILLSPAN。

SKILLSPAN数据集

SKILLSPAN数据集由14,500个句子和超过12,500个标注区间组成，其标注标准由领域专家根据三个不同的来源制定，包括硬技能和软技能的标注。这个数据集的引入为研究人员和开发者提供了更加准确和全面的数据支持，有助于进一步推动技能提取技术的发展。

技术方法

项目采用了BERT基线模型，并在此基础上进行了多项实验：

长区间优化的语言模型：探索了Joshi等人和Beltagy等人提出的针对长文本段落优化的语言模型，以提高技能提取的准确率。
面向招聘信息领域的持续预训练：参照Han和Eisenstein及Gururangan等人提出的在特定领域进行持续预训练的策略，项目团队训练了专门适应招聘信息内容的模型。
多任务学习：尝试了结合多任务学习的方法，不过结果表明单任务学习在此技能提取任务中表现得更加出色。

研究成果

研究结果显示，域适应模型的表现显著优于非域适应模型，并且单任务学习在准确性方面优于多任务学习。通过这些实验和研究，项目团队展示了如何有效地提升技能提取的精度，为相关领域的研究和实际应用提供了有力的支持和参考。

未来展望

未来，项目团队计划继续优化模型，提高其在不同语言和领域招聘信息中的应用能力。同时，期待通过不断丰富数据集和标注指南，提升技能提取技术的实用性和推广性。这将为劳动力市场上的各方带来更大的价值，助力人力资源管理和职业发展的智能化进程。

编辑推荐精选

Manus

全面超越基准的 AI Agent助手

Manus 是一款通用人工智能代理平台，能够将您的创意和想法迅速转化为实际成果。无论是定制旅行规划、深入的数据分析，还是教育支持与商业决策，Manus 都能高效整合信息，提供精准解决方案。它以直观的交互体验和领先的技术，为用户开启了一个智慧驱动、轻松高效的新时代，让每个灵感都能得到完美落地。

飞书知识问答

飞书官方推出的AI知识库上传word pdf即可部署AI私有知识库

基于DeepSeek R1大模型构建的知识管理系统，支持PDF、Word、PPT等常见文档格式解析，实现云端与本地数据的双向同步。系统具备实时网络检索能力，可自动关联外部信息源，通过语义理解技术处理结构化与非结构化数据。免费版本提供基础知识库搭建功能，适用于企业文档管理和个人学习资料整理场景。

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

TraeAI IDE协作生产力转型热门AI工具

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

使用教程AI工具酷表ChatExcelAI智能客服AI营销产品

DeepEP

DeepSeek开源的专家并行通信优化框架

DeepEP是一个专为大规模分布式计算设计的通信库，重点解决专家并行模式中的通信瓶颈问题。其核心架构采用分层拓扑感知技术，能够自动识别节点间物理连接关系，优化数据传输路径。通过实现动态路由选择与负载均衡机制，系统在千卡级计算集群中维持稳定的低延迟特性，同时兼容主流深度学习框架的通信接口。

DeepSeek

全球领先开源大模型，高效智能助手

DeepSeek是一家幻方量化创办的专注于通用人工智能的中国科技公司，主攻大模型研发与应用。DeepSeek-R1是开源的推理模型，擅长处理复杂任务且可免费商用。

KnowS

AI医学搜索引擎整合4000万+实时更新的全球医学文献

医学领域专用搜索引擎整合4000万+实时更新的全球医学文献，通过自主研发AI模型实现精准知识检索。系统每日更新指南、中英文文献及会议资料，搜索准确率较传统工具提升80%，同时将大模型幻觉率控制在8%以下。支持临床建议生成、文献深度解析、学术报告制作等全流程科研辅助，典型用户反馈显示每周可节省医疗工作者70%时间。

Windsurf Wave 3

Windsurf Editor推出第三次重大更新Wave 3

新增模型上下文协议支持与智能编辑功能。本次更新包含五项核心改进：支持接入MCP协议扩展工具生态，Tab键智能跳转提升编码效率，Turbo模式实现自动化终端操作，图片拖拽功能优化多模态交互，以及面向付费用户的个性化图标定制。系统同步集成DeepSeek、Gemini等新模型，并通过信用点数机制实现差异化的资源调配。

AI IDE