评估工作描述中经验级别分类的建模方法

本文研究了预测招聘文本中的工作经验水平的任务，旨在自动识别职位所需的资格。与传统的文本分类不同，招聘文本通常具有明确的内部结构，不同的段落在传达经验线索方面发挥着不成比例的作用。为了解决这个问题，我们提出了一种结构感知的节感知 BERT 方法，该方法在基于规则的系统和经典基线 TF-IDF 的基础上，对集成建模的关键段落（标题、职责、要求）进行分段和编码。同时，我们在同一数据集上的少样本和微调设置下评估大语言模型，以比较不同建模范例的能力边界。实验结果表明，显式利用文本结构可以显着提高经验水平预测性能，特别是在职位名称不明确的情况下。进一步的错误分析揭示了这项任务中的系统性挑战，包括入门级和高级级别之间的混淆以及中级职位界限的模糊。这项研究为理解结构化招聘文本提供了有效的建模方法和分析框架。