Hej,
Det här är ett inlägg (idag 10/5-2021) på LinkedIn från Arbetsförmedlingen:
Men om man tittar på:
( Annons-Id: 24786003)
Också från dagens, framgår det först i texten att de kräver minst 5 års
arbetslivserfarenhet. Vore inte bättre om man analyserade annonstexten
också?
Tacksam!
Med vänliga hälsningar,
Kave
Tack för ett relevant inlägg Kave!
Instämmer att en något mer rättvisande beskrivning skulle kunna vara; annonser som troligtvis inte kräver utbildning. Dock tror vi att förekomsten av ett filter är uppskattat av användarna, även om de inte är 100% korrekta, vi får inte glömma att människan är ett mycket smartare filter än maskinen i slutändan.
För krav på utbildning har vi precis börjat analysera annonstexter med AI för att hitta den parametern, dock så analyserar vi många annonstexter med AI redan idag, prova gärna JobAd Enrichments | JobTech Development som extraherar kompetenser från annonser.
//Jonas
Bra spottat. Jag har börjat titta på det här redan text-analytiskt via en kontext-baserad och kausalt angreppssätt. Man kan flytta fokuset till annons, men du löser inte riktigt begreppsförvirringen då, tror jag. En annons i sig är en arbetsförfrågan, som innehåller också ett jobberbjudande till en motpart. Dock verkar det finnas en tendens att förvirra efterfrågande av arbetsföra individer i termer av vilket yrke och yrkesroll de själv-identifierar sig som, från att arbetsgivare erbjuder ett jobb, i termer av eller att det utmynner i att de kommer tilldelas en specifik jobbtitel. Det hjälper inte heller att t.ex. “occupational title” på engelska blir yrkestitel på svenska, så det finns kanske till och med kulturella aspekter här. Skillnaden mellan yrke och jobb hänger med vissa innebörd och logiska aspekter, i en viss riktning, med flera andra variabler, så det hjälper inte heller att bara kolla på kontext. Men detta är min uppfattning av detta just nu.
Jag förstår. Verkar som problemet är mer komplex än jag tänkte.
Vad sägs om följande? 
Om inte kontext analys hjälper, kan man inte slå ihop annonstexten
och krav på utb samt erfarenhet, slumpa flera gånger (så man gör sig av med
kontexten, distans och Markov osv), ta bort stoppwords och sen leta efter motsägelser. Låter knäpp men den kanske eliminerar dubbla budskap
i texten…
2 dagar senare:
Orden kontext och kausalt fick mig att tänka om man kunde bygga nån
slags graf databas mellan de olika orden utan den nämnda slumpen
där uppe men jag gissar på att även om man bygger nån slags vettig
graf databas efter ett större corpus analys så kan kan man ändå inte
förutse om nästa arbetsgivare kommer att skriva en fullt logisk text…
“Det här annonsen innehåller ingen text”
“Intresse väger mer än erfarenhet”
…
Därmed vissa beslut kan inte automatiseras… 
kontext analyser hjälper, det är jag redan on board, och kan se nu. Jag har en presentation kring hur jag ser på detta om du skulle vilja veta mer. Tror bara att de behövs mer än att kolla på korrelationer och sannolikheter i kontext-vektorer, så jag är inte emot att tänka kontextuellt, det är a och o i data-lingvistik. min uppfattning är att det behöver injiceras mer formell lingvistik, modal-logik, ekonomi, psykologi och etik i mycket av det vi gör i hur vi representerar data i annonserna. Jag tänker i dem graf-banorna också, men på ett kombinerat sätt som kobinerar slump-processer och kausala graf strukturer. Causal inference påkommet av kognitionsforskaren och matematiker Judea Pearl har jag börjat titta på för att göra just detta. Den modellen kombinerar att tänka i termer av conditional probabilities, men man konstruerar de sannolikheterna enligt en graf struktur. Jag tror det finns flera på job-tech som också tänker graf-databas. Dock vet jag inte om alla har korrekt uppfattning kring hur just den kausala strukturen bör se ut 
Ett yrke som kräver utbildning, är inte speciellt kontext-relativt, men ett jobb är det, eftersom det kan vara implicit förutsatt som du säger att jobbet i sig är en delmängd av ett yrke som inte kräver utbildning, men jobbet i sig i en specifik annons kräver spetskompetens eller jobb-erfarenhet för de specifika arbetsuppgifter själva jobbet involverar. Man kan också tänka så att med ens erfarenhet så kommer man kunna lösa en mängd arbetsuppgifter i en viss arbetssituation, vilket definierar jobbet, men ett yrke kan ju definieras som vilka problem man kan överhuvudtaget lösa, med eller utan utbildning, och är intresserad att lösa som du säger, vilket är mycket mer generellt och vagt.
Mycket matnyttig text! Jag få återkomma. Men tills vidare så tänker jag
att det vore bra att tänka på de olika sortens resonemang:
Deduktiv, Abduktiv och Induktiv.
Ett example som jag hittade på internet:
1. deductive reasoning (Clyde is an elephant, all elephants are grey, so Clyde is grey)
2. abductive reasoning (Clyde is grey, elephants are grey, so Clyde is an elephant)
3. inductive reasoning (Clyde is an elephant and Clyde is grey, Marcia’s an elephant and Marcia’s grey, so all elephants are grey)
The overwhelming majority of reasoning that people do on a daily basis is abductive reasoning, which is not guaranteed to give the correct answer even if the premises are correct.
Detta kan vara till hjälp med att avgeneralisera inför något steg längre fram.
Vad är det annonsören vill ha sagt egentligen?
Kanske för mycket abstraktion men för o knåpa av beslutsgrenar…