假设您已经拥有原始文本，您可以执行以下操作。

创建火车数据：

您需要创建标记为技能的集合单词和二元组。可能有一些可用的列表可以帮助您。否则，请使用 wordnet 和同义词库等资源生成您的列表。您还可以从基于您拥有的数据的简短列表开始，然后使用 word2vec 或类似的词嵌入技术对其进行扩展。例如，我们从一个包含编码作为技能之一的列表开始。然后，我们在 word2vec 预训练模型中查询最接近的词/二元组。您很有可能最终会从事编程、软件编码和计算机编程。

另一种方法是使用词嵌入技术对数据集中的词和二元组进行聚类。然后，查看您的集群以查看哪些集群包含该技能集。

请注意，任何不在您列表中的单词/表达方式都不会被视为必需技能。因此，经过几次试验后，您可能需要扩展您的列表。

检测技能

1. 将原始文本标记为单词和表达式
2. 删除停用词
3. 使用嵌入（Word2Vec、FastText 等）对令牌进行编码
4. 使用上一步中的列表为您的数据添加标签（列表中的任何内容为 True，其他为 False）
5. 训练一个二元分类器（朴素贝叶斯分类器应该足够好）
6. 评估您的模型、功能集和标签。如果需要，改进并重复。

您将需要进行一些网络抓取。这个资源可能对你有用，它解释了如何使用 Beautiful Soup 进行网页抓取，这是一个非常常见的 python 包。然而，网页抓取从来都不是一件容易的事，因为网页很少以友好的方式格式化。

您的输入文本以什么格式提供？

• 如果它是HTML，则使用从文档对象模型 DOM 中选择（例如）“要求”之后的所有段落的库。在 javascript 中，您可以使用 jQuery，或者在 linux 命令行中，您可以使用 xmllint 二进制文件（在内部使用 xml2）。许多其他库可用。
• 如果是PDF，那么这样做就更困难了。

之后，您可以按照用户“Borhan Kazimipour”在另一个答案中的建议进行一些词袋建模。

或者你可以对它们进行主题建模。概率主题建模是一种更难的技术，我至少需要一周的时间来重新学习其原理，并熟悉可用的命令行工具和库。