本质上，可以通过统计的形式，排出某个条件下（如大厂当中），最流行的SKILLS（如python）。

本文认为，1）“这个排序条件”组合多变，单纯的统计方法难以灵活胜任；2）SKILL之间存在联系，统计方法难以评估或建模。因此，提出了构建SKILL NET+主题模型的方法。

数据集形式：两个关联集合，即公司属性集合（即，topic/文中认为的排序条件）和公司要求的SKILL集合。

构建SKILL NET：只要在同一个SKILL集合当中，即为两个SKILL画一条边。

主题模型：上述SKILL NET 中，每个SKILL都可以当作一个document，而其单挑邻居则可认为是words。需要注意的是，这里的主题topic不是隐式的，每一维对应一个topic label，即公司属性/排序条件。因此，有一个单独的binary vector刻画SKILL同topic label之间的联系。正因为如此，当学出主题模型所有参数后，可以利用这个binary vector构造不同的“排序条件”，对不同的SKILL计算排序分值。

直观上，可以直接基于统计，对不同条件下的流行SKILL进行排序；但由于数据缺失或不均衡等问题，使得某些情况难以统计，所以利用主题模型进行了一次平滑，然后再基于概率模型进行排序。另外，在对skill token进行概率（流行度）统计时，还可以考虑每个文档在该topic下的概率。直接统计的话，只能默认该概率均为1.

 文中Eq.(5) 中第二个求和符号里的第一个表达是一个指示函数？当j对应的主题与条件指标中列出的主题一致则为1，其他为0。

为什么要构造SKILL NET，而不直接用Job Posting作为documents？

--这样得到的文档关于主题的分布就等同于Center Skill对应于主题的分布。应该也可以降低文档的数量。考虑的是全局Kills之间的关系。

--Labelled LDA中被labelled的对象就发生了改变。现在是center skill以及其关联的skill token，原来是单个job posting中的skill token。

 

以下附件是Labeled LDA，其代码 https://github.com/vgeek-z/Labeled-LDA-Python/blob/master/model/labeled_lda.py

LDA 代码参考 https://github.com/vgeek-z/python-LDA-master/blob/master/lda.py

主题模型介绍： https://blog.csdn.net/xuqn0606/article/details/83720997  或者 https://nuoku.vip/users/2-Nengjun/articles/94-2017-06-22