Para penulis menyajikan STEP (Sequential Trajectory of Employment Prediction), sebuah sistem rekomendasi jalur karier baru yang memanfaatkan sinyal temporal dan pendidikan dari resume tidak terstruktur untuk memprediksi pekerjaan berikutnya dalam lintasan karier. Untuk meningkatkan representasi pekerjaan internal, sistem ini memperkenalkan ROUTE, sebuah prosedur kontrasif dua tahap yang mengadaptasi encoder multibahasa melalui denoising autoencoding tanpa pengawasan diikuti oleh fine-tuning kontrasif dengan pengawasan.
- STEP mengintegrasikan sel GRU (Gated Recurrent Unit) dengan peluruhan waktu untuk memodelkan dinamika temporal.
- Sistem ini menggunakan Modulasi Linear Berbasis Fitur (FiLM) yang dikondisikan pada pencapaian pendidikan.
- Sistem ini menggunakan pooling sekuens berbasis perhatian untuk memilih fitur relevan untuk prediksi pekerjaan berikutnya.
- Evaluasi pada empat dataset, termasuk dataset JobHop yang ditingkatkan, menunjukkan bahwa STEP mengungguli baseline state-of-the-art dalam prediksi pekerjaan berikutnya.
Dataset dan kode dirilis secara publik untuk mendukung penelitian lintasan karier yang dapat direproduksi.