“可解释、可通用的下一代人工智能方法”重大研究计划系列成果六——我国学者在智能化劳动力市...

　　

图 基于互联网求职搜索的劳动力区域流动挖掘

　　在国家自然科学基金项目（批准号：92370204、62306255）等资助下，香港科技大学（广州）熊辉教授团队提出了一个基于大规模互联网求职搜索的劳动市场变化实时分析框架。相关研究成果以“大规模在线求职行为揭示COVID-19期间的劳动力市场变化（Large-scale online job search behaviors reveal labor market shifts amid COVID-19）”为题，于2024年1月16日发表于《自然·城市》(Nature Cities)。论文链接：https://www.nature.com/articles/s44284-023-00022-4。

　　劳动力迁移和行业需求的动态追踪对于政策制定和区域发展具有重要意义。以往关于劳动力市场的分析和研究主要基于人口普查和调查数据，利用统计工具进行专家分析，存在数据收集成本高、周期长的问题。如何充分挖掘互联网大数据潜力，智能化识别海量线上行为中隐含的劳动力市场模式，是实现劳动力市场动态细粒度、及时分析的关键问题。

　　针对这一难题，研究团队提出基于大规模互联网求职搜索的劳动市场动态分析框架，实现基于非结构化搜索的语义感知时空转移模式的自动化提取和分析。首先，为解决大规模搜索文本中噪声高、意图难以规范化识别的问题，设计一种位置感知的非结构化搜索文本多层多模式并行匹配算法，实现个体级工作转移元组的高效精准识别，构建基于动态图的城市级劳动力转移建模和分析方法。进一步，针对图上节点作用异构性和长尾分布问题，设计基于超链接诱导主题搜索算法进行劳动力迁移中心性评估算法，有效降低搜索数据噪声和时间偏移的影响。

　　实验表明所提方法与真实流动之间存在大约 2 个月的报告滞后，可为劳动力区域转移意向提供前瞻性结论。利用所提方法，团队分析了疫情冲击下劳动力地区集聚分布和劳动力市场供求关系变化趋势，例如发现大都市的中心作用下降以及劳动力市场的区域供需失配减少现象，说明在疫情带来的前所未有的不确定性和压力下，劳动者表现出相对理性、符合地区需求的职业选择。

　　该研究为实现智能化劳动力市场动态分析提供了一种新的思路和工具，为政府追踪劳动力迁移、实时制定宏观政策等提供了重要保障。同时，该框架可适用于不同国家多样化的劳动力市场分析，具有极强可移植性，对于劳动力市场领域学术研究具有深刻意义。