pipeline_tag: 句子相似度 tags:

• 句子转换器
• 特征提取
• 句子相似度
• 转换器 language:
• 德语 base_model:
• deepset/gbert-base

CareerBERT-G

基于ESCO分类体系微调的句子转换器模型。
基础模型：deepset/gbert-base

相关论文：https://www.sciencedirect.com/science/article/pii/S0957417425006657

使用方法（Sentence-Transformers）

安装sentence-transformers后即可便捷使用该模型：

pip install -U sentence-transformers

使用示例：

from sentence_transformers import SentenceTransformer
sentences = ["这是一个示例句子", "每个句子都会被转换"]

model = SentenceTransformer('{MODEL_NAME}')
embeddings = model.encode(sentences)
print(embeddings)

使用方法（HuggingFace Transformers）

若不使用sentence-transformers，可按以下方式操作：首先将输入传入转换器模型，然后对上下文词嵌入执行正确的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch


#均值池化 - 考虑注意力掩码以实现正确平均
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #模型输出的第一个元素包含所有词元嵌入
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)


# 待编码句子
sentences = ['这是一个示例句子', '每个句子都会被转换']

# 从HuggingFace Hub加载模型
tokenizer = AutoTokenizer.from_pretrained('{MODEL_NAME}')
model = AutoModel.from_pretrained('{MODEL_NAME}')

# 句子分词
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# 计算词元嵌入
with torch.no_grad():
    model_output = model(**encoded_input)

# 执行池化操作（本例采用均值池化）
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("句子嵌入向量：")
print(sentence_embeddings)

评估结果

该模型的自动化评估结果详见句子嵌入基准测试：https://seb.sbert.net

训练参数

数据加载器：

长度为3695的torch.utils.data.dataloader.DataLoader，参数为：

{'batch_size': 32, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

损失函数：

sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss，参数为：

{'scale': 20.0, 'similarity_fct': 'cos_sim'}

fit()方法参数：

{
    "epochs": 1,
    "evaluation_steps": 0,
    "evaluator": "sentence_transformers.evaluation.RerankingEvaluator.RerankingEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 11821.1,
    "weight_decay": 0.01
}

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)

引用与作者

@article{ROSENBERGER2025127043, title = {CareerBERT：在共享嵌入空间中将简历与ESCO职位匹配以实现通用职位推荐}, journal = {Expert Systems with Applications}, volume = {275}, pages = {127043}, year = {2025}, issn = {0957-4174}, doi = {https://doi.org/10.1016/j.eswa.2025.127043}, url = {https://www.sciencedirect.com/science/article/pii/S0957417425006657}, author = {Julian Rosenberger and Lukas Wolfrum and Sven Weinzierl and Mathias Kraus and Patrick Zschech}, keywords = {职业咨询, 就业市场, 职位推荐系统, BERT, 自然语言处理}, abstract = {在技术革新与经济变革推动下快速演变的劳动力市场，对传统职位匹配与咨询服务提出了重大挑战。为此，我们基于CareerBERT推出了一款面向职业顾问和求职者的先进支持工具，该方案通过利用简历等非结构化文本数据源，提供更精准全面的职位推荐。相较于以往主要基于固定职位广告集合的推荐方法，我们通过整合欧洲技能、能力与职业分类体系（ESCO）和欧洲就业服务（EURES）职位广告数据，构建了能动态反映劳动力市场通用职位特征的语料库。通过包含EURES职位广告的应用导向评估和使用真实简历的人力资源专家评估的两阶段验证，全面证明了CareerBERT的优越性能。实验结果表明，CareerBERT不仅超越了传统和最先进的嵌入方法，在人力资源专家评估中也展现出稳健效能。本研究为自然语言处理与职位推荐系统领域作出贡献，为职业咨询和职位匹配领域的研究者与实践者提供了宝贵洞见。} }