Este artículo se centra en la tarea de clasificación de ocupaciones, que anota automáticamente datos laborales con ocupaciones estandarizadas en taxonomía. Esta tarea se ve obstaculizada por la falta de datos y la dificultad de la anotación manual. Este estudio señala que, si bien los modelos de lenguaje a gran escala (LLM) son prometedores debido a su amplio conocimiento del mundo y sus capacidades de aprendizaje contextual, su efectividad depende del conocimiento de la taxonomía ocupacional. Por lo tanto, evaluamos la capacidad de los LLM para generar entidades taxonómicas precisas y, en particular, destacamos las limitaciones de los modelos a pequeña escala. Para abordar estas cuestiones, proponemos un marco multietapa que consta de etapas de inferencia, recuperación y reordenación que integran ejemplos de inferencia basados en taxonomía y mejoran el rendimiento mediante la alineación con el conocimiento taxonómico. Los resultados de la evaluación en conjuntos de datos a gran escala muestran que el marco propuesto no solo mejora las tareas de clasificación de ocupaciones y habilidades, sino que también proporciona una alternativa rentable a los modelos de vanguardia como GPT-4o, reduciendo significativamente los costos computacionales y manteniendo un rendimiento robusto. De esta forma, este estudio proporciona una solución práctica y escalable para la clasificación ocupacional y tareas relacionadas en varios LLM.
