通过基于指令的微调和规则提示调整来增强PLM在劳动力市场任务上的性能
摘要：数字化劳动力市场的增加为研究人员、教育者和公司提供了分析和更好理解劳动力市场的手段。然而，劳动力市场资源虽然数量庞大，但往往是无结构的，因此，对实体的识别、链接和提取方法的研究变得越来越重要。在追求更好的劳动力市场表征的背景下，资源限制和缺乏大规模标注数据导致依赖人类领域专家。我们展示了基于预训练语言模型（PLM）的提示调优在劳动力市场特定应用中的有效性。我们的结果表明，诸如PTR和无示例的指令调优等成本效益高的方法可以显著提高PLM在下游劳动力市场应用中的性能，而无需引入额外的模型层、手动标注和数据增强。
作者：Jarno Vrolijk and David Graus
论文ID：2308.16770
分类：Computation and Language
分类简称：cs.CL
提交时间：2023-09-01