Youtor
7th OJA Forum 2024 – Talk Rahkakavee Baskaran ampeffect
>> YOUR LINK HERE: ___ http://youtube.com/watch?v=s8I_RCvga8o
Leveraging Semantic Search with BERT: Classifying German Job Titles using the KLDB is the title of the presentation by Rahkakavee Baskaran, effect. This session demonstrates a semantic search approach for classifying German job titles from online job advertisements using KldB (german classification of occupations). The algorithm is based on a BERT model (Bidirectional Encoder Representations from Transformers). The classification has an accuracy of 0.86 and a macro f1 value of 0.70 on the five digits of the KldB classification. In her presentation, Rahkakavee Baskaran explains the process from data pre-processing to model development and highlights the challenges encountered and insights gained. • The video was recorded on 25 June 2024 during the OJA Forum. • --- • Leveraging Semantic Search with BERT: Classifying German Job Titles using the KLDB ist der Titel der Präsentation von Rahkakavee Baskaran, effect. In dieser Präsentation wird ein semantischer Suchansatz zur Klassifizierung von deutschen Berufsbezeichnungen aus Online-Stellenanzeigen mit Hilfe der KldB (Klassifikation der Berufe der Bundesagentur für Arbeit)) demonstriert. Der Algorithmus basiert auf einem BERT-Modell (Bidirectional Encoder Representations from Transformers). Die Klassifizierung hat eine Genauigkeit von 0,86 und einen Makro f1-Wert von 0,70 auf der fünften Ziffer der KldB-Klassifikation. In ihrem Vortrag erläutert Rahkakavee Baskaran den Prozess von der Bereinigung der Daten bis hin zur Modellentwicklung und zeigt die Herausforderungen und die gewonnenen Erkenntnisse auf. • Das Video wurde am 25.06.2024 während des OJA-Forums aufgezeichnet. • ➖ Weitere Infos ➖➖➖ • • OJA Forum - Analyse von Online-Stelle... • https://www.bertelsmann-stiftung.de/e... • ➖ Social Media ➖➖➖ • Instagram: / bertelsmannstiftung • LinkedIn: / bertelsmann-stiftung • X: / bertelsmannst • Facebook: / bertelsmannstiftung
#############################
