Classifica le professioni ESCO L4 piu' affini a un insieme di competenze

A partire da un vettore di identificativi ESCO L3 dichiarati dall'utente, costruisce il profilo empirico di ogni professione ESCO L4 (a partire dalle offerte di lavoro) e ne calcola la distanza dal profilo desiderato. Le professioni vengono ordinate per distanza crescente e per ogni professione viene restituita la decomposizione del contributo di ciascuna competenza alla distanza totale.

Usage

match_professions(
  skills,
  postings,
  skills_long,
  basis = c("coverage", "tfidf", "rca"),
  top_n = 20L,
  min_postings = 30L,
  skill_labels = NULL,
  weights = NULL
)

Arguments

skills: Vettore character di identificativi ESCO L3 (idescoskill_level_3). Eventuali NA e duplicati vengono rimossi.
postings: data.table con almeno le colonne general_id e idesco_level_4. Tipicamente ottenuto da read_oja_itaposts(con)$postings: itaposts::oja_postings() da sola non espone idesco_level_4.
skills_long: data.table in formato lungo con almeno le colonne general_id e idescoskill_level_3. Una riga per coppia (annuncio, competenza). Tipicamente ottenuto da read_oja_itaposts(con)$skills.
basis: Base del profilo professionale: "coverage" (default), "tfidf" oppure "rca".
top_n: Numero intero di professioni da restituire in ranking e per le quali emettere la decomposizione per_skill. Default 20L.
min_postings: Numero minimo di annunci per professione necessari per ritenere stabile il profilo. Le professioni sotto soglia vengono scartate prima del calcolo. Default 30L.
skill_labels: data.table opzionale con almeno le colonne idescoskill_level_3 e escoskill_level_3 (etichetta leggibile). Quando fornito, la tabella per_skill ottiene la colonna skill_label. Default NULL. Tipicamente ottenuto deduplicando le due colonne su read_oja_itaposts(con)$skills: itaposts::oja_skill_dim() espone l'etichetta come esco_v010200_label, non come escoskill_level_3.
weights: Vettore numerico non negativo di pesi per le competenze in skills. Se NULL (default) tutte le competenze ricevono peso uniforme. Quando fornito deve avere lunghezza pari a length(skills) dopo deduplicazione di NA e duplicati; vedi match_professions_score() per i dettagli.

Value

Una list con i seguenti elementi:

ranking: data.table con una riga per professione (al piu' top_n), ordinata per distance crescente. Colonne: idesco_level_4, distance (in [0, 1]), score = 1 - distance, hit_ratio (frazione delle competenze dichiarate che la professione richiede almeno una volta; nel caso pesato e' la massa quadratica delle competenze matchate normalizzata sulla massa totale), mean_coverage (media di coverage_{p,s} sulle competenze dichiarate; NA se basis != "coverage"), n_postings, n_skills_matched.
per_skill: data.table in formato lungo con una riga per ciascuna coppia (professione top-N, competenza con contributo non nullo). La lista delle righe include sia le competenze dichiarate sia quelle richieste dalla professione ma non dichiarate, in modo che valga l'identita' additiva sum(contribution) == distance per ogni professione. Colonne: idesco_level_4, idescoskill_level_3, skill_label (NA se skill_labels non fornito), declared (logico, TRUE se la competenza e' nella query), profile_value (valore grezzo di v_p[s] nella base scelta, pre-normalizzazione; NA se la competenza non e' nell'universo della professione), contribution (addendo della distanza), contribution_pct (contribution / distance; NA se distance == 0).
basis: La base usata, per introspezione.
query: Il vettore skills deduplicato.
params: Lista con top_n, min_postings, n_professions_considered, n_skills_in_universe, n_skills_resolved, n_skills_unresolved.

Nota sull'invariante: la somma di contribution su tutte le righe di per_skill per una data professione coincide con distance perche' sono incluse anche le competenze richieste dalla professione ma non dichiarate. Filtrando su declared == TRUE la somma sara' invece inferiore a distance, e il divario rappresenta la massa che la professione richiede al di fuori della query.

Details

Questa funzione e' un wrapper sottile su match_professions_prepare() + match_professions_score(). Per uso ad alta frequenza (per esempio dashboard interattive) e' preferibile invocare match_professions_prepare() una sola volta per data refresh e chiamare match_professions_score() ad ogni interazione utente: la costruzione della matrice profilo e' il costo dominante.

La distanza usata e' la distanza coseno (1 - cos(v_p, q)), equivalente a meta' della distanza euclidea quadrata fra vettori L2-normalizzati. Questa scelta e' l'unica metrica della famiglia che fornisce una decomposizione additiva pulita per singola competenza: $$1 - \cos(v_p, q) = \frac{1}{2} \sum_s ( \tilde v_{p,s} - \tilde q_s )^2.$$

Il profilo v_p di ogni professione e' costruito secondo la base scelta:

coverage: n_{p,s} / N_p, probabilita' che un annuncio di p richieda s. Interpretabile come quota di copertura.
tfidf: tf_{p,s} * idf_s con tf_{p,s} = n_{p,s} / sum_s n_{p,s} calcolata internamente alla professione, e idf_s = log(P / df_s) dove df_s e' il numero di professioni che richiedono s (dopo filtro min_postings) e P il numero totale di professioni superstiti. Pesa di piu' le competenze discriminanti.
rca: indice di Balassa, delegato a compute_balassa_index(). Misura la specializzazione: >1 indica sovra-rappresentazione.

Il vettore di query q e' costruito a partire da weights (default uniforme 1 su ogni competenza dichiarata); sia q che le colonne di M vengono L2-normalizzati prima del calcolo.

Examples

if (FALSE) { # \dontrun{
con <- itaposts::oja_connect()
on.exit(itaposts::oja_disconnect(con), add = TRUE)

ojv <- skillviz::read_oja_itaposts(con)

# le etichette leggibili viaggiano con le righe di skill
labs <- unique(ojv$skills[, .(idescoskill_level_3, escoskill_level_3)])

# convenience: end-to-end in una sola chiamata
res <- skillviz::match_professions(
  skills       = c("S1.4.1", "S4.8.1", "S1.13.2"),
  postings     = ojv$postings,
  skills_long  = ojv$skills,
  basis        = "coverage",
  top_n        = 10,
  skill_labels = labs
)

res$ranking
res$per_skill[idesco_level_4 == res$ranking$idesco_level_4[1L]]

# prepara una volta, scoring molte volte
prep <- skillviz::match_professions_prepare(
  ojv$postings, ojv$skills, basis = "coverage"
)
res1 <- skillviz::match_professions_score(prep, c("S1.4.1", "S4.8.1"))
res2 <- skillviz::match_professions_score(
  prep, c("S2.1.3"), weights = c(2.0)
)
} # }