КОНТРАСТНАЯ МУЛЬТИМОДАЛЬНАЯ ГРАФОВАЯ КЛАСТЕРИЗАЦИЯ ЛАТЕНТНЫХ СЕГМЕНТОВ РЫНКА ТРУДА
И.Е. Каманин, А.Н. Кисляков
Российская академия народного хозяйства и государственной службы при Президенте РФ, Владимирский филиал, Владимир, Российская Федерация
ilya_kamanin14@mail.ru
Ключевые слова: региональный рынок труда, кластеризация вакансий, мультимодальные данные, графовые нейросети, контрастное обучение, латентные сегменты, алгоритм Leiden, анализ данных
Страницы: 166-182
Аннотация
В условиях динамично меняющегося рынка труда и высокой волатильности вакансий стандартные рубрикаторы, формирующие интуитивно понятные категории вакансий, часто оказываются недостаточно детальными для целей глубокого экономического и статистического анализа. Особую проблему представляют собой сегменты рынка труда, которые трудно отнести к стандартным рубрикаторам, аккумулирующие при этом значительную долю вакансий и не поддающиеся простой классификации, что искажает отраслевую структуру спроса на рабочую силу. В статье предлагается и апробируется метод контрастной мультимодальной графовой кластеризации для детализации латентных сегментов региональных рынков труда. Методология основана на многоэтапном подходе с нормализацией и векторизацией текстовых данных по названиям вакансий с использованием многоязычной модели Sentence-BERT, фильтрации семантического шума путем вычисления контрастных остаточных векторов относительно центроидов известных категорий, обогащение признакового пространства мультимодальными данными (уровень зарплаты, опыт работы), построение взвешенного графа на основе k-ближайших соседей и его разбиение на микрокластеры с помощью алгоритма Leiden с последующей иерархической агрегацией микрокластеров в макросегменты заданного размера и балансировкой семантической близости и весовых ограничений. Результатом работы стало выделение внутри гетерогенной категории, часто именуемой как «другое», интерпретируемых латентных сегментов: административно-управленческий персонал, рабочие специальности, торговый персонал и узкоспециализированные технические и производственные роли. Качество сегментации подтверждается соблюдением заданных весовых ограничений (целевой размер сегмента 5000 единиц) и семантической интерпретируемостью полученных кластеров на основе c-TF-IDF. Предложенный подход позволяет повысить аналитическую ценность данных, автоматизировать актуализацию классификатора профессий и может быть использован для мониторинга структурных сдвигов в региональной экономике.
DOI: 10.34020/2073-6495-2026-3-166-182 |
