基于多任务学习的技能抽取

摘要

从文本中抽取技能是一项重要的自然语言处理任务。例如，企业可以从招聘启事中抽取出技能从而了解工作市场上所需热门技能及其变化趋势。技能抽取通常需要建立机器学习模型来进行处理。然而，建模过程需要人工标注大量数据和设计特征，并且在单一文本语料上学习到的机器学习模型在应用到其它文本上时效果不佳。因此通常需要在其他文本语料上重新建模，费时费力。为此，本文提出了一种基于多任务学习的技能抽取框架MTSE。实验结果表明，MTSE能有效利用不同文本的数据和特征，显著提高在不同文本上的技能抽取的建模效率和任务表现。

关键词

技能抽取 / 迁移学习 / 多任务学习 / 自然语言处理