文件名称：职业分类：机器学习方法-研究论文
文件大小：637KB
文件格式：PDF
更新时间：2024-06-30 00:53:14
UMETRICS occupational classifications
表征人们在工作中所做的工作是劳动经济学中一个长期存在的核心问题。 传统上，分类是手动完成的。 如果可以将新的计算工具和行政工资记录结合起来，在职称和职业之间自动生成交叉路口，则可以节省数百万美元的劳动力成本，可以加快数据处理速度，数据可以变得更加一致，并且可能可以无滞后地生成有关劳动力市场职业构成变化的当前信息。本文研究了使用自动化机器学习方法将职业分配给行政数据中包含的职位的可能性。 我们在定义相对狭隘的行业（公立高等教育机构）中使用关于大公司（大学）的交易性人力资源记录的一组新的极其丰富和详细的数据来确定机器学习方法对职业进行分类的潜力。