JobHop v2：从非结构化简历构建的大规模职业轨迹数据集

JobHop v2 是一个公开的大规模职业轨迹数据集，基于 VDAB 提供的约44万份化名多语言简历，通过端到端大语言模型（LLM）提取，生成355,315条职业轨迹，每条标注有 ESCO 职业代码、季度级时间信息和五级教育程度。提取管道采用推理控制的 LLM 推理和重试机制，实现了100% JSON 解析率。评估表明，最佳提取器的性能与人工标注一致性上限仅差1.1-2.7个百分点。数据集和代码已公开发布。

相比第一版，JobHop v2 扩大了覆盖范围和标注丰富度，并改进了提取管道，确保了数据质量和可复现性。这为劳动力市场分析、职位推荐和职业规划等研究提供了可靠的大规模基础数据，降低了获取高质量职业轨迹数据的门槛。

数据集构建基于 LLM 的推理控制提取流程：先从非结构化简历文本中抽取关键字段，通过重试机制保证结构化输出（如 JSON）；然后映射至标准 ESCO 职业代码，并补充时间维度和教育程度标签，最终形成具有时间序列特征的职业轨迹。

该数据集可直接用于训练职位推荐、简历匹配和劳动力流动预测模型，降低企业内部研发这些功能所需的数据标注成本和获取难度，加速产品上线速度。公共就业服务机构也可基于此搭建职业规划工具。

• 基于 JobHop v2 训练职位推荐算法，为用户推荐匹配的下一份工作或学习路径。
• 开发劳动力市场趋势分析仪表盘，展示区域间职业流动、行业涨落等指标。
• 利用公开数据集优化简历解析模型，提升从非结构化简历提取关键字段的准确率。
• 为公共就业服务打造职业轨迹规划工具，帮助求职者规划长期职业发展。

• 数据集中是否存在特定职业、地区或群体的偏差？其真实世界代表性如何？
• LLM 提取的职业轨迹在长尾职位上的准确率是否仍能保持接近人工水平？