Text Zoning and Classification for Job Advertisements in German, French and English. Proceedings of the Fourth Workshop on Natural Language Processing and Computational Social Science, Online, November 20, 2020.

Autor/inn/en	Gnehm, Ann-Sophie; Clematide, Simon
Institution	Association for Computational Linguistics
Titel	Text Zoning and Classification for Job Advertisements in German, French and English. Proceedings of the Fourth Workshop on Natural Language Processing and Computational Social Science, Online, November 20, 2020. Gefälligkeitsübersetzung: Texteinteilung und Klassifizierung von Stellenanzeigen auf Deutsch, Französisch und Englisch.
Quelle	(2020), S. 83-93 PDF als Volltext kostenfreie Datei Link als defekt meldenVerfügbarkeit
Sprache	englisch
Dokumenttyp	online; Monographie
DOI	10.18653/v1/2020.nlpcss-1.10
Schlagwörter	Textanalyse; Datenanalyse; Datengewinnung; Branche; Stellenanzeige; Arbeitskräftebedarf; Arbeitsmarktforschung; Berufsgruppe; Qualifikationsanforderung; Stellenausschreibung; Klassifikation; Schweiz
Abstract	"We present experiments to structure job ads into text zones and classify them into pro- fessions, industries and management functions, thereby facilitating social science analyses on labor marked demand. Our main contribution are empirical findings on the benefits of contextualized embeddings and the potential of multi-task models for this purpose. With contextualized in-domain embeddings in BiLSTM-CRF models, we reach an accuracy of 91% for token-level text zoning and outperform previous approaches. A multi-tasking BERT model performs well for our classification tasks. We further compare transfer approaches for our multilingual data." (Author's abstract, IAB-Doku).
Erfasst von	Institut für Arbeitsmarkt- und Berufsforschung, Nürnberg
Update	2021/4