Skip to contents

Calcola la classifica delle professioni a partire da un prep

Source: R/match_professions.R
match_professions_score.Rd

Scoring step: dato un oggetto preparato da match_professions_prepare() e un vettore di competenze dichiarate, calcola la distanza coseno fra il profilo di ogni professione e la query, ordina le professioni per distanza crescente e restituisce la decomposizione del contributo di ciascuna competenza alla distanza totale per le top-N professioni.

Usage

match_professions_score(
  prep,
  skills,
  weights = NULL,
  top_n = 20L,
  skill_labels = NULL
)

Arguments

prep

Oggetto di classe "match_professions_prep" prodotto da match_professions_prepare().

skills

Vettore character di identificativi ESCO L3 (idescoskill_level_3). Eventuali NA e duplicati vengono rimossi.

weights

Vettore numerico non negativo di pesi per le competenze in skills. Se NULL (default) tutte le competenze ricevono peso uniforme (comportamento storico). Se fornito deve avere lunghezza pari a length(unique(skills[!is.na(skills)])). Se ha nomi, questi sovrascrivono l'allineamento posizionale e vengono usati per accoppiare il peso alla corrispondente competenza. Tutti i pesi devono essere finiti e non negativi; non possono essere tutti zero.

top_n

Numero intero di professioni da restituire in ranking e per le quali emettere la decomposizione per_skill. Default 20L.

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.

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 (massa L2 delle competenze dichiarate che la professione richiede almeno una volta, normalizzata sulla massa totale; coincide con la frazione di competenze dichiarate nel caso non pesato), mean_coverage (media pesata di coverage_{p,s} sulle competenze dichiarate; NA se basis != "coverage"), n_postings, n_skills_matched.

per_skill

data.table in formato lungo (vedi match_professions() per la descrizione completa delle colonne).

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.

Details

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: $$1 - \cos(v_p, q) = \frac{1}{2} \sum_s ( \tilde v_{p,s} - \tilde q_s )^2.$$

See also

match_professions_prepare() per la fase di prep, match_professions() per il wrapper end-to-end.

Examples

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

ojv <- skillviz::read_oja_itaposts(con)

prep <- skillviz::match_professions_prepare(
  ojv$postings,
  ojv$skills,
  basis = "coverage"
)

# query non pesata (uniforme)
res_uniform <- skillviz::match_professions_score(
  prep,
  c("S1.4.1", "S4.8.1", "S1.13.2")
)

# query pesata: la prima skill conta il doppio
res_weighted <- skillviz::match_professions_score(
  prep,
  c("S1.4.1", "S4.8.1", "S1.13.2"),
  weights = c(2, 1, 1)
)
} # }