Resumen de Inductive Graph Neural Network for Job-Skill Framework Analysis

Hermenegildo Fabregat, Rus Poves, Lucas Alvarez Lacasa, Federico Retyk, Laura García Sardiña, Rabih Zbib

• español

  En la actualidad, dentro de los procesos de gestión del capital humano, la especialización de profesiones ha hecho que el análisis de competencias profesionales y su relación con distintos empleos cobre cada vez más importancia. En este trabajo abordamos la recuperación de puestos de trabajo similares y la recuperación de competencias relacionadas con una ocupación determinada. Analizamos el rendimiento de un sistema basado en Graph Neural Networks, el cual trata de mitigar las eventuales limitaciones de sistemas basados únicamente en el procesamiento de información textual. Los resultados obtenidos indican que este tipo de enfoques son capaces de aprovechar eficientemente tanto la información textual como las relaciones entre ocupaciones y competencias explícitamente representadas. Además, se ha evaluado este sistema en un escenario de recomendación en frío donde un porcentaje de las competencias profesionales estudiadas fueron eliminadas del entrenamiento.

• English

  The analysis of skills and their relationship to different occupations is an area of special attention within human capital management processes. Nowadays, job specialization has made this increasingly important. In this paper, we address two main tasks: the retrieval of similar jobs and the retrieval of skills related to a given job. We develop a system that combines the encoding of textual information with a graph neural network, thus mitigating the limitations of a system that relies on either of these separately. We present experiments that show that the proposed system is able to take advantage of both the encoded textual information, and the structured relationships between job titles and skills represented by the graph. We also show the robustness of the proposed model in modeling unseen entities by evaluating the model’s performance in simulated cold-recommendation scenarios where a percentage of the skills under study are eliminated during training.