본 논문은 직업 분류, 즉 세분화된 직업 분류 체계를 사용하여 직업 데이터에 자동으로 주석을 다는 작업의 효율성 향상을 다룹니다. 대규모 언어 모델(LLM)의 광범위한 지식과 맥락 내 학습 능력을 활용하여 직업 분류의 정확성을 높이는 것을 목표로 합니다. LLM의 직업 분류 체계에 대한 지식 부족 문제를 해결하기 위해, 추론, 검색, 재순위 지정 단계로 구성된 다단계 프레임워크를 제안합니다. 이 프레임워크는 분류 체계 기반 추론 예시를 통합하여 LLM의 출력을 체계 지식과 일치시켜 성능을 향상시킵니다. 대규모 데이터셋을 이용한 평가 결과, 기존의 LLM 기반 방법보다 상당한 정확도 향상을 보였으며, 다중 레이블 기술 분류에도 적용 가능성을 보였습니다.
