JP2010231685A - Device and method for supporting employment, and computer program - Google Patents

Device and method for supporting employment, and computer program Download PDF

Info

Publication number
JP2010231685A
JP2010231685A JP2009080894A JP2009080894A JP2010231685A JP 2010231685 A JP2010231685 A JP 2010231685A JP 2009080894 A JP2009080894 A JP 2009080894A JP 2009080894 A JP2009080894 A JP 2009080894A JP 2010231685 A JP2010231685 A JP 2010231685A
Authority
JP
Japan
Prior art keywords
information
mail
company
feature amount
job seeker
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2009080894A
Other languages
Japanese (ja)
Inventor
Shizuo Asogawa
静男 麻生川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lightwell Co Ltd
Original Assignee
Lightwell Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lightwell Co Ltd filed Critical Lightwell Co Ltd
Priority to JP2009080894A priority Critical patent/JP2010231685A/en
Publication of JP2010231685A publication Critical patent/JP2010231685A/en
Pending legal-status Critical Current

Links

Images

Abstract

<P>PROBLEM TO BE SOLVED: To provide a device for supporting employment, a method for supporting employment, and a computer program, which allow a job seeker to obtain information about companies appropriate to the job seeker without being conscious of operations, and allow a company to collect information about the job seeker useful for decision regarding acceptance or rejection. <P>SOLUTION: First action characteristic information of action characteristic of the job seeker necessary for the company is stored for every company information. Totalling information is generated by summing up feature amounts every predetermined term on the basis of first mail history information of a person belonging to the company. A mathematical model with the totalling information as input and the first action characteristic information as output is generated. Second action characteristic information is calculated by the mathematical model generated with the totalling information generated by summing up the feature amounts every predetermined term as input on the basis of second mail history information of the job seeker. Company information, in which the degree of similarity between the first action characteristic information and the second action characteristic information is larger than a predetermined value, is extracted. <P>COPYRIGHT: (C)2011,JPO&INPIT

Description

本発明は、求職者が意識して作業することなく適合した企業に関する情報を取得することができ、企業にとっては採否判断をするために有用な求職者に関する情報を収集することができる就職支援装置、就職支援方法、及びコンピュータプログラムに関する。   The present invention provides a job hunting support apparatus capable of acquiring information related to a suitable company without the job seeker being consciously working, and capable of collecting information related to the job seeker useful for making a decision on acceptance or rejection for the company. , Employment support method, and computer program.

昨今の就職市場において、企業が求める人材と求職者との不適合が大きな問題となっている。すなわち、採用試験における筆記試験及び面接試験だけでは求職者の本当の適性を判断することは困難であり、企業側及び求職者側の双方から不適合を回避する要求は年々高まっている。   In the recent job market, incompatibility between human resources required by companies and job seekers has become a major problem. That is, it is difficult to judge the true aptitude of a job seeker only by a written test and an interview test in the recruitment test, and the demand for avoiding nonconformity from both the company side and the job seeker side is increasing year by year.

少しでも企業が求める人材と求職者との不適合を回避するべく、ＩＴを活用した様々な就職支援システムが開発されている。例えば特許文献１では、採用候補者の面接結果、適性検査等の結果を事前に定義された重み付けに従って数値化する評価モデルを構築しておき、評価モデルに基づいて評価ポイントを算出し、算出した評価ポイントに基づいて採用候補者を選別する採用支援システムが開示されている。評価ポイントに基づいて客観的な評価をすることができるとともに、採用実情に応じて評価モデルを更新することもできる。   Various employment support systems using IT have been developed to avoid any incompatibility between human resources and job seekers required by companies. For example, in Patent Document 1, an evaluation model for quantifying results of interviews of candidates, aptitude tests, and the like according to weights defined in advance is constructed, and evaluation points are calculated based on the evaluation model. An employment support system for selecting employment candidates based on evaluation points is disclosed. An objective evaluation can be performed based on the evaluation points, and the evaluation model can be updated according to the actual situation of employment.

また特許文献２では、求職者が入力する求職者情報と、企業が入力する求人情報との合致度を算出し、合致度の高い求人情報を求職者が使用する端末へ送信する就職・転職サポートシステムが開示されている。求職者情報に含まれる求職条件項目及び求人情報に含まれる求人条件項目が多くなるほど、より適切に合致度を算出することができ、求職者の希望に沿った求人情報を取得することができる。   Also, in Patent Document 2, job matching / job change support that calculates the degree of match between job seeker information entered by a job seeker and job offer information entered by a company, and sends job information with a high degree of match to a terminal used by the job seeker. A system is disclosed. As the job search condition item included in the job seeker information and the job search condition item included in the job search information increase, the degree of matching can be calculated more appropriately, and the job search information according to the job seeker's desire can be acquired.

特開２００１−３３８１０６号公報JP 2001-338106 A 特開２００９−００３４８８号公報JP 2009-003488 A

しかし、いずれのシステムにおいても、求職者（採用候補者）に関する情報は、求職者が実際に適性検査を受験する、求職者情報を入力する等、求職者が企業の意図に沿った設問に直接回答する必要が有り、求職者の採否を正確に判断するために設問数が増加した場合には、求職者にとって回答する負荷が大きいという問題点があった。   However, in any system, information regarding job seekers (candidates for hiring) can be obtained directly from the job seeker in accordance with the company's intentions, such as the job applicant actually taking the aptitude test or entering job seeker information. There is a problem that there is a need to answer, and when the number of questions increases in order to accurately determine whether or not the job seeker is accepted, the burden on the job seeker to answer is large.

また、人的資質の多くは客観的指標を設けることが困難であるため、適性検査、採用試験等により評価した場合であっても客観的な評価となっている保証はない。しかし、求職者を採用する企業が最も欲している求職者に関する情報は、求職者の協調性、コミュニケーション能力等の人的資質に関する情報であり、従来のシステムでは客観的に数値化することができなかった。   In addition, since it is difficult to set an objective index for many human qualities, there is no guarantee that an objective evaluation will be made even when evaluated by aptitude tests, employment tests, and the like. However, the information on job seekers most desired by companies that employ job seekers is information on human qualities such as job seeker's cooperation and communication ability, which can be objectively quantified by conventional systems. There wasn't.

本発明は斯かる事情に鑑みてなされたものであり、求職者が意識して作業することなく適合した企業に関する情報を取得することができ、企業にとっては採否判断をするために有用な求職者に関する情報を収集することができる就職支援装置、就職支援方法、及びコンピュータプログラムを提供することを目的とする。   The present invention has been made in view of such circumstances, and a job seeker who can obtain information on a suitable company without being consciously working by the job seeker, and is useful for making a decision on acceptance or rejection for the company. An object of the present invention is to provide an employment support apparatus, an employment support method, and a computer program that can collect information related to a job.

上記目的を達成するために第１発明に係る就職支援装置は、企業にとって必要とされる求職者の行動特性に関する第一の行動特性情報を、企業を識別する企業情報ごとに記憶する必要行動特性情報記憶部と、企業に所属する者の電子メールの送受信履歴に関する第一のメール履歴情報を取得する基本履歴情報取得手段と、取得した第一のメール履歴情報に基づいて電子メールごとの第一の特徴量を算出する第一の特徴量算出手段と、算出した第一の特徴量を所定の期間ごとに集計した第一の集計情報を生成する第一の集計情報生成手段と、前記第一の集計情報を入力とし、前記第一の行動特性情報を出力とする数理モデルを生成する数理モデル生成手段と、求職者の電子メールの送受信履歴に関する第二のメール履歴情報を取得するメール履歴情報取得手段と、取得した第二のメール履歴情報に基づいて電子メールごとの第二の特徴量を算出する第二の特徴量算出手段と、算出した第二の特徴量を所定の期間ごとに集計した第二の集計情報を生成する第二の集計情報生成手段と、生成した第二の集計情報及び生成した数理モデルに基づいて、求職者の行動特性に関する第二の行動特性情報を算出する行動特性情報算出手段と、記憶してある第一の行動特性情報と、算出した第二の行動特性情報との類似度を企業情報ごとに算出する類似度算出手段と、算出した類似度が所定値より大きい企業情報が存在するか否かを判断する判断手段と、該判断手段で、類似度が所定値より大きい企業情報が存在すると判断した場合、類似度が所定値より大きい企業情報を抽出する企業情報抽出手段とを備えることを特徴とする。   In order to achieve the above object, the employment support apparatus according to the first aspect of the present invention is a required behavior characteristic for storing first behavior characteristic information related to a job seeker's behavior characteristic required for a company for each company information for identifying the company. An information storage unit, basic history information acquisition means for acquiring first mail history information related to an email transmission / reception history of a person belonging to a company, and a first for each email based on the acquired first mail history information First feature amount calculating means for calculating the first feature amount, first aggregate information generating means for generating first aggregate information in which the calculated first feature amount is aggregated for each predetermined period, and the first A mathematical model generating means for generating a mathematical model with the first behavior characteristic information as an output, and a second mail history information regarding a job applicant's email transmission / reception history. An information acquisition means; a second feature quantity calculation means for calculating a second feature quantity for each email based on the acquired second mail history information; and the calculated second feature quantity for each predetermined period. Based on the second total information generation unit that generates the total second total information, the generated second total information, and the generated mathematical model, the second behavior characteristic information regarding the job seeker's behavior characteristics is calculated. Behavior characteristic information calculating means, similarity calculating means for calculating the similarity between the stored first behavior characteristic information and the calculated second behavior characteristic information for each company information, and the calculated similarity is predetermined. A means for judging whether or not there is company information greater than the value, and if the judgment means judges that there is company information with a similarity greater than a predetermined value, the company information with a similarity greater than the predetermined value is extracted. Company information extraction means Characterized in that it comprises a.

また、第２発明に係る就職支援装置は、第１発明において、求職者が使用する外部コンピュータから、前記第二のメール履歴情報を収集するメール情報収集モジュール送信の指示を受信する指示受信手段と、前記指示の送信元である外部コンピュータへ、前記メール情報収集モジュールをダウンロードするダウンロード手段とを備えることを特徴とする。   According to a second aspect of the present invention, there is provided a job support apparatus according to the first aspect, wherein an instruction receiving means for receiving a mail information collection module transmission instruction for collecting the second mail history information from an external computer used by the job seeker; And downloading means for downloading the mail information collection module to an external computer which is a transmission source of the instruction.

また、第３発明に係る就職支援装置は、第１又は第２発明において、電子メールの本体部分であるメール本体情報を取得するメール本体情報取得手段と、取得したメール本体情報を自然言語解析してメール内容の特徴量を算出するメール内容特徴量算出手段とを備え、前記第一の集計情報生成手段又は前記第二の集計情報生成手段は、前記第一の特徴量算出手段又は前記第二の特徴量算出手段でそれぞれ算出した第一の特徴量又は第二の特徴量、及び前記メール内容特徴量算出手段で算出したメール内容の特徴量を所定の期間ごとに集計した第一の集計情報又は第二の集計情報をそれぞれ生成するようにしてあり、前記行動特性情報算出手段は、取得した前記第二のメール履歴情報、前記メール本体情報、及び生成した数理モデルに基づいて前記第二の行動特性情報を算出するようにしてあることを特徴とする。   According to a third aspect of the present invention, there is provided a job hunting support apparatus according to the first or second aspect, wherein a mail body information acquisition means for acquiring mail body information, which is a body part of an e-mail, and a natural language analysis of the acquired mail body information. E-mail content feature quantity calculating means for calculating the feature quantity of the e-mail content, wherein the first total information generating means or the second total information generating means is the first feature quantity calculating means or the second feature information calculating means. First feature information or second feature amount calculated by the feature amount calculation means, and first summary information obtained by summarizing the email content feature amount calculated by the email content feature amount calculation unit for each predetermined period Or the second aggregate information is generated respectively, and the behavior characteristic information calculation means is based on the acquired second mail history information, the mail body information, and the generated mathematical model. Characterized in that are to calculate the serial second behavioral characteristic information.

また、第４発明に係る就職支援装置は、第１乃至第３発明のいずれか１つにおいて、前記第一の特徴量算出手段又は前記第二の特徴量算出手段は、過去一定期間内の送受信メール数、返信までに要したレスポンス時間の分布、過去一定期間内の滞留メール数と返信メール数との比率、送受信アドレスごとの出現率のうち、少なくとも１つを含む第一の特徴量又は第二の特徴量をそれぞれ算出するようにしてあることを特徴とする。   According to a fourth aspect of the present invention, in the employment support apparatus according to any one of the first to third aspects, the first feature amount calculating unit or the second feature amount calculating unit transmits and receives data within a past fixed period. The first feature amount or the first feature amount including at least one of the number of mails, the distribution of response time required for replying, the ratio of the number of staying mails and the number of reply mails within a certain past period, and the appearance rate for each transmission / reception address The second feature amount is calculated respectively.

また、第５発明に係る就職支援装置は、第１乃至第４発明のいずれか１つにおいて、前記数理モデル生成手段は、前記第一の集計情報を入力とし、前記第一の行動特性情報を出力とする数理モデルを、ニューラルネットワークの学習により生成するようにしてあることを特徴とする。   In the employment support apparatus according to a fifth aspect of the present invention, in any one of the first to fourth aspects of the invention, the mathematical model generation means receives the first aggregated information and inputs the first behavior characteristic information. A mathematical model to be output is generated by learning of a neural network.

また、第６発明に係る就職支援装置は、第２乃至第５発明のいずれか１つにおいて、前記企業情報抽出手段で抽出した企業情報を前記求職者が使用する外部コンピュータへ送信する企業情報送信手段を備えることを特徴とする。   According to a sixth aspect of the present invention, in the employment support apparatus according to any one of the second to fifth aspects of the present invention, the company information transmission for transmitting the company information extracted by the company information extracting means to an external computer used by the job seeker. Means are provided.

また、第７発明に係る就職支援装置は、第２乃至第６発明のいずれか１つにおいて、前記企業情報抽出手段で抽出した企業情報に対応する企業に対して、前記求職者を識別する情報を送信する求職者識別情報送信手段を備えることを特徴とする。   According to a seventh aspect of the present invention, there is provided the job hunting support apparatus according to any one of the second to sixth aspects, wherein the job seeker is identified with respect to a company corresponding to the company information extracted by the company information extracting means. It is characterized by comprising job seeker identification information transmitting means for transmitting.

次に、上記目的を達成するために第８発明に係る就職支援方法は、企業にとって必要とされる求職者の行動特性に関する第一の行動特性情報を、企業を識別する企業情報ごとに記憶する工程と、企業に所属する者の電子メールの送受信履歴に関する第一のメール履歴情報を取得する工程と、取得した第一のメール履歴情報に基づいて電子メールごとの第一の特徴量を算出する工程と、算出した第一の特徴量を所定の期間ごとに集計した第一の集計情報を生成する工程と、前記第一の集計情報を入力とし、前記第一の行動特性情報を出力とする数理モデルを生成する工程と、求職者の電子メールの送受信履歴に関する第二のメール履歴情報を取得する工程と、取得した第二のメール履歴情報に基づいて電子メールごとの第二の特徴量を算出する工程と、算出した第二の特徴量を所定の期間ごとに集計した第二の集計情報を生成する工程と、生成した第二の集計情報及び生成した数理モデルに基づいて、求職者の行動特性に関する第二の行動特性情報を算出する工程と、記憶してある第一の行動特性情報と、算出した第二の行動特性情報との類似度を企業情報ごとに算出する工程と、算出した類似度が所定値より大きい企業情報が存在するか否かを判断する工程と、類似度が所定値より大きい企業情報が存在すると判断した場合、類似度が所定値より大きい企業情報を抽出する工程とを含むことを特徴とする。   Next, in order to achieve the above object, the employment support method according to the eighth invention stores first behavior characteristic information relating to a job seeker's behavior characteristic required for a company for each company information identifying the company. A process, a process of acquiring first mail history information related to an email transmission / reception history of a person belonging to a company, and a first feature amount for each email is calculated based on the acquired first mail history information A step, a step of generating first total information in which the calculated first feature amount is totaled for each predetermined period, the first total information as input, and the first behavior characteristic information as output A step of generating a mathematical model, a step of acquiring second mail history information related to a job applicant's email transmission / reception history, and a second feature amount for each email based on the acquired second mail history information calculate The job characteristics of the job seeker are generated based on the step of generating the second total information obtained by counting the calculated second feature amount every predetermined period, and the generated second total information and the generated mathematical model. Calculating the second behavior characteristic information regarding the first behavior characteristic information stored, and calculating the similarity between the calculated second behavior characteristic information for each company information, and the calculated similarity Determining whether there is company information having a degree greater than a predetermined value, and extracting company information having a degree of similarity greater than a predetermined value when it is determined that there is company information having a degree of similarity greater than a predetermined value; It is characterized by including.

また、第９発明に係る就職支援方法は、第８発明において、求職者が使用する外部コンピュータから、前記第二のメール履歴情報を収集するメール情報収集モジュール送信の指示を受信する工程と、前記指示の送信元である外部コンピュータへ、前記メール情報収集モジュールをダウンロードする工程とを含むことを特徴とする。   According to a ninth aspect of the present invention, there is provided a job support method according to the eighth aspect, comprising: receiving an instruction to send a mail information collection module for collecting the second mail history information from an external computer used by the job seeker; And downloading the mail information collection module to an external computer that is the source of the instruction.

また、第１０発明に係る就職支援方法は、第８又は第９発明において、電子メールの本体部分であるメール本体情報を取得する工程と、取得したメール本体情報を自然言語解析してメール内容の第一の特徴量又は第二の特徴量を算出する工程とを含み、それぞれ算出した第一の特徴量又は第二の特徴量、及び算出したメール内容の特徴量を所定の期間ごとに集計した第一の集計情報又は第二の集計情報をそれぞれ生成し、取得した前記第二のメール履歴情報、前記メール本体情報、及び生成した数理モデルに基づいて前記第二の行動特性情報を算出することを特徴とする。   Further, the employment support method according to the tenth aspect of the present invention is the eighth or ninth aspect, wherein the step of acquiring the mail body information, which is the body part of the email, and the natural language analysis of the acquired mail body information, Calculating the first feature value or the second feature value, and calculating the calculated first feature value or the second feature value and the calculated feature value of the mail content every predetermined period. First aggregate information or second aggregate information is generated, and the second behavior characteristic information is calculated based on the acquired second mail history information, the mail body information, and the generated mathematical model. It is characterized by.

また、第１１発明に係る就職支援方法は、第８乃至第１０発明のいずれか１つにおいて、過去一定期間内の送受信メール数、返信までに要したレスポンス時間の分布、過去一定期間内の滞留メール数と返信メール数との比率、送受信アドレスごとの出現率のうち、少なくとも１つを含む第一の特徴量又は第二の特徴量をそれぞれ算出することを特徴とする。   In addition, in any one of the eighth to tenth inventions, the employment support method according to the eleventh invention is the number of sent / received mails within a past fixed period, the distribution of response time required for replying, and the stay within the past fixed period. A first feature value or a second feature value including at least one of the ratio between the number of mails and the number of reply mails and the appearance rate for each transmission / reception address is calculated.

また、第１２発明に係る就職支援方法は、第８乃至第１１発明のいずれか１つにおいて、前記第一の集計情報を入力とし、前記第一の行動特性情報を出力とする数理モデルを、ニューラルネットワークの学習により生成することを特徴とする。   Further, the employment support method according to the twelfth aspect of the present invention is the job-hunting support method according to any one of the eighth to eleventh aspects, wherein the mathematical model having the first aggregated information as input and the first behavior characteristic information as output is provided. It is generated by learning a neural network.

また、第１３発明に係る就職支援方法は、第９乃至第１２発明のいずれか１つにおいて、抽出した企業情報を前記求職者が使用する外部コンピュータへ送信する工程を含むことを特徴とする。   According to a thirteenth aspect of the present invention, there is provided a job hunting support method according to any one of the ninth to twelfth aspects, further comprising the step of transmitting the extracted company information to an external computer used by the job seeker.

また、第１４発明に係る就職支援方法は、第９乃至第１３発明のいずれか１つにおいて、抽出した企業情報に対応する企業に対して、前記求職者を識別する情報を送信する工程を含むことを特徴とする。   The employment support method according to the fourteenth invention includes the step of transmitting information identifying the job seeker to a company corresponding to the extracted company information in any one of the ninth to thirteenth inventions. It is characterized by that.

次に、上記目的を達成するために第１５発明に係るコンピュータプログラムは、企業にとって必要とされる求職者の行動特性に関する第一の行動特性情報を、企業を識別する企業情報ごとに記憶しておき、求職者に企業情報を提供する就職支援装置で実行することが可能なコンピュータプログラムにおいて、前記就職支援装置を、企業に所属する者の電子メールの送受信履歴に関する第一のメール履歴情報を取得する基本履歴情報取得手段、取得した第一のメール履歴情報に基づいて電子メールごとの第一の特徴量を算出する第一の特徴量算出手段、算出した第一の特徴量を所定の期間ごとに集計した第一の集計情報を生成する第一の集計情報生成手段、前記第一の集計情報を入力とし、前記第一の行動特性情報を出力とする数理モデルを生成する数理モデル生成手段、求職者の電子メールの送受信履歴に関する第二のメール履歴情報を取得するメール履歴情報取得手段、取得した第二のメール履歴情報に基づいて電子メールごとの第二の特徴量を算出する第二の特徴量算出手段、算出した第二の特徴量を所定の期間ごとに集計した第二の集計情報を生成する第二の集計情報生成手段、生成した第二の集計情報及び生成した数理モデルに基づいて、求職者の行動特性に関する第二の行動特性情報を算出する行動特性情報算出手段、記憶してある第一の行動特性情報と、算出した第二の行動特性情報との類似度を企業情報ごとに算出する類似度算出手段、算出した類似度が所定値より大きい企業情報が存在するか否かを判断する判断手段、及び該判断手段で、類似度が所定値より大きい企業情報が存在すると判断した場合、類似度が所定値より大きい企業情報を抽出する企業情報抽出手段として機能させることを特徴とする。   Next, in order to achieve the above object, the computer program according to the fifteenth aspect of the present invention stores first behavior characteristic information related to a job seeker's behavior characteristics required for a company for each company information identifying the company. In a computer program that can be executed by a job hunting support apparatus that provides company information to job seekers, the job hunting support apparatus obtains first mail history information related to the e-mail transmission / reception history of persons belonging to the company. Basic history information acquisition means, first feature quantity calculation means for calculating a first feature quantity for each e-mail based on the acquired first mail history information, and calculated first feature quantity for each predetermined period A first aggregate information generating means for generating the first aggregate information that is aggregated into the first, and generating a mathematical model that receives the first aggregate information and outputs the first behavior characteristic information. Mathematical model generating means for performing, mail history information acquiring means for acquiring second mail history information related to a job applicant's e-mail transmission / reception history, second feature amount for each e-mail based on the acquired second mail history information A second feature amount calculating means for calculating the second feature information, a second summary information generating means for generating second summary information by summing up the calculated second feature amounts for each predetermined period, Based on the generated mathematical model, behavior characteristic information calculating means for calculating second behavior characteristic information related to the job seeker's behavior characteristics, stored first behavior characteristic information, and calculated second behavior characteristic information The similarity calculation means for calculating the similarity for each company information, the determination means for determining whether there is company information whose calculated similarity is greater than a predetermined value, and the determination means, the similarity is more than a predetermined value big If it is determined that the business information is present, characterized in that to function as an enterprise information extracting means for similarity to extract larger corporate information than a predetermined value.

また、第１６発明に係るコンピュータプログラムは、第１５発明において、前記就職支援装置を、求職者が使用する外部コンピュータから、前記第二のメール履歴情報を収集するメール情報収集モジュール送信の指示を受信する指示受信手段、及び前記指示の送信元である外部コンピュータへ、前記メール情報収集モジュールをダウンロードするダウンロード手段として機能させることを特徴とする。   According to a sixteenth aspect of the present invention, in the fifteenth aspect, the computer program according to the fifteenth aspect receives an instruction to send the mail information collection module for collecting the second mail history information from an external computer used by the job seeker. And an instruction receiving unit that downloads the mail information collection module to an external computer that is a transmission source of the instruction.

また、第１７発明に係るコンピュータプログラムは、第１５又は第１６発明において、前記就職支援装置を、電子メールの本体部分であるメール本体情報を取得するメール本体情報取得手段、及び取得したメール本体情報を自然言語解析してメール内容の特徴量を算出するメール内容特徴量算出手段として機能させ、前記第一の集計情報生成手段又は前記第二の集計情報生成手段を、前記第一の特徴量算出手段又は前記第二の特徴量算出手段でそれぞれ算出した第一の特徴量又は第二の特徴量、及び前記メール内容特徴量算出手段で算出したメール内容の特徴量を所定の期間ごとに集計した第一の集計情報又は第二の集計情報をそれぞれ生成する手段として機能させ、前記行動特性情報算出手段を、取得した前記第二のメール履歴情報、前記メール本体情報、及び生成した数理モデルに基づいて前記第二の行動特性情報を算出する手段として機能させることを特徴とする。   A computer program according to a seventeenth aspect of the invention is the computer program according to the fifteenth or sixteenth aspect, wherein the job hunting support apparatus uses the mail main body information acquisition means for acquiring the mail main body information that is the main body of the e-mail, and the acquired mail main body information. The first summary information generation means or the second summary information generation means to calculate the first feature quantity. The first feature amount or the second feature amount calculated by the first feature amount or the second feature amount calculation unit, and the mail content feature amount calculated by the mail content feature amount calculation unit are totaled for each predetermined period. The first total information or the second total information is made to function as a means for generating the behavior characteristic information calculation means, the acquired second mail history information, Lumpur body information, and is characterized in that to function as means for calculating the second action characteristic information based on the generated mathematical model.

また、第１８発明に係るコンピュータプログラムは、第１５又は第１７発明のいずれか１つにおいて、前記第一の特徴量算出手段又は前記第二の特徴量算出手段を、過去一定期間内の送受信メール数、返信までに要したレスポンス時間の分布、過去一定期間内の滞留メール数と返信メール数との比率、送受信アドレスごとの出現率のうち、少なくとも１つを含む第一の特徴量又は第二の特徴量をそれぞれ算出する手段として機能させることを特徴とする。   A computer program according to an eighteenth aspect of the present invention is the computer program according to any one of the fifteenth and seventeenth aspects, wherein the first feature amount calculating means or the second feature amount calculating means The first feature amount or the second including at least one of the number, the distribution of the response time required for replying, the ratio of the number of staying mails and the number of replying mails within a certain past period, and the appearance rate for each transmission / reception address It is made to function as a means to calculate each feature-value of each.

また、第１９発明に係るコンピュータプログラムは、第１５乃至第１８発明のいずれか１つにおいて、前記数理モデル生成手段を、前記第一の集計情報を入力とし、前記第一の行動特性情報を出力とする数理モデルを、ニューラルネットワークの学習により生成する手段として機能させることを特徴とする。   The computer program according to a nineteenth aspect of the present invention is the computer program according to any one of the fifteenth to eighteenth aspects, wherein the mathematical model generation means receives the first aggregate information and outputs the first behavior characteristic information. The mathematical model is made to function as a means for generating by learning of a neural network.

また、第２０発明に係るコンピュータプログラムは、第１６乃至第１９発明のいずれか１つにおいて、前記就職支援装置を、前記企業情報抽出手段で抽出した企業情報を前記求職者が使用する外部コンピュータへ送信する企業情報送信手段として機能させることを特徴とする。   A computer program according to a twentieth invention is the computer program according to any one of the sixteenth to nineteenth inventions, wherein the job hunting support apparatus is sent to an external computer used by the job seeker using the company information extracted by the company information extracting means. It is made to function as a company information transmission means to transmit.

また、第２１発明に係るコンピュータプログラムは、第１６乃至第２０発明のいずれか１つにおいて、前記就職支援装置を、前記企業情報抽出手段で抽出した企業情報に対応する企業に対して、前記求職者を識別する情報を送信する求職者識別情報送信手段として機能させることを特徴とする。   The computer program according to a twenty-first aspect of the present invention is the computer program product according to any one of the sixteenth to twentieth aspects, wherein the job hunting support apparatus is used for the company corresponding to the company information extracted by the company information extracting means. It functions as job seeker identification information transmission means for transmitting information for identifying a person.

第１発明、第８発明、及び第１５発明では、企業にとって必要とされる求職者の行動特性に関する第一の行動特性情報を、企業を識別する企業情報ごとに記憶しておく。企業に所属する者の電子メールの送受信履歴に関する第一のメール履歴情報を取得し、取得した第一のメール履歴情報に基づいて電子メールごとの第一の特徴量を算出する。算出した第一の特徴量を所定の期間ごとに集計した第一の集計情報を生成し、第一の集計情報を入力とし、第一の行動特性情報を出力とする数理モデルを生成する。求職者の電子メールの送受信履歴に関する第二のメール履歴情報を取得し、取得した第二のメール履歴情報に基づいて電子メールごとの第二の特徴量を算出し、算出した第二の特徴量を所定の期間ごとに集計した第二の集計情報を生成して、生成した第二の集計情報及び生成した数理モデルに基づいて、求職者の行動特性に関する第二の行動特性情報を算出する。記憶してある第一の行動特性情報と、算出した第二の行動特性情報との類似度を企業情報ごとに算出し、算出した類似度が所定値より大きい企業情報が存在するか否かを判断する。類似度が所定値より大きい企業情報が存在すると判断した場合、類似度が所定値より大きい企業情報を抽出する。求職者の電子メールの第二のメール履歴情報に基づいて算出された第二の特徴量、生成された第二の集計情報、及び事前に生成してある数理モデルを基礎として、求職者の人的資質である第二の行動特性情報を算出することにより、客観化することが困難である人的資質を客観化することができ、第二の行動特性情報と、記憶されている第一の行動特性情報との類似度が所定値より大きい企業にとっては、企業に所属する者の行動特性と類似する行動特性を有する求職者を効率良く選択することができ、求職者にとっては、自己の行動特性と類似する行動特性を有する者が所属している可能性が高い企業を抽出することが可能となる。また、企業に所属する者、求職者ともに特段の適性検査、採用試験等を行うことなく、日常のメールの送受信履歴に基づいて行動特性情報を算出することができるので、負担が少なく、作為的に行動特性情報を生成することが困難であることから、信頼性の高い行動特性情報を算出することが可能となる。   In the first invention, the eighth invention, and the fifteenth invention, the first behavior characteristic information related to the job seeker's behavior characteristics required for the company is stored for each company information for identifying the company. First mail history information related to an email transmission / reception history of a person belonging to a company is acquired, and a first feature amount for each email is calculated based on the acquired first mail history information. First aggregate information obtained by aggregating the calculated first feature amount every predetermined period is generated, and a mathematical model is generated with the first aggregate information as an input and the first behavior characteristic information as an output. Obtain second email history information related to the job seeker's email transmission / reception history, calculate a second feature amount for each email based on the obtained second email history information, and calculate the calculated second feature amount The second totaling information is calculated for each predetermined period, and the second behavior characteristic information regarding the job seeker's behavioral characteristics is calculated based on the generated second totaling information and the generated mathematical model. The degree of similarity between the stored first behavior characteristic information and the calculated second behavior characteristic information is calculated for each company information, and whether there is company information for which the calculated similarity is greater than a predetermined value. to decide. When it is determined that there is company information with a similarity greater than a predetermined value, company information with a similarity greater than a predetermined value is extracted. Based on the second feature value calculated based on the second email history information of the job seeker's email, the generated second tabulated information, and the mathematical model generated in advance, the job seeker By calculating the second behavioral characteristic information that is an objective qualification, it is possible to objectiveize the human qualities that are difficult to be objectiveized, and the second behavioral characteristic information and the stored first first For companies whose similarity with the behavioral characteristic information is greater than a predetermined value, it is possible to efficiently select job seekers having behavioral characteristics similar to those of those who belong to the company. It becomes possible to extract a company having a high possibility that a person having behavioral characteristics similar to the characteristics belongs. In addition, since it is possible to calculate behavioral characteristic information based on daily mail transmission / reception history without special aptitude tests and employment tests for both employees and job seekers belonging to the company, there is little burden and it is artificial. Since it is difficult to generate behavior characteristic information, it is possible to calculate highly reliable behavior characteristic information.

第２発明、第９発明、及び第１６発明では、求職者が使用する外部コンピュータから、第二のメール履歴情報を収集するメール情報収集モジュール送信の指示を受信し、指示の送信元である外部コンピュータへ、メール情報収集モジュールをダウンロードする。これにより、求職者が使用する外部コンピュータへダウンロードされたメール情報収集モジュールによりメール履歴情報が収集されるので、メール履歴情報の収集が必要な外部コンピュータのみからメール履歴情報を収集することが可能となる。   In the second invention, the ninth invention, and the sixteenth invention, an instruction for sending a mail information collection module for collecting second mail history information is received from an external computer used by the job seeker, and the external that is the sender of the instructions Download the email information collection module to your computer. As a result, mail history information is collected by the mail information collection module downloaded to the external computer used by the job seeker, so it is possible to collect mail history information only from external computers that need to collect mail history information. Become.

第３発明、第１０発明、及び第１７発明では、電子メールの本体部分であるメール本体情報を取得し、取得したメール本体情報を自然言語解析してメール内容の第一の特徴量又は第二の特徴量を算出する。それぞれ算出した第一の特徴量又は第二の特徴量、及び算出したメール内容の特徴量を所定の期間ごとに集計した第一の集計情報又は第二の集計情報をそれぞれ生成し、取得した第二のメール履歴情報、メール本体情報、及び生成した数理モデルに基づいて第二の行動特性情報を算出する。メール履歴情報の特徴量だけでなく、メール内容の特徴量も考慮した数理モデルに基づいて求職者の第二の行動特性情報を算出することにより、求職者が良く用いる言葉の傾向、文章の傾向等を加味した第二の行動特性情報を算出することができ、企業が求職者に対して求める人的資質を有しているか否かをより具体的に判断することが可能となる。   In the third invention, the tenth invention, and the seventeenth invention, the mail main body information that is the main body part of the electronic mail is acquired, the acquired mail main body information is subjected to natural language analysis, and the first feature amount or the second mail content is analyzed. The feature amount is calculated. The first feature information or the second feature information calculated respectively, and the first summary information or the second summary information obtained by summing up the calculated feature values of the mail content for each predetermined period are respectively obtained and acquired. Second behavior characteristic information is calculated based on the second mail history information, the mail body information, and the generated mathematical model. Trends in words and sentences frequently used by job seekers by calculating second behavior characteristic information of job seekers based on a mathematical model that takes into account not only the features of email history information but also the features of email content It is possible to calculate the second behavior characteristic information in consideration of the above, and more specifically to determine whether or not the company has the human qualities required of the job seeker.

第４発明、第１１発明、及び第１８発明では、過去一定期間内の送受信メール数、返信までに要したレスポンス時間の分布、過去一定期間内の滞留メール数と返信メール数との比率、送受信アドレスごとの出現率のうち、少なくとも１つを含む第一の特徴量又は第二の特徴量をそれぞれ算出することにより、求職者が意識して調整することが困難であるメールの送受信履歴に基づく操作傾向に基づいて行動特性情報を算出することができ、企業が求職者に対して求める人的資質を有しているか否かを高い信頼性にて判断することが可能となる。   In the fourth invention, the eleventh invention, and the eighteenth invention, the number of transmitted / received mails within a past fixed period, the distribution of response time required for replying, the ratio between the number of staying mails and the number of reply mails within the past fixed period, Based on the mail transmission / reception history that is difficult for job seekers to consciously adjust by calculating the first feature amount or the second feature amount including at least one of the appearance rates for each address. The behavior characteristic information can be calculated based on the operation tendency, and it is possible to determine with high reliability whether or not the company has the human qualities required of the job seeker.

第５発明、第１２発明、及び第１９発明では、第一の集計情報を入力とし、第一の行動特性情報を出力とする数理モデルを、ニューラルネットワークの学習により生成することにより、集計情報の種類に依存せず信頼性の高い数理モデルを生成することができるとともに、企業に所属する者の行動特性を集計情報に基づいて確実に推し量ることができる。   In the fifth invention, the twelfth invention, and the nineteenth invention, a mathematical model having the first aggregate information as an input and the first behavior characteristic information as an output is generated by learning of a neural network. A mathematical model with high reliability can be generated regardless of the type, and the behavioral characteristics of persons belonging to the company can be reliably estimated based on the total information.

第６発明、第１３発明、及び第２０発明では、抽出した企業情報を求職者が使用する外部コンピュータへ送信することにより、求職者は自分の人的資質に適合した企業に関する情報を取得することができ、企業が求める人的資質と求職者の人的資質との不適合を未然に回避することが可能となる。   In the sixth invention, the thirteenth invention, and the twentieth invention, the job seeker obtains information on the company that matches his personal qualities by transmitting the extracted company information to an external computer used by the job seeker. This makes it possible to avoid incompatibility between the human qualities required by companies and the human qualities of job seekers.

第７発明、第１４発明、及び第２１発明では、抽出した企業情報に対応する企業に対して、求職者を識別する情報を送信することにより、企業は、自らが求める人的資質を有する求職者を選別することができ、採用後における企業が求める人的資質と求職者の人的資質との不適合を未然に回避することが可能となる。   In the seventh invention, the fourteenth invention, and the twenty-first invention, by sending information for identifying the job seeker to the company corresponding to the extracted company information, the company has the job qualification that it seeks. This makes it possible to select a person who has been hired, and to avoid the incompatibility between the human qualities desired by the company after recruitment and the human qualities of the job seeker.

上記構成によれば、求職者の電子メールの第二のメール履歴情報に基づいて算出された第二の特徴量、生成された第二の集計情報、及び事前に生成してある数理モデルを基礎として、求職者の人的資質である第二の行動特性情報を算出することにより、客観化することが困難である人的資質を客観化することができ、第二の行動特性情報と、記憶されている第一の行動特性情報との類似度が所定値より大きい企業にとっては、企業に所属する者の行動特性と類似する行動特性を有する求職者を効率良く選択することができ、求職者にとっては、自己の行動特性と類似する行動特性を有する者が所属している可能性が高い企業を抽出することが可能となる。また、企業に所属する者、求職者ともに特段の適性検査、採用試験等を行うことなく、日常のメールの送受信履歴に基づいて行動特性情報を算出することができるので、負担が少なく、作為的に行動特性情報を生成することが困難であることから、信頼性の高い行動特性情報を算出することが可能となる。   According to the above configuration, based on the second feature amount calculated based on the second mail history information of the job seeker's email, the generated second aggregate information, and the mathematical model generated in advance By calculating the second behavioral characteristic information that is the human qualities of the job seeker, the human qualities that are difficult to be objectiveized can be made objective, and the second behavioral characteristic information and memory For companies whose degree of similarity with the first behavior characteristic information is larger than a predetermined value, job seekers having behavioral characteristics similar to those of persons belonging to the company can be efficiently selected. Therefore, it is possible to extract a company having a high possibility that a person having behavioral characteristics similar to his / her own behavioral characteristics belongs. In addition, since it is possible to calculate behavioral characteristic information based on daily mail transmission / reception history without special aptitude tests and employment tests for both employees and job seekers belonging to the company, there is little burden and it is artificial. Since it is difficult to generate behavior characteristic information, it is possible to calculate highly reliable behavior characteristic information.

本発明の実施の形態１に係る就職支援装置を用いた就職支援システムの構成を示すブロック図である。It is a block diagram which shows the structure of the employment support system using the employment support apparatus which concerns on Embodiment 1 of this invention. 本発明の実施の形態１に係る就職支援装置と接続してある端末装置をＣＰＵを用いて具現化した場合のハードウェア構成を示すブロック図である。It is a block diagram which shows the hardware constitutions at the time of implementing the terminal device connected with the employment support apparatus which concerns on Embodiment 1 of this invention using CPU. 本発明の実施の形態１に係る就職支援装置の機能ブロック図である。It is a functional block diagram of the employment support apparatus which concerns on Embodiment 1 of this invention. 本発明の実施の形態１に係る就職支援装置の数理モデル生成処理の手順を示すフローチャートである。It is a flowchart which shows the procedure of the mathematical model generation process of the employment support apparatus which concerns on Embodiment 1 of this invention. 本発明の実施の形態１に係る就職支援装置の集計情報の例示図である。It is an illustration figure of the total information of the employment support apparatus which concerns on Embodiment 1 of this invention. 本発明の実施の形態１に係る就職支援装置の行動特性情報の例示図である。It is an illustration figure of the action characteristic information of the employment support apparatus which concerns on Embodiment 1 of this invention. 本発明の実施の形態１に係る就職支援装置のＣＰＵのメール情報収集プログラム送信処理の手順を示すフローチャートである。It is a flowchart which shows the procedure of the mail information collection program transmission process of CPU of the employment support apparatus which concerns on Embodiment 1 of this invention. 就職支援用プログラム起動時の入力画面の例示図である。It is an illustration figure of the input screen at the time of the employment support program starting. 本発明の実施の形態１に係る就職支援装置のＣＰＵの企業情報抽出処理の手順を示すフローチャートである。It is a flowchart which shows the procedure of the company information extraction process of CPU of the employment support apparatus which concerns on Embodiment 1 of this invention. 第二の行動特性情報の算出方法の例示図である。It is an illustration figure of the calculation method of 2nd action characteristic information. 第二の行動特性情報と第一の行動特性情報との類似度の算出方法の例示図である。It is an illustration figure of the calculation method of the similarity degree of 2nd action characteristic information and 1st action characteristic information. 本発明の実施の形態２に係る就職支援装置の機能ブロック図である。It is a functional block diagram of the employment support apparatus which concerns on Embodiment 2 of this invention. 本発明の実施の形態２に係る就職支援装置のＣＰＵの企業情報抽出処理の手順を示すフローチャートである。It is a flowchart which shows the procedure of the company information extraction process of CPU of the employment assistance apparatus which concerns on Embodiment 2 of this invention.

以下、本発明の実施の形態に係る就職支援装置について、図面に基づいて具体的に説明する。   Hereinafter, the employment support apparatus according to an embodiment of the present invention will be specifically described with reference to the drawings.

（実施の形態１）
図１は、本発明の実施の形態１に係る就職支援装置を用いた就職支援システムの構成を示すブロック図である。図１に示すように、本発明の実施の形態１に係る就職支援装置１は、インターネット等のネットワーク４を介して、複数のメールサーバ２、２、・・・、複数の端末装置３、３、・・・とデータ通信することが可能に接続されている。メールサーバ２、２、・・・は、例えばウエブメールのウエブサーバであっても良いし、携帯メールのメールサーバであっても良いし、社内のメールサーバであっても良い。 (Embodiment 1)
FIG. 1 is a block diagram showing a configuration of an employment support system using the employment support apparatus according to Embodiment 1 of the present invention. As shown in FIG. 1, the employment support apparatus 1 according to the first embodiment of the present invention includes a plurality of mail servers 2, 2,..., A plurality of terminal apparatuses 3, 3 via a network 4 such as the Internet. ,... Are connected so as to be able to perform data communication. The mail servers 2, 2,... May be, for example, web mail web servers, mobile mail mail servers, or in-house mail servers.

本発明の実施の形態１に係る就職支援装置１は、少なくともＣＰＵ（中央演算装置）１１、メモリ１２、記憶装置１３、Ｉ／Ｏインタフェース１４、ビデオインタフェース１５、通信インタフェース１６、可搬型ディスクドライブ１７及び上述したハードウェアを接続する内部バス１８で構成されている。   The employment support apparatus 1 according to the first embodiment of the present invention includes at least a CPU (central processing unit) 11, a memory 12, a storage device 13, an I / O interface 14, a video interface 15, a communication interface 16, and a portable disk drive 17. And an internal bus 18 for connecting the hardware described above.

ＣＰＵ１１は、内部バス１８を介して就職支援装置１の上述したようなハードウェア各部と接続されており、上述したハードウェア各部の動作を制御するとともに、記憶装置１３に記憶してあるコンピュータプログラム１００に従って、種々のソフトウェア的機能を実行する。メモリ１２は、ＳＲＡＭ、ＳＤＲＡＭ等の揮発性メモリで構成され、コンピュータプログラム１００の実行時にロードモジュールが展開され、コンピュータプログラム１００の実行時に発生する一時的なデータ等を記憶する。   The CPU 11 is connected to the above-described hardware units of the employment support apparatus 1 via the internal bus 18, controls the operation of the above-described hardware units, and stores the computer program 100 stored in the storage device 13. Various software functions are executed according to the above. The memory 12 is composed of a volatile memory such as SRAM or SDRAM, and a load module is expanded when the computer program 100 is executed, and stores temporary data generated when the computer program 100 is executed.

記憶装置１３は、内蔵される固定型記憶装置（ハードディスク）、ＳＲＡＭ等の揮発性メモリ、ＲＯＭ等の不揮発性メモリ等で構成されている。記憶装置１３に記憶してあるコンピュータプログラム１００は、プログラム及びデータ等の情報を記録したＤＶＤ、ＣＤＲＯＭ等の可搬型記録媒体９０から、可搬型ディスクドライブ１７によりダウンロードされ、実行時には記憶装置１３からメモリ１２へ展開して実行される。もちろん、通信インタフェース１６を介してネットワーク４に接続されている他のコンピュータからダウンロードされたコンピュータプログラムであっても良い。   The storage device 13 includes a built-in fixed storage device (hard disk), a volatile memory such as SRAM, and a nonvolatile memory such as ROM. The computer program 100 stored in the storage device 13 is downloaded by a portable disk drive 17 from a portable recording medium 90 such as a DVD or CDROM in which information such as programs and data is recorded. 12 is executed. Of course, it may be a computer program downloaded from another computer connected to the network 4 via the communication interface 16.

また記憶装置１３は、必要行動特性情報記憶部１３１、メール履歴情報記憶部１３２、及び数理モデル記憶部１３３を備えている。必要行動特性情報記憶部１３１には、求人側の企業が求職者に対して求める行動特性に関する情報である必要行動特性情報（第一の行動特性情報）を企業を識別する企業情報ごとに記憶してある。ここで、「行動特性」とは、企業に所属する者、求職者等が所定の条件下でどのように行動するかを客観的に示す特性全般を意味する広い概念であり、本発明では間接的に特定される。例えば受信メールに対する返信までの時間の長短に応じて、決断力の速さの大小等の行動特性を定量化する。   The storage device 13 includes a necessary behavior characteristic information storage unit 131, a mail history information storage unit 132, and a mathematical model storage unit 133. The necessary behavior characteristic information storage unit 131 stores necessary behavior characteristic information (first behavior characteristic information), which is information related to behavioral characteristics requested by job seekers for job seekers, for each company information for identifying a company. It is. Here, “behavioral characteristics” is a broad concept that means general characteristics that objectively indicate how a person belonging to a company, a job seeker, etc. behaves under a predetermined condition. Specific. For example, behavioral characteristics such as the magnitude of determination speed are quantified according to the length of time until reply to a received mail.

メール履歴情報記憶部１３２は、端末装置３を使用する求職者が送受信したメール履歴情報を、求職者を識別する求職者識別情報に対応付けて記憶する。求職者が送受信したメール履歴情報は、電子メールごとにメールサーバ２、２、・・・にメールログ情報として記憶されているので、端末装置３にてメールサーバ２、２、・・・に記憶されているメールログ情報を収集して集約したメール履歴情報を就職支援装置１へ送信する。   The mail history information storage unit 132 stores mail history information transmitted and received by job seekers using the terminal device 3 in association with job seeker identification information for identifying job seekers. Since the mail history information transmitted and received by the job seeker is stored as mail log information in the mail servers 2, 2,... For each electronic mail, stored in the mail servers 2, 2,. The collected mail log information is collected and sent to the employment support apparatus 1 as mail history information.

数理モデル記憶部１３３は、企業に所属する者のメール履歴情報の集計情報を入力とし、企業が求職者に対して求める行動特性を示す行動特性情報を出力とする数理モデルを記憶する。数理モデルの生成方法は特に限定されるものではないが、データマイニングの手法を用いて、例えばニューラルネットワークの学習により生成することがモデル精度の観点から好ましい。   The mathematical model storage unit 133 stores a mathematical model that receives as input the aggregate information of mail history information of persons belonging to the company and outputs behavior characteristic information indicating the behavior characteristics that the company seeks for job seekers. The method of generating the mathematical model is not particularly limited, but it is preferable from the viewpoint of model accuracy that it is generated by, for example, learning of a neural network using a data mining technique.

通信インタフェース１６は内部バス１８に接続されており、インターネット、有線／無線のＬＡＮ、ＷＡＮ等の外部のネットワーク４に接続することにより、外部のコンピュータ、例えばメールサーバ２、２、・・・、端末装置３、３、・・・等とデータ通信することが可能となっている。   The communication interface 16 is connected to an internal bus 18 and is connected to an external network 4 such as the Internet, a wired / wireless LAN, a WAN, etc., so that an external computer such as a mail server 2, 2,. Data communication with the devices 3, 3,... Is possible.

Ｉ／Ｏインタフェース１４は、キーボード１４１、マウス１４２等のデータ入力媒体と接続され、データの入力を受け付ける。また、ビデオインタフェース１５は、ＣＲＴモニタ、ＬＣＤ等の表示装置１５１と接続され、所定の画像を表示する。   The I / O interface 14 is connected to a data input medium such as a keyboard 141 and a mouse 142, and receives data input. The video interface 15 is connected to a display device 151 such as a CRT monitor or LCD, and displays a predetermined image.

図２は、本発明の実施の形態１に係る就職支援装置１と接続してある端末装置３をＣＰＵを用いて具現化した場合のハードウェア構成を示すブロック図である。図２において、本実施の形態に係る端末装置３は、少なくともＣＰＵ（中央演算装置）３１、メモリ３２、記憶装置３３、Ｉ／Ｏインタフェース３４、ビデオインタフェース３５、通信インタフェース３６、及び上述したハードウェアを接続する内部バス３８で構成されている。   FIG. 2 is a block diagram showing a hardware configuration when the terminal device 3 connected to the employment support apparatus 1 according to Embodiment 1 of the present invention is implemented using a CPU. In FIG. 2, the terminal device 3 according to the present embodiment includes at least a CPU (central processing unit) 31, a memory 32, a storage device 33, an I / O interface 34, a video interface 35, a communication interface 36, and the hardware described above. The internal bus 38 is connected.

ＣＰＵ３１は、内部バス３８を介して端末装置３の上述したようなハードウェア各部と接続されており、上述したハードウェア各部の動作を制御するとともに、記憶装置３３に記憶してあるコンピュータプログラムに従って、種々のソフトウェア的機能を実行する。メモリ３２は、ＳＲＡＭ、ＳＤＲＡＭ等の揮発性メモリで構成され、コンピュータプログラムの実行時にロードモジュールが展開され、コンピュータプログラムの実行時に発生する一時的なデータ等を記憶する。   The CPU 31 is connected to the above-described hardware units of the terminal device 3 via the internal bus 38, controls the operation of the above-described hardware units, and according to the computer program stored in the storage device 33, Perform various software functions. The memory 32 is composed of a volatile memory such as SRAM or SDRAM, and a load module is expanded when the computer program is executed, and stores temporary data generated when the computer program is executed.

記憶装置３３は、内蔵される固定型記憶装置（ハードディスク）、ＳＲＡＭ等の揮発性メモリ、ＲＯＭ等の不揮発性メモリ等で構成されている。記憶装置３３に記憶してあるコンピュータプログラム、例えば電子メール送受信用のコンピュータプログラムは、通信インタフェース３６を介してネットワーク４に接続されている外部のコンピュータからダウンロードされる。また、メールサーバ２、２、・・・ごとに記憶されているメールログ情報を収集するコンピュータプログラムも、通信インタフェース３６を介してネットワーク４に接続されている就職支援装置１からダウンロードされる。もちろん、外部接続することが可能な可搬型ディスクドライブにより、プログラム及びデータ等の情報を記録したＤＶＤ、ＣＤＲＯＭ等の可搬型記録媒体からダウンロードしたコンピュータプログラムであっても良い。   The storage device 33 includes a built-in fixed storage device (hard disk), a volatile memory such as SRAM, and a nonvolatile memory such as ROM. A computer program stored in the storage device 33, for example, a computer program for sending and receiving electronic mail, is downloaded from an external computer connected to the network 4 via the communication interface 36. In addition, a computer program that collects mail log information stored for each mail server 2, 2,... Is also downloaded from the employment support apparatus 1 connected to the network 4 via the communication interface 36. Of course, it may be a computer program downloaded from a portable recording medium such as a DVD or CDROM in which information such as a program and data is recorded by a portable disk drive that can be externally connected.

通信インタフェース３６は内部バス３８に接続されており、インターネット、有線／無線のＬＡＮ、ＷＡＮ等の外部のネットワーク４に接続することにより、外部のコンピュータ、例えば就職支援装置１、メールサーバ２、２、・・・等とデータ通信することが可能となっている。   The communication interface 36 is connected to an internal bus 38, and is connected to an external network 4 such as the Internet, a wired / wireless LAN, and a WAN, so that an external computer such as a job support apparatus 1, a mail server 2, 2, ... and data communication is possible.

Ｉ／Ｏインタフェース３４は、キーボード３４１、マウス３４２等のデータ入力媒体と接続され、データの入力を受け付ける。また、ビデオインタフェース３５は、ＣＲＴモニタ、ＬＣＤ等の表示装置３５１と接続され、所定の画像を表示する。   The I / O interface 34 is connected to a data input medium such as a keyboard 341 and a mouse 342, and accepts data input. The video interface 35 is connected to a display device 351 such as a CRT monitor or LCD, and displays a predetermined image.

図３は、本発明の実施の形態１に係る就職支援装置１の機能ブロック図である。基本履歴情報取得部３０１は、企業に所属する者、例えば社員、同一部署の社員、同一プロジェクトの社員等が使用する端末装置３から、企業に所属する者を識別する識別情報、例えば社員ＩＤに対応付けられたメールログ情報を収集して集約した情報をメール履歴情報として取得する。メール履歴情報の取得方法は特に限定されるものではないが、ネットワーク４を介して端末装置３から受信することが好ましい。さらに企業に所属する者が意識して送信する必要がないよう、一定期間ごとにメールサーバ２、２、・・・から収集したメールログ情報を集約したメール履歴情報を就職支援装置１へ送信することがより好ましい。   FIG. 3 is a functional block diagram of the employment support apparatus 1 according to Embodiment 1 of the present invention. The basic history information acquisition unit 301 obtains identification information for identifying a person belonging to the company, such as an employee ID, from the terminal device 3 used by a person belonging to the company, for example, an employee, an employee of the same department, an employee of the same project, or the like. Information that collects and aggregates the associated mail log information is acquired as mail history information. The method for acquiring the mail history information is not particularly limited, but it is preferably received from the terminal device 3 via the network 4. Further, mail history information obtained by aggregating mail log information collected from the mail servers 2, 2,... Is sent to the employment support apparatus 1 at regular intervals so that a person belonging to the company does not need to be consciously sent. It is more preferable.

特徴量算出部３０２は、取得した企業に所属する者のメール履歴情報に基づいて電子メールごとの特徴量を算出する。算出する特徴量は、例えばメール履歴情報から読み取ることが可能な送受信年月日、送受信者のメールアドレス、メールタイトル等の情報に基づいて算出される添付メールの数、添付メールのバイト数等、及びこれらの情報に基づいて算出される、過去一定期間内の送受信メール数、返信までに要したレスポンス時間の分布、過去一定期間内の滞留メール数と返信メール数との比率等である。また、送信メールの送信先アドレスのうち、ｃｃ／ｂｃｃの比率、一定期間、例えば１ヶ月間の送受信アドレス中の新規アドレスの比率、送受信アドレスごとの出現率等であっても良く、メールの送受信履歴を通じて企業に所属する者の行動特性を推し量ることができる可能性がある特徴量であれば何でも良い。   The feature amount calculation unit 302 calculates a feature amount for each electronic mail based on the acquired mail history information of a person belonging to the company. The feature quantity to be calculated is, for example, the date of transmission / reception that can be read from the mail history information, the mail address of the sender / receiver, the number of attached mails calculated based on information such as the mail title, the number of bytes of the attached mail, etc. And the number of transmitted / received mails within a certain past period, the distribution of response time required until reply, the ratio between the number of staying mails and the number of reply mails within the past certain period, etc., calculated based on these pieces of information. Further, it may be the cc / bcc ratio, the ratio of new addresses in the transmission / reception addresses for a certain period, for example, one month, the appearance rate for each transmission / reception address, etc. Any feature amount may be used as long as the behavioral characteristics of the person belonging to the company can be estimated through the history.

集計情報生成部３０３は、算出した特徴量を所定の期間ごとに集計した集計情報を、企業に所属する者ごとに生成する。例えば１ヶ月ごとに特徴量を集計した集計情報を生成する。   The total information generation unit 303 generates total information obtained by totaling the calculated feature amounts every predetermined period for each person belonging to the company. For example, total information obtained by totaling feature amounts every month is generated.

数理モデル生成部３０４は、集計情報を入力とし、求職者に対して求める行動特性を示す行動特性情報を出力とする数理モデルを生成する。数理モデルの生成には、ニューラルネットワークの学習を用いることにより、企業に所属する者ごとの集計情報を行動特性情報に変換する数理モデルを生成しても良い。生成された数理モデルは、求職者の行動特性を示す行動特性情報を算出するために、数理モデル記憶部１３３に記憶される。   The mathematical model generation unit 304 receives the aggregate information and generates a mathematical model that outputs behavior characteristic information indicating the behavior characteristic desired for the job seeker. For the generation of the mathematical model, a mathematical model for converting aggregate information for each person belonging to the company into behavior characteristic information may be generated by using learning of a neural network. The generated mathematical model is stored in the mathematical model storage unit 133 in order to calculate behavior characteristic information indicating the behavior characteristic of the job seeker.

メール履歴情報取得部３０５は、求職者が使用する端末装置３から、求職者を識別する識別情報、例えば求職者ＩＤに対応付けられたメールログ情報を収集して集約した情報をメール履歴情報として取得する。メール履歴情報の取得方法は特に限定されるものではないが、ネットワーク４を介して端末装置３から受信することが好ましい。さらに求職者が意識して送信する必要がないよう、一定期間ごとにメールサーバ２、２、・・・から収集したメールログ情報を集約したメール履歴情報を就職支援装置１へ送信することがより好ましい。なお、取得したメール履歴情報は、メール履歴情報記憶部１３２に記憶される。   The mail history information acquisition unit 305 collects identification information for identifying the job seeker, for example, mail log information associated with the job seeker ID from the terminal device 3 used by the job seeker, and collects and aggregates the information as mail history information. get. The method for acquiring the mail history information is not particularly limited, but it is preferably received from the terminal device 3 via the network 4. Further, it is more preferable to send mail history information, which is a collection of mail log information collected from the mail servers 2, 2,... At regular intervals, to the employment support apparatus 1 so that the job seeker does not need to be consciously sent. preferable. The acquired mail history information is stored in the mail history information storage unit 132.

特徴量算出部３０６は、取得した求職者のメール履歴情報に基づいて電子メールごとの特徴量を算出する。算出する特徴量は、例えばメール履歴情報から読み取ることが可能な送受信年月日、送受信者のメールアドレス、メールタイトル等の情報に基づいて算出される添付メールの数、添付メールのバイト数等、及びこれらの情報に基づいて算出される、過去一定期間内の送受信メール数、返信までに要したレスポンス時間の分布、過去一定期間内の滞留メール数と返信メール数との比率等である。また、送信メールの送信先アドレスのうち、ｃｃ／ｂｃｃの比率、一定期間、例えば１ヶ月間の送受信アドレス中の新規アドレスの比率等であっても良く、メールの送受信履歴を通じて求職者の行動特性を推し量ることができる可能性がある特徴量であれば何でも良い。   The feature amount calculation unit 306 calculates a feature amount for each email based on the acquired mail history information of the job seeker. The feature quantity to be calculated is, for example, the date of transmission / reception that can be read from the mail history information, the mail address of the sender / receiver, the number of attached mails calculated based on information such as the mail title, the number of bytes of the attached mail, etc. And the number of transmitted / received mails within a certain past period, the distribution of response time required until reply, the ratio between the number of staying mails and the number of reply mails within the past certain period, etc., calculated based on these pieces of information. Further, it may be the ratio of cc / bcc, the ratio of new addresses in the transmission / reception addresses for a certain period, for example, one month, among the transmission destination addresses of the outgoing mail, and the job applicant's behavior characteristics through the mail transmission / reception history Any feature amount that can possibly be estimated is acceptable.

集計情報生成部３０７は、算出した特徴量を所定の期間ごとに集計した集計情報を、求職者ごとに生成する。例えば１ヶ月ごとに特徴量を集計した集計情報を生成する。   The total information generation unit 307 generates total information for each job seeker by totaling the calculated feature amounts every predetermined period. For example, total information obtained by totaling feature amounts every month is generated.

行動特性情報算出部３０８は、取得した求職者のメール履歴情報に基づいて集計情報生成部３０７にて生成された集計情報及び記憶してある数理モデルに基づいて、第二の行動特性情報を算出する。メール履歴情報は、メール履歴情報取得部３０５にて新たに取得したメール履歴情報であることが好ましいが、メール履歴情報記憶部１３２に記憶されているメール履歴情報を取得しても良い。   The behavior characteristic information calculation unit 308 calculates second behavior characteristic information based on the total information generated by the total information generation unit 307 based on the acquired mail history information of the job seeker and the stored mathematical model. To do. The mail history information is preferably mail history information newly acquired by the mail history information acquisition unit 305, but mail history information stored in the mail history information storage unit 132 may be acquired.

類似度算出部３０９は、事前に必要行動特性情報記憶部１３１に記憶してある、企業側が求職者に対して求める第一の行動特性情報と、行動特性情報算出部３０８で算出した第二の行動特性情報との類似度を、企業情報ごとに算出する。類似度の算出方法は特に限定されるものではないが、例えば行動特性情報に含まれるｎ個の行動特性項目ＥＩn（ｎは自然数）を用いたベクトル間距離を算出しても良い。 The similarity calculation unit 309 stores the first behavior characteristic information that the company side asks the job seeker, which is stored in the necessary behavior characteristic information storage unit 131 in advance, and the second behavior characteristic information calculated by the behavior characteristic information calculation unit 308. The similarity with the behavior characteristic information is calculated for each company information. The method for calculating the similarity is not particularly limited. For example, the distance between vectors using n behavior characteristic items EI n (n is a natural number) included in the behavior characteristic information may be calculated.

判断部３１０は、算出した類似度が所定値より大きい企業情報が存在するか否かを判断する。具体的には、例えば行動特性情報に含まれるｎ個の行動特性項目ＥＩn（ｎは自然数）を用いて算出されたベクトル間距離が所定値よりも短いか否かを判断しても良い。 The determination unit 310 determines whether there is company information whose calculated similarity is greater than a predetermined value. Specifically, for example, it may be determined whether or not the distance between vectors calculated using n behavior characteristic items EI n (n is a natural number) included in the behavior characteristic information is shorter than a predetermined value.

企業情報抽出部３１１は、判断部３１０で、類似度が所定値より大きい企業情報が存在すると判断した場合、類似度が所定値より大きい企業情報を抽出する。これにより、企業が求職者に対して求める行動特性情報として事前に必要行動特性情報記憶部１３１に記憶してある第一の行動特性情報と類似する第二の行動特性情報を有する求職者に対して、抽出された企業情報を送信することで、求職者は不適合の少ない企業群の中から就職先企業を選択することができる。一方、企業に対して、必要行動特性情報記憶部１３１に記憶してある第一の行動特性情報と類似する第二の行動特性情報を有する求職者に関する情報を送信することにより、企業が求職者に対して求める行動特性情報を有する可能性の高い求職者に関する情報を企業が取得することができ、不適合ミスマッチの少ない求職者の中から採用候補者を選択することが可能となる。   When the determination unit 310 determines that there is company information with a similarity greater than a predetermined value, the company information extraction unit 311 extracts company information with a similarity greater than a predetermined value. Accordingly, for job seekers having second behavior characteristic information similar to the first behavior characteristic information stored in the necessary behavior characteristic information storage unit 131 in advance as behavior characteristic information that the company seeks for job seekers. By transmitting the extracted company information, the job seeker can select a company to be employed from a group of companies with few nonconformities. On the other hand, the company transmits information on the job seeker having the second behavior characteristic information similar to the first behavior characteristic information stored in the necessary behavior characteristic information storage unit 131, so that the company obtains the job seeker. The company can acquire information on job seekers who are highly likely to have the behavior characteristic information required for the client, and it is possible to select recruitment candidates from job seekers with few mismatch mismatches.

以下、就職支援装置１の処理手順に従って、就職支援システム全体の処理について詳細に説明する。図４は、本発明の実施の形態１に係る就職支援装置１の数理モデル生成処理の手順を示すフローチャートである。就職支援装置１のＣＰＵ１１は、企業に所属する者のメール履歴情報を、例えば社員ＩＤに対応付けて取得する（ステップＳ４０１）。具体的には、求人側の企業に所属する者、部署に所属する者等のメール履歴情報を、社内で使用しているメールサーバ２から受信する、又はＤＶＤ、ＣＤＲＯＭ等の可搬型記録媒体９０から、可搬型ディスクドライブ１７を介して取得する。   Hereinafter, the processing of the entire employment support system will be described in detail according to the processing procedure of the employment support apparatus 1. FIG. 4 is a flowchart showing a procedure of mathematical model generation processing of the employment support apparatus 1 according to Embodiment 1 of the present invention. The CPU 11 of the employment support apparatus 1 acquires mail history information of a person belonging to the company in association with, for example, an employee ID (step S401). Specifically, mail history information of a person belonging to a company on the job offer side, a person belonging to a department, or the like is received from a mail server 2 used in the company, or a portable recording medium 90 such as a DVD or a CDROM. From the portable disk drive 17.

ＣＰＵ１１は、取得したメール履歴情報に基づいて電子メールごとの特徴量を算出する（ステップＳ４０２）。算出する特徴量は、例えばメール履歴情報から読み取ることが可能な送受信年月日、送受信者のメールアドレス、メールタイトル等の情報に基づいて算出される添付メールの数、添付メールのバイト数等、及びこれらの情報に基づいて算出される、過去一定期間内の送受信メール数、返信までに要したレスポンス時間の分布、過去一定期間内の滞留メール数と返信メール数との比率等である。また、送信メールの送信先アドレスのうち、ｃｃ／ｂｃｃの比率、一定期間、例えば１ヶ月間の送受信アドレス中の新規アドレスの比率、送受信アドレスごとの出現率等であっても良く、メール送受信履歴を通じて企業に所属する者の行動特性を推し量ることができる可能性がある特徴量であれば何でも良い。   CPU11 calculates the feature-value for every electronic mail based on the acquired mail log information (step S402). The feature quantity to be calculated is, for example, the date of transmission / reception that can be read from the mail history information, the mail address of the sender / receiver, the number of attached mails calculated based on information such as the mail title, the number of bytes of the attached mail, etc. And the number of transmitted / received mails within a certain past period, the distribution of response time required until reply, the ratio between the number of staying mails and the number of reply mails within the past certain period, etc., calculated based on these pieces of information. Further, it may be the cc / bcc ratio, the ratio of new addresses in the transmission / reception address for a certain period, for example, one month, the appearance rate for each transmission / reception address, etc. Any feature amount may be used as long as it is possible to estimate the behavioral characteristics of persons belonging to the company through the network.

ＣＰＵ１１は、算出した特徴量を所定の期間ごとに集計した集計情報を、企業に所属する者ごとに生成する（ステップＳ４０３）。例えば１ヶ月ごとに特徴量を集計した集計情報を、社員ＩＤごとに生成する。   CPU11 produces | generates the total information which totaled the calculated feature-value for every predetermined period for every person who belongs to a company (step S403). For example, total information obtained by totaling feature amounts every month is generated for each employee ID.

図５は、本発明の実施の形態１に係る就職支援装置１の集計情報の例示図である。図５（ａ）は取得したメール履歴情報の例示図を、図５（ｂ）は生成した集計情報の例示図を、それぞれ示している。   FIG. 5 is an exemplary diagram of the total information of the employment support apparatus 1 according to Embodiment 1 of the present invention. FIG. 5A shows an example of the acquired mail history information, and FIG. 5B shows an example of the generated total information.

図５（ａ）の例では、企業に所属する者、例えば社員ごとに、いつ（日付）、誰から（Ｆｒｏｍ）、どのような返信内容（Ｒｅ）の電子メールが送信されてきたかを、メール履歴情報として取得している。もちろん、メール履歴情報の項目はこれらに限定されるわけではなく、送信先情報、返信するまでのレスポンス時間等を含めても良いことは言うまでもない。   In the example of FIG. 5A, for each person belonging to a company, for example, an employee, when (date), from (From), and what kind of reply (Re) e-mail has been sent, e-mail Obtained as history information. Of course, the items of the mail history information are not limited to these, and it goes without saying that the destination information, the response time until replying, and the like may be included.

図５（ｂ）の例では、取得したメール履歴情報に基づいて、一日に受信する電子メールの平均受信数、一日に送信する電子メールの平均送信数、一回の電子メールの平均レスポンス時間等を算出して、集計情報として生成する。集計情報を生成することにより、企業に所属する者のメールの送受信操作の全体傾向を把握することが可能な基礎情報として用いることができる。しかも、日常のメールの送受信履歴に基づいて集計情報が生成されるので、企業に所属する者は、基礎情報を取得するために特別な操作を要求されることがない。   In the example of FIG. 5B, based on the acquired mail history information, the average number of emails received per day, the average number of emails sent per day, and the average response of a single email Time etc. are calculated and generated as aggregate information. By generating the total information, it can be used as basic information capable of grasping the overall tendency of mail transmission / reception operations of persons belonging to the company. In addition, since the aggregate information is generated based on the daily mail transmission / reception history, a person belonging to the company is not required to perform a special operation in order to acquire basic information.

図４に戻って、ＣＰＵ１１は、集計情報を入力とし、求職者に対して求める行動特性を示す行動特性情報を出力とする数理モデルを生成する（ステップＳ４０４）。行動特性情報の各行動特性項目ＥＩn（ｎは自然数）として、求人側の企業が求職者に対して要求する行動特性項目を特定しておく。 Returning to FIG. 4, the CPU 11 receives the aggregate information and generates a mathematical model that outputs the behavior characteristic information indicating the behavior characteristic desired for the job seeker (step S <b> 404). As each behavior characteristic item EI n (n is a natural number) of the behavior characteristic information, a behavior characteristic item requested by a job seeking company to a job seeker is specified.

図６は、本発明の実施の形態１に係る就職支援装置１の行動特性情報の例示図である。図６の例では、企業に所属する者を識別する識別情報として社員ＩＤを用い、社員ＩＤごとに行動特性情報として用いる行動特性項目ＥＩnを複数選択して、行動特性項目１、行動特性項目２、行動特性項目３、・・・のそれぞれに対して項目値を求めておく。 FIG. 6 is an exemplary diagram of behavior characteristic information of the employment support apparatus 1 according to Embodiment 1 of the present invention. In the example of FIG. 6, an employee ID is used as identification information for identifying a person belonging to a company, and a plurality of behavior characteristic items EI n to be used as behavior characteristic information for each employee ID are selected, and behavior characteristic item 1 and behavior characteristic item are selected. 2. Item values are obtained for each of the behavior characteristic items 3,.

行動特性項目ＥＩnと企業に所属する者の集計情報とを、生成した数理モデルを介して関係付けることにより、求職者の集計情報と生成した数理モデルとを用いて求職者の行動特性情報を算出することができる。したがって、求職者が企業に所属する者と同質の行動特性を有しているか否かを的確に判断することができ、企業が求職者に対して求める人的資質と求職者の人的資質との不適合を未然に回避することができる。 By associating the behavior characteristic item EI n and the aggregate information of the person belonging to the company through the generated mathematical model, the job characteristic information of the job seeker is obtained using the aggregate information of the job seeker and the generated mathematical model. Can be calculated. Therefore, it is possible to accurately determine whether or not the job seeker has the same behavioral characteristics as those belonging to the company, and the human qualities that the company seeks for job seekers and the human qualities of job seekers. Can be avoided in advance.

なお、数理モデルの生成には、ニューラルネットワークの学習を用いることが望ましい。ニューラルネットワークの学習を用いることにより、企業の所属する者のメール履歴情報に基づく集計情報を取得すれば、第一の行動特性情報を算出することができる数理モデルを生成することができる。同じ数理モデルを求職者のメール履歴情報に基づく集計情報に適用することで、求職者の行動特性を示す第二の行動特性情報を容易に算出することができる。生成された数理モデルは、求職者の行動特性を示す行動特性情報を算出するために、企業を識別する企業情報ごとに数理モデル記憶部１３３に記憶される。   Note that it is desirable to use neural network learning to generate the mathematical model. By using neural network learning, it is possible to generate a mathematical model that can calculate the first behavior characteristic information if the total information based on the mail history information of the person to whom the company belongs is acquired. By applying the same mathematical model to the aggregate information based on the job seeker's mail history information, it is possible to easily calculate the second behavior characteristic information indicating the behavior characteristic of the job seeker. The generated mathematical model is stored in the mathematical model storage unit 133 for each company information for identifying a company in order to calculate behavior characteristic information indicating a job seeker's behavior characteristic.

図７は、本発明の実施の形態１に係る就職支援装置１のＣＰＵ１１のメール情報収集プログラム送信処理の手順を示すフローチャートである。端末装置３を使用する求職者は、端末装置３から就職支援装置１が提供している就職支援サイトに接続する。求職者は、端末装置３のマウス３４２を操作して、メールサーバ２、２、・・・上に散在しているメールログ情報を収集するコンピュータプログラムを含む就職支援用プログラムのダウンロード指示を就職支援装置１へ送信する。   FIG. 7 is a flowchart showing a procedure of mail information collection program transmission processing of the CPU 11 of the employment support apparatus 1 according to Embodiment 1 of the present invention. The job seeker who uses the terminal device 3 connects from the terminal device 3 to the employment support site provided by the employment support device 1. The job seeker operates the mouse 342 of the terminal device 3 to provide a job search support for downloading a job support program including a computer program that collects mail log information scattered on the mail servers 2, 2,... Transmit to device 1.

就職支援装置１のＣＰＵ１１は、求職者が使用する端末装置３が就職支援サイトに接続しているか否かを判断する（ステップＳ７０１）。ＣＰＵ１１が、端末装置３が就職支援サイトに接続していないと判断した場合には（ステップＳ７０１：ＮＯ）、ＣＰＵ１１は、接続待ち状態となる。   The CPU 11 of the employment support apparatus 1 determines whether or not the terminal device 3 used by the job seeker is connected to the employment support site (step S701). When the CPU 11 determines that the terminal device 3 is not connected to the employment support site (step S701: NO), the CPU 11 enters a connection waiting state.

ＣＰＵ１１が、端末装置３が就職支援サイトに接続していると判断した場合には（ステップＳ７０１：ＹＥＳ）、ＣＰＵ１１は、端末装置３からダウンロード指示を受信したか否かを判断する（ステップＳ７０２）。ＣＰＵ１１が、ダウンロード指示を受信していないと判断した場合（ステップＳ７０２：ＮＯ）、ＣＰＵ１１は、受信待ち状態となり、ＣＰＵ１１が、ダウンロード指示を受信したと判断した場合（ステップＳ７０２：ＹＥＳ）、ＣＰＵ１１は、ダウンロード指示に含まれる求職者を識別する求職者ＩＤ及びダウンロード指示の送信元のアドレスを抽出し（ステップＳ７０３）、抽出したアドレスに対して、就職支援用プログラムのダウンロードを開始する（ステップＳ７０４）。   When the CPU 11 determines that the terminal device 3 is connected to the employment support site (step S701: YES), the CPU 11 determines whether a download instruction is received from the terminal device 3 (step S702). . When the CPU 11 determines that the download instruction has not been received (step S702: NO), the CPU 11 enters a reception waiting state, and when the CPU 11 determines that the download instruction has been received (step S702: YES), the CPU 11 The job seeker ID for identifying the job seeker included in the download instruction and the transmission source address of the download instruction are extracted (step S703), and the download of the employment support program is started to the extracted address (step S704). .

就職支援用プログラムがダウンロードされた端末装置３では、求職者がダウンロードされた就職支援用プログラムを起動することにより、使用しているメールシステムに応じて、ウエブメールのメールサーバ２、プロバイダ提供のメールサーバ２、社内用のメールサーバ２等に記憶されているメールログ情報を収集する。求職者が使用する端末装置３は、一定時間ごと、又は就職支援サイトに接続した時点で、収集したメールログ情報を集約したメール履歴情報を就職支援装置１へ送信する。   In the terminal device 3 in which the job support program is downloaded, the job seeker starts the downloaded job support program, so that the mail server 2 of the web mail, the mail provided by the provider, according to the mail system used. The mail log information stored in the server 2 and the in-house mail server 2 is collected. The terminal device 3 used by the job seeker transmits mail history information obtained by collecting the collected mail log information to the job hunting support device 1 at regular time intervals or when connected to the job hunting support site.

図８は、就職支援用プログラム起動時の入力画面の例示図である。就職支援用プログラムがメールサーバ２、２、・・・に記憶してあるメールログ情報を確実に収集することができるように、端末装置３にて求職者が使用しているメールソフトウエアの名称、メールソフトウエアに設定している求職者ＩＤ、及びメールサーバ２ごとのパスワード、及びメール履歴情報を生成するワーキングディレクトリの設定を行う。ワーキングディレクトリは、「参照」ボタン等で設定することが好ましい。   FIG. 8 is a view showing an example of an input screen when starting the employment support program. The name of the mail software used by the job seeker in the terminal device 3 so that the job support program can reliably collect the mail log information stored in the mail servers 2, 2,. The job seeker ID set in the mail software, the password for each mail server 2, and the working directory for generating the mail history information are set. The working directory is preferably set with a “reference” button or the like.

就職支援用プログラムは、メールサーバ２ごとに記憶されているメールログ情報を収集して、集約したメール履歴情報をワーキングディレクトリに生成する。就職支援用プログラムは、一定時間ごとにメール履歴情報を添付した電子メールを就職支援装置１へ送信する。もちろん、就職支援装置１が提供する就職支援サイトに接続する都度、メール履歴情報を添付した電子メールを就職支援装置１へ送信しても良い。また、ファイル転送プログラムにより、直接就職支援装置１へメール履歴情報を送信しても良い。   The employment support program collects mail log information stored for each mail server 2 and generates aggregated mail history information in the working directory. The employment support program transmits an e-mail attached with mail history information to the employment support apparatus 1 at regular intervals. Of course, an e-mail attached with mail history information may be transmitted to the job hunting support apparatus 1 every time it connects to the job hunting support site provided by the job hunting support apparatus 1. Further, the mail history information may be directly transmitted to the employment support apparatus 1 by a file transfer program.

図９は、本発明の実施の形態１に係る就職支援装置１のＣＰＵ１１の企業情報抽出処理の手順を示すフローチャートである。本実施の形態１では、就職支援装置１が提供する就職支援サイトに求職者が接続した時点で、求職者が使用する端末装置３からメール履歴情報が送信される場合について説明する。   FIG. 9 is a flowchart showing the procedure of the company information extraction process of the CPU 11 of the employment support apparatus 1 according to the first embodiment of the present invention. In the first embodiment, a case will be described in which the mail history information is transmitted from the terminal device 3 used by the job seeker when the job seeker is connected to the job hunting support site provided by the job hunting support device 1.

図９において、就職支援装置１のＣＰＵ１１は、求職者が使用する端末装置３が、就職支援サイトに接続しているか否かを判断する（ステップＳ９０１）。ＣＰＵ１１が、就職支援サイトに接続していないと判断した場合（ステップＳ９０１：ＮＯ）、ＣＰＵ１１は、接続待ち状態となる。   In FIG. 9, the CPU 11 of the employment support apparatus 1 determines whether or not the terminal device 3 used by the job seeker is connected to the employment support site (step S901). When the CPU 11 determines that it is not connected to the employment support site (step S901: NO), the CPU 11 enters a connection waiting state.

ＣＰＵ１１が、就職支援サイトに接続していると判断した場合（ステップＳ９０１：ＹＥＳ）、ＣＰＵ１１は、端末装置３からメール履歴情報を受信したか否かを判断する（ステップＳ９０２）。ＣＰＵ１１が、端末装置３からメール履歴情報を受信していないと判断した場合（ステップＳ９０２：ＮＯ）、ＣＰＵ１１は、メール履歴情報の受信待ち状態となる。   When the CPU 11 determines that it is connected to the employment support site (step S901: YES), the CPU 11 determines whether or not mail history information has been received from the terminal device 3 (step S902). When the CPU 11 determines that the mail history information has not been received from the terminal device 3 (step S902: NO), the CPU 11 enters a mail history information reception waiting state.

ＣＰＵ１１が、端末装置３からメール履歴情報を受信したと判断した場合（ステップＳ９０２：ＹＥＳ）、ＣＰＵ１１は、受信したメール履歴情報に基づいて電子メールごとの特徴量を算出する（ステップＳ９０３）。ＣＰＵ１１は、算出した特徴量を所定の期間ごとに集計した集計情報を求職者ごとに生成する（ステップＳ９０４）。例えば１ヶ月ごとに特徴量を集計した集計情報を、求職者を識別する情報、例えば就職支援サイトに接続する場合に用いた求職者ＩＤごとに生成する。   When the CPU 11 determines that the mail history information has been received from the terminal device 3 (step S902: YES), the CPU 11 calculates a feature amount for each electronic mail based on the received mail history information (step S903). CPU11 produces | generates the total information which totaled the calculated feature-value for every predetermined period for every job seeker (step S904). For example, the total information obtained by collecting the feature values every month is generated for each job seeker ID used when connecting to information for identifying a job seeker, for example, a job support site.

ＣＰＵ１１は、生成した集計情報と、数理モデル記憶部１３３に記憶してある企業ごとの数理モデルに基づいて、複数の行動特性項目ＥＩnで構成された行動特性情報（第二の行動特性情報）を算出する（ステップＳ９０５）。ＣＰＵ１１は、算出された行動特性情報（第二の行動特性情報）と、必要行動特性情報記憶部１３１に記憶してある必要行動特性情報（第一の行動特性情報）との類似度を算出する（ステップＳ９０６）。 CPU11 includes a generated summary information, based on a mathematical model of each company which is stored in the mathematical model storage unit 133, the behavior characteristic information including a plurality of behavioral Characteristics Characteristics EI n (second behavioral characteristic information) Is calculated (step S905). The CPU 11 calculates the similarity between the calculated behavior characteristic information (second behavior characteristic information) and the necessary behavior characteristic information (first behavior characteristic information) stored in the necessary behavior characteristic information storage unit 131. (Step S906).

図１０は、第二の行動特性情報の算出方法の例示図である。図１０の例では、求職者ＩＤ「ＸＸＸ」についての集計情報を用いて、企業Ａの数理モデルに基づく行動特性情報を生成している。生成された行動特性情報は、３つの行動特性項目を有しており、それぞれの項目値を求職者ＩＤと対応付けて生成している。類似度は、生成された行動特性情報の項目値と、事前に第一の行動特性情報として記憶されている行動特性項目ごとの項目値とを比較して算出する。   FIG. 10 is an exemplary diagram of a second behavior characteristic information calculation method. In the example of FIG. 10, the behavior characteristic information based on the mathematical model of the company A is generated using the aggregate information about the job seeker ID “XXX”. The generated behavior characteristic information has three behavior characteristic items, and each item value is generated in association with the job seeker ID. The similarity is calculated by comparing the item value of the generated behavior characteristic information with the item value for each behavior characteristic item stored in advance as the first behavior characteristic information.

第二の行動特性情報と第一の行動特性情報との類似度の算出方法は特に限定されるものではない。例えば第二の行動特性情報及び第一の行動特性情報に含まれるｎ（ｎは自然数）個の行動特性項目ＥＩ1、ＥＩ2、・・・、ＥＩnをそれぞれ座標軸とするｎ次元空間におけるベクトル間距離として算出しても良い。この場合、ベクトル間距離が短いほど類似度は高く算出される。 The method for calculating the similarity between the second behavior characteristic information and the first behavior characteristic information is not particularly limited. For example, a vector in an n-dimensional space having n (n is a natural number) action characteristic items EI 1 , EI 2 ,..., EI n included in the second action characteristic information and the first action characteristic information as coordinate axes, respectively. It may be calculated as an inter-distance. In this case, the similarity is calculated higher as the distance between vectors is shorter.

図１１は、第二の行動特性情報と第一の行動特性情報との類似度の算出方法の例示図である。行動特性項目ＥＩ1 、ＥＩ2 、ＥＩ3 をそれぞれ軸とする３次元空間において、企業Ａが指定する第一の行動特性情報１１１、企業Ｂが指定する第一の行動特性情報１１２、企業Ｃが指定する第一の行動特性情報１１３をそれぞれプロットしている。算出された求職者の第二の行動特性情報１１４と、第一の行動特性情報１１１、１１２、１１３との距離は、それぞれの行動特性情報ベクトル間の距離となる。ベクトル間距離が短いほど行動特性情報ベクトルが類似しており、企業が求職者に対して求める行動特性に近い行動特性を有する求職者であると考えることができる。行動特性項目は３つではなくｎ個選択すれば良く、ｎ個選択された場合にはｎ次元空間でのベクトル間距離を算出することになる。 FIG. 11 is an illustration of a method for calculating the similarity between the second behavior characteristic information and the first behavior characteristic information. In the three-dimensional space with the behavior characteristic items EI 1 , EI 2 , and EI 3 as axes, the first behavior characteristic information 111 designated by the company A, the first behavior characteristic information 112 designated by the company B, and the company C The first behavior characteristic information 113 to be designated is plotted. The calculated distance between the second behavior characteristic information 114 of the job seeker and the first behavior characteristic information 111, 112, 113 is a distance between the respective behavior characteristic information vectors. The shorter the distance between the vectors, the more similar the behavior characteristic information vector, and it can be considered that the job seeker has a behavior characteristic close to the behavior characteristic that the company seeks for job seekers. It is sufficient to select n action characteristic items instead of three, and when n are selected, the distance between vectors in the n-dimensional space is calculated.

図９に戻って、就職支援装置１のＣＰＵ１１は、算出した類似度が所定値より大きい企業情報が存在するか否かを判断し（ステップＳ９０７）、ＣＰＵ１１が、算出した類似度が所定値より大きい企業情報が存在しないと判断した場合（ステップＳ９０７：ＮＯ）、ＣＰＵ１１は、適当な企業が見つからない旨を示すメッセージを端末装置３へ送信して（ステップＳ９１０）、処理を終了する。   Returning to FIG. 9, the CPU 11 of the employment support apparatus 1 determines whether there is company information whose calculated similarity is larger than a predetermined value (step S907), and the CPU 11 calculates the calculated similarity from the predetermined value. If it is determined that there is no large company information (step S907: NO), the CPU 11 transmits a message indicating that no suitable company is found to the terminal device 3 (step S910), and ends the process.

ＣＰＵ１１が、算出した類似度が所定値より大きい企業情報が存在すると判断した場合（ステップＳ９０７：ＹＥＳ）、ＣＰＵ１１は、算出した類似度が大きい順に企業情報を抽出して（ステップＳ９０８）、抽出した企業情報を端末装置３へ送信する（ステップＳ９０９）。   When the CPU 11 determines that there is company information whose calculated similarity is greater than a predetermined value (step S907: YES), the CPU 11 extracts the company information in descending order of the calculated similarity (step S908) and extracts it. The company information is transmitted to the terminal device 3 (step S909).

なお、ＣＰＵ１１が、算出した類似度が所定値より大きい企業情報が存在すると判断した場合（ステップＳ９０７：ＹＥＳ）、ＣＰＵ１１は、企業情報により識別される企業が就職支援装置１とデータ通信することが可能に接続してあるコンピュータに対して、求職者に関する情報を送信しても良い。この場合、求職者ＩＤだけではなく、企業が指定した行動特性項目に対する項目値と、算出した類似度とを総合評価に関する情報として送信することが好ましい。これにより、類似度が大きい求職者から順に面接等の対象とすることができ、企業側及び求職者側の双方にとって不適合が生じることを未然に回避することができる。   If the CPU 11 determines that there is company information whose calculated similarity is greater than a predetermined value (step S907: YES), the CPU 11 may allow the company identified by the company information to perform data communication with the employment support apparatus 1. Information regarding the job seeker may be transmitted to a computer that is connected as possible. In this case, it is preferable to transmit not only the job seeker ID but also the item value for the behavior characteristic item designated by the company and the calculated similarity as information related to the comprehensive evaluation. This makes it possible to make interviews in order from job seekers with the highest degree of similarity, thereby avoiding the occurrence of incompatibility for both the company side and the job seeker side.

以上のように本実施の形態１によれば、求職者の電子メールのメール履歴情報に基づいて算出された特徴量、生成された集計情報、及び事前に生成してある数理モデルを基礎として、求職者の人的資質である第二の行動特性情報を算出することにより、客観化することが困難である人的資質を客観化することができ、第二の行動特性情報と、記憶されている第一の行動特性情報との類似度が所定値より大きい企業にとっては、企業に所属する者の行動特性と類似する行動特性を有する求職者を効率良く選択することができ、求職者にとっては、自己の行動特性と類似する行動特性を有する者が所属している可能性が高い企業を抽出することが可能となる。また、企業に所属する者、求職者ともに特段の適性検査、採用試験等を行うことなく、日常のメールの送受信履歴に基づいて行動特性情報を算出することができるので、負担が少なく、作為的に行動特性情報を生成することが困難であることから、信頼性の高い行動特性情報を算出することが可能となる。   As described above, according to the first embodiment, based on the feature amount calculated based on the mail history information of the job seeker's email, the generated aggregate information, and the mathematical model generated in advance, By calculating the second behavioral characteristic information that is the personal qualities of the job seeker, it is possible to objectiveize the human qualities that are difficult to make objective, and the second behavioral characteristic information is stored in memory. For those companies whose similarity with the first behavior characteristic information is greater than a predetermined value, it is possible to efficiently select job seekers having behavioral characteristics similar to those of those belonging to the company. It becomes possible to extract a company that is highly likely to belong to a person who has behavioral characteristics similar to his / her own behavioral characteristics. In addition, since it is possible to calculate behavioral characteristic information based on daily mail transmission / reception history without special aptitude tests and employment tests for both employees and job seekers belonging to the company, there is little burden and it is artificial. Since it is difficult to generate behavior characteristic information, it is possible to calculate highly reliable behavior characteristic information.

（実施の形態２）
本発明の実施の形態２に係る就職支援装置を用いた就職支援システムの構成は実施の形態１と同様であることから、同一の符号を付することにより詳細な説明は省略する。本実施の形態２は、電子メールの本体部分を解析して特徴量を算出する点で実施の形態１と相違する。 (Embodiment 2)
Since the configuration of the employment support system using the employment support apparatus according to the second embodiment of the present invention is the same as that of the first embodiment, detailed description will be omitted by attaching the same reference numerals. The second embodiment is different from the first embodiment in that the feature amount is calculated by analyzing the main part of the e-mail.

すなわちメール履歴情報記憶部１３２は、端末装置３を使用する求職者が送受信したメール履歴情報として、電子メールごとにメールサーバ２、２、・・・にメールログ情報のみならず、実際に送受信した電子メールの本体部分であるメール本体情報も記憶する。   That is, the mail history information storage unit 132 actually transmits / receives not only the mail log information but also the mail server 2, 2,... For each email as the mail history information transmitted / received by the job seeker using the terminal device 3. Mail main body information which is the main body part of the electronic mail is also stored.

図１２は、本発明の実施の形態２に係る就職支援装置１の機能ブロック図である。基本履歴情報取得部３０１は、企業に所属する者、例えば社員、同一部署の社員、同一プロジェクトの社員等が使用する端末装置３から、企業に所属する者を識別する識別情報、例えば社員ＩＤに対応付けられたメールログ情報を収集して集約した情報をメール履歴情報として取得する。メール履歴情報の取得方法は特に限定されるものではないが、ネットワーク４を介して端末装置３から受信することが好ましい。さらに企業に所属する者が意識して送信する必要がないよう、一定期間ごとにメールサーバ２、２、・・・から収集したメールログ情報を集約したメール履歴情報を就職支援装置１へ送信することがより好ましい。   FIG. 12 is a functional block diagram of the employment support apparatus 1 according to Embodiment 2 of the present invention. The basic history information acquisition unit 301 obtains identification information for identifying a person belonging to the company, such as an employee ID, from the terminal device 3 used by a person belonging to the company, for example, an employee, an employee of the same department, an employee of the same project, or the like. Information that collects and aggregates the associated mail log information is acquired as mail history information. The method for acquiring the mail history information is not particularly limited, but it is preferably received from the terminal device 3 via the network 4. Further, mail history information obtained by aggregating mail log information collected from the mail servers 2, 2,... Is sent to the employment support apparatus 1 at regular intervals so that a person belonging to the company does not need to be consciously sent. It is more preferable.

メール本体情報取得部１２０１は、企業に所属する者、例えば社員、同一部署の社員、同一プロジェクトの社員等が使用する端末装置３から、企業に所属する者を識別する識別情報、例えば社員ＩＤに対応付けられたメールログ情報のうち、電子メールの本体部分であるメール本体情報をメール履歴情報として取得する。メール本体情報の取得方法は特に限定されるものではなく、基本履歴情報取得部３０１におけるメール履歴情報の取得方法と同様であっても良い。   The mail body information acquisition unit 1201 uses the terminal device 3 used by a person belonging to the company, for example, an employee, an employee in the same department, an employee of the same project, etc., as identification information for identifying the person belonging to the company, such as an employee ID. Of the associated mail log information, mail main body information that is the main body part of the e-mail is acquired as mail history information. The mail body information acquisition method is not particularly limited, and may be the same as the mail history information acquisition method in the basic history information acquisition unit 301.

特徴量算出部３０２は、取得したメール履歴情報に基づいて電子メールごとの特徴量を算出する。算出する特徴量は、例えばメール履歴情報から読み取ることが可能な送受信年月日、送受信者のメールアドレス、メールタイトル等の情報に基づいて算出される添付メールの数、添付メールのバイト数等、及びこれらの情報に基づいて算出される、過去一定期間内の送受信メール数、返信までに要したレスポンス時間の分布、過去一定期間内の滞留メール数と返信メール数との比率等である。また、送信メールの送信先アドレスのうち、ｃｃ／ｂｃｃの比率、一定期間、例えば１ヶ月間の送受信アドレス中の新規アドレスの比率等であっても良く、メールの送受信履歴を通じて企業に所属する者の行動特性を推し量ることができる可能性がある特徴量であれば何でも良い。   The feature amount calculation unit 302 calculates a feature amount for each email based on the acquired mail history information. The feature quantity to be calculated is, for example, the date of transmission / reception that can be read from the mail history information, the mail address of the sender / receiver, the number of attached mails calculated based on information such as the mail title, the number of bytes of the attached mail, etc. And the number of transmitted / received mails within a certain past period, the distribution of response time required until reply, the ratio between the number of staying mails and the number of reply mails within the past certain period, etc., calculated based on these pieces of information. Also, it may be the cc / bcc ratio, the ratio of new addresses in the transmission / reception addresses for a certain period, for example, one month, among the transmission address of the transmission mail, and the person who belongs to the company through the mail transmission / reception history Any feature amount may be used as long as there is a possibility that it is possible to estimate the behavioral characteristics of.

メール内容特徴量算出部１２０２は、取得したメール本体情報に基づいて電子メールごとの特徴量を算出する。算出する特徴量は、例えばメール本体情報を自然言語解析し、シソーラス辞書等を用いることにより求めることができる、命令的な語彙の含まれている割合、叱責的な語彙の含まれている割合、激励的な語彙の含まれている割合、情報伝達のみを目的とした語彙の含まれている割合等である。特にこれらに限定されるものではなく、メール本体情報を通じて企業に所属する者の行動特性を推し量ることができる可能性がある特徴量であれば何でも良い。   The mail content feature amount calculation unit 1202 calculates a feature amount for each electronic mail based on the acquired mail body information. The feature amount to be calculated can be obtained by, for example, natural language analysis of the mail body information and using a thesaurus dictionary, etc., the proportion of imperative vocabulary included, the proportion of obscene vocabulary included, For example, the ratio of encouraging vocabulary and the ratio of vocabulary for the purpose of information transmission only. The feature amount is not particularly limited, and any feature amount may be used as long as the behavioral characteristics of a person belonging to the company can be estimated through the mail main body information.

集計情報生成部１２０３は、特徴量算出部３０２及びメール内容特徴量算出部１２０２にて算出した特徴量を所定の期間ごとに集計した集計情報を、企業に所属する者ごとに生成する。例えば１ヶ月ごとに特徴量を集計した集計情報を生成する。   The total information generation unit 1203 generates total information obtained by totaling the feature amounts calculated by the feature amount calculation unit 302 and the mail content feature amount calculation unit 1202 for each predetermined period for each person belonging to the company. For example, total information obtained by totaling feature amounts every month is generated.

数理モデル生成部３０４は、集計情報を入力とし、求職者に対して求める行動特性を示す行動特性情報を出力とする数理モデルを生成する。数理モデルの生成には、ニューラルネットワークの学習を用いることにより、企業に所属する者ごとの集計情報を行動特性情報に変換する数理モデルを生成しても良い。生成された数理モデルは、求職者の行動特性を示す行動特性情報を算出するために、数理モデル記憶部１３３に記憶される。   The mathematical model generation unit 304 receives the aggregate information and generates a mathematical model that outputs behavior characteristic information indicating the behavior characteristic desired for the job seeker. For the generation of the mathematical model, a mathematical model for converting aggregate information for each person belonging to the company into behavior characteristic information may be generated by using learning of a neural network. The generated mathematical model is stored in the mathematical model storage unit 133 in order to calculate behavior characteristic information indicating the behavior characteristic of the job seeker.

メール履歴情報取得部３０５は、求職者が使用する端末装置３から、求職者を識別する識別情報、例えば求職者ＩＤに対応付けられたメールログ情報を収集して集約した情報をメール履歴情報として取得する。メール履歴情報の取得方法は特に限定されるものではないが、ネットワーク４を介して端末装置３から受信することが好ましい。さらに求職者が意識して送信する必要がないよう、一定期間ごとにメールサーバ２、２、・・・から収集したメールログ情報を集約したメール履歴情報を就職支援装置１へ送信することがより好ましい。なお、取得したメール履歴情報は、メール履歴情報記憶部１３２に記憶される。   The mail history information acquisition unit 305 collects identification information for identifying the job seeker, for example, mail log information associated with the job seeker ID from the terminal device 3 used by the job seeker, and collects and aggregates the information as mail history information. get. The method for acquiring the mail history information is not particularly limited, but it is preferably received from the terminal device 3 via the network 4. Further, it is more preferable to send mail history information, which is a collection of mail log information collected from the mail servers 2, 2,... At regular intervals, to the employment support apparatus 1 so that the job seeker does not need to be consciously sent. preferable. The acquired mail history information is stored in the mail history information storage unit 132.

求職者メール本体情報取得部１２０４は、求職者が使用する端末装置３から、求職者を識別する識別情報、例えば求職者ＩＤに対応付けられたメールログ情報のうち、電子メールの本体部分であるメール本体情報をメール履歴情報として取得する。メール本体情報の取得方法は特に限定されるものではなく、メール履歴情報取得部３０５におけるメール履歴情報の取得方法と同様であっても良い。なお、取得したメール履歴情報は、メール履歴情報記憶部１３２に記憶される。   The job seeker email main body information acquisition unit 1204 is the main body portion of the email out of the identification information for identifying the job seeker, for example, the mail log information associated with the job seeker ID, from the terminal device 3 used by the job seeker. Get mail body information as mail history information. The mail body information acquisition method is not particularly limited, and may be the same as the mail history information acquisition method in the mail history information acquisition unit 305. The acquired mail history information is stored in the mail history information storage unit 132.

特徴量算出部３０６は、取得した求職者のメール履歴情報に基づいて電子メールごとの特徴量を算出する。算出する特徴量は、例えばメール履歴情報から読み取ることが可能な送受信年月日、送受信者のメールアドレス、メールタイトル等の情報に基づいて算出される添付メールの数、添付メールのバイト数等、及びこれらの情報に基づいて算出される、過去一定期間内の送受信メール数、返信までに要したレスポンス時間の分布、過去一定期間内の滞留メール数と返信メール数との比率等である。また、送信メールの送信先アドレスのうち、ｃｃ／ｂｃｃの比率、一定期間、例えば１ヶ月間の送受信アドレス中の新規アドレスの比率等であっても良く、メールの送受信履歴を通じて求職者の行動特性を推し量ることができる可能性がある特徴量であれば何でも良い。   The feature amount calculation unit 306 calculates a feature amount for each email based on the acquired mail history information of the job seeker. The feature quantity to be calculated is, for example, the date of transmission / reception that can be read from the mail history information, the mail address of the sender / receiver, the number of attached mails calculated based on information such as the mail title, the number of bytes of the attached mail, etc. And the number of transmitted / received mails within a certain past period, the distribution of response time required until reply, the ratio between the number of staying mails and the number of reply mails within the past certain period, etc., calculated based on these pieces of information. Further, it may be the ratio of cc / bcc, the ratio of new addresses in the transmission / reception addresses for a certain period, for example, one month, among the transmission destination addresses of the outgoing mail, and the job applicant's behavior characteristics through the mail transmission / reception history Any feature amount that can possibly be estimated is acceptable.

メール内容特徴量算出部１２０５は、取得した求職者のメール本体情報に基づいて電子メールごとの特徴量を算出する。算出する特徴量は、例えばメール本体情報を自然言語解析し、シソーラス辞書等を用いることにより求めることができる、命令的な語彙の含まれている割合、叱責的な語彙の含まれている割合、激励的な語彙の含まれている割合、情報伝達のみを目的とした語彙の含まれている割合等である。特にこれらに限定されるものではなく、メール本体情報を通じて求職者の行動特性を推し量ることができる可能性がある特徴量であれば何でも良い。   The mail content feature amount calculation unit 1205 calculates a feature amount for each email based on the acquired mail body information of the job seeker. The feature amount to be calculated can be obtained by, for example, natural language analysis of the mail body information and using a thesaurus dictionary, etc., the proportion of imperative vocabulary included, the proportion of obscene vocabulary included, For example, the ratio of encouraging vocabulary and the ratio of vocabulary for the purpose of information transmission only. The feature amount is not particularly limited, and any feature amount may be used as long as the job seeker's behavior characteristics can be estimated through the mail body information.

集計情報生成部１２０６は、特徴量算出部３０６及びメール内容特徴量算出部１２０５にて算出した特徴量を所定の期間ごとに集計した集計情報を、求職者ごとに生成する。例えば１ヶ月ごとに特徴量を集計した集計情報を生成する。   The total information generation unit 1206 generates total information for each job seeker by totaling the feature amounts calculated by the feature amount calculation unit 306 and the mail content feature amount calculation unit 1205 for each predetermined period. For example, total information obtained by totaling feature amounts every month is generated.

行動特性情報算出部１２０７は、取得したメール履歴情報、すなわちメールログ情報を収集して集約したメール履歴情報及びメール本体情報に基づいて生成された集計情報と記憶してある数理モデルとに基づいて、第二の行動特性情報を算出する。メール履歴情報は、メール履歴情報取得部３０５及び求職者メール本体情報取得部１２０４にて新たに取得したメール履歴情報であることが好ましいが、メール履歴情報記憶部１３２に記憶されているメール履歴情報を取得しても良い。   The behavior characteristic information calculation unit 1207 is based on the acquired mail history information, that is, the mail history information collected by collecting the mail log information and the total information generated based on the mail main body information and the stored mathematical model. Second behavior characteristic information is calculated. The mail history information is preferably mail history information newly acquired by the mail history information acquisition unit 305 and the job seeker mail main body information acquisition unit 1204, but the mail history information stored in the mail history information storage unit 132 is used. You may get

類似度算出部３０９は、事前に必要行動特性情報記憶部１３１に記憶してある、企業側が求職者に対して求める第一の行動特性情報と、行動特性情報算出部１２０７で算出した第二の行動特性情報との類似度を、企業情報ごとに算出する。類似度の算出方法は特に限定されるものではないが、例えば行動特性情報を用いたベクトル間距離を算出しても良い。   The similarity calculation unit 309 stores the first behavior characteristic information that the company side asks for the job seeker, which is stored in the necessary behavior characteristic information storage unit 131 in advance, and the second behavior characteristic information calculated by the behavior characteristic information calculation unit 1207. The similarity with the behavior characteristic information is calculated for each company information. The method for calculating the similarity is not particularly limited. For example, the distance between vectors using behavior characteristic information may be calculated.

判断部３１０は、算出した類似度が所定値より大きい企業情報が存在するか否かを判断する。具体的には、例えば行動特性情報を用いて算出されたベクトル間距離が所定値よりも短いか否かを判断しても良い。   The determination unit 310 determines whether there is company information whose calculated similarity is greater than a predetermined value. Specifically, for example, it may be determined whether or not the distance between vectors calculated using the behavior characteristic information is shorter than a predetermined value.

企業情報抽出部３１１は、判断部３１０で、類似度が所定値より大きい企業情報が存在すると判断した場合、類似度が所定値より大きい企業情報を抽出する。これにより、企業が求職者に対して求める行動特性情報として事前に必要行動特性情報記憶部１３１に記憶してある第一の行動特性情報と類似する第二の行動特性情報を有する求職者に対して、抽出された企業情報を送信することで、求職者は不適合の少ない企業群の中から就職先企業を選択することができる。一方、企業に対して、必要行動特性情報記憶部１３１に記憶してある第一の行動特性情報と類似する第二の行動特性情報を有する求職者に関する情報を送信することにより、企業が求職者に対して求める行動特性情報を有する可能性の高い求職者に関する情報を企業が取得することができ、不適合の少ない求職者の中から採用候補者を選択することが可能となる。   When the determination unit 310 determines that there is company information with a similarity greater than a predetermined value, the company information extraction unit 311 extracts company information with a similarity greater than a predetermined value. Accordingly, for job seekers having second behavior characteristic information similar to the first behavior characteristic information stored in the necessary behavior characteristic information storage unit 131 in advance as behavior characteristic information that the company seeks for job seekers. By transmitting the extracted company information, the job seeker can select a company to be employed from a group of companies with few nonconformities. On the other hand, the company transmits information on the job seeker having the second behavior characteristic information similar to the first behavior characteristic information stored in the necessary behavior characteristic information storage unit 131, so that the company obtains the job seeker. The company can acquire information on job seekers who are highly likely to have the behavior characteristic information required for the job candidate, and can select recruitment candidates from job seekers with few nonconformities.

本発明の実施の形態２に係る就職支援装置１での数理モデル生成処理は、実施の形態１とは異なり、メール履歴情報にメール本体情報が含まれる。すなわち、電子メールごとの特徴量を算出する場合に、実施の形態１に記載してある過去一定期間内の送受信メール数、返信までに要したレスポンス時間の分布、過去一定期間内の滞留メール数と返信メール数との比率等だけではなく、例えばメール本体情報を自然言語解析し、シソーラス辞書等を用いることにより求めることができる、命令的な語彙の含まれている割合、叱責的な語彙の含まれている割合、激励的な語彙の含まれている割合、情報伝達のみを目的とした語彙の含まれている割合等も算出される。   Unlike the first embodiment, the mathematical model generation process in the employment support apparatus 1 according to the second embodiment of the present invention includes the mail body information in the mail history information. That is, when calculating the feature value for each e-mail, the number of sent / received mails within the past fixed period described in the first embodiment, the distribution of response time required for replying, the number of staying mails within the past fixed period As well as the ratio of the number of replies to the number of replies, for example, by analyzing the body information of the mail in a natural language and using a thesaurus dictionary, etc. The ratio of inclusion, the ratio of encouragement vocabulary, the ratio of vocabulary for the purpose of information transmission only, and the like are also calculated.

算出された特徴量を集計した集計情報を入力とし、企業が求職者に対して求める行動特性を示す行動特性情報を出力とする数理モデルを生成することにより、実施の形態１では判断することができなかった、より詳細な人的資質も含めた数理モデルを生成することができる。   In the first embodiment, it is possible to make a determination by generating a mathematical model that uses as input the aggregate information obtained by aggregating the calculated feature quantities and outputs the behavior characteristic information indicating the behavior characteristic that the company seeks for job seekers. Mathematical models including more detailed human qualities that could not be created can be generated.

なお、数理モデルの生成には、実施の形態１と同様、ニューラルネットワークの学習を用いることが望ましい。ニューラルネットワークの学習を用いることにより、企業の所属する者のメール履歴情報に基づく集計情報を取得すれば、第一の行動特性情報を算出することができる数理モデルを生成することができる。同じ数理モデルを求職者のメール履歴情報に基づく集計情報に適用することで、求職者の行動特性を示す第二の行動特性情報を容易に算出することができる。生成された数理モデルは、求職者の行動特性を示す行動特性情報を算出するために、企業を識別する企業情報ごとに数理モデル記憶部１３３に記憶される。   In addition, it is desirable to use learning of a neural network for the generation of the mathematical model as in the first embodiment. By using neural network learning, it is possible to generate a mathematical model that can calculate the first behavior characteristic information if the total information based on the mail history information of the person to whom the company belongs is acquired. By applying the same mathematical model to the aggregate information based on the job seeker's mail history information, it is possible to easily calculate the second behavior characteristic information indicating the behavior characteristic of the job seeker. The generated mathematical model is stored in the mathematical model storage unit 133 for each company information for identifying a company in order to calculate behavior characteristic information indicating a job seeker's behavior characteristic.

図１３は、本発明の実施の形態２に係る就職支援装置１のＣＰＵ１１の企業情報抽出処理の手順を示すフローチャートである。本実施の形態２でも、就職支援装置１が提供する就職支援サイトに求職者が接続した時点で、求職者が使用する端末装置３からメール本体情報を含むメール履歴情報が送信される場合について説明する。   FIG. 13 is a flowchart showing a procedure of company information extraction processing of the CPU 11 of the employment support apparatus 1 according to Embodiment 2 of the present invention. Also in the second embodiment, a case where mail history information including mail main body information is transmitted from the terminal device 3 used by the job seeker when the job seeker connects to the job support site provided by the job search support apparatus 1 will be described. To do.

図１３において、就職支援装置１のＣＰＵ１１は、求職者が使用する端末装置３が、就職支援サイトに接続しているか否かを判断する（ステップＳ１３０１）。ＣＰＵ１１が、就職支援サイトに接続していないと判断した場合（ステップＳ１３０１：ＮＯ）、ＣＰＵ１１は、接続待ち状態となる。   In FIG. 13, the CPU 11 of the employment support apparatus 1 determines whether or not the terminal device 3 used by the job seeker is connected to the employment support site (step S1301). When the CPU 11 determines that it is not connected to the employment support site (step S1301: NO), the CPU 11 enters a connection waiting state.

ＣＰＵ１１が、就職支援サイトに接続していると判断した場合（ステップＳ１３０１：ＹＥＳ）、ＣＰＵ１１は、端末装置３からメール履歴情報を受信したか否かを判断する（ステップＳ１３０２）。ＣＰＵ１１が、端末装置３からメール履歴情報を受信していないと判断した場合（ステップＳ１３０２：ＮＯ）、ＣＰＵ１１は、メール履歴情報の受信待ち状態となる。   When the CPU 11 determines that it is connected to the employment support site (step S1301: YES), the CPU 11 determines whether or not mail history information has been received from the terminal device 3 (step S1302). When the CPU 11 determines that the mail history information has not been received from the terminal device 3 (step S1302: NO), the CPU 11 enters a state of waiting for reception of the mail history information.

ＣＰＵ１１が、端末装置３からメール履歴情報を受信したと判断した場合（ステップＳ１３０２：ＹＥＳ）、ＣＰＵ１１は、受信したメール履歴情報に基づいて電子メールごとの特徴量を算出する（ステップＳ１３０３）。また、ＣＰＵ１１は、受信したメール履歴情報に含まれるメール本体情報に基づいて電子メールごとの特徴量を算出する（ステップＳ１３０４）。   When the CPU 11 determines that the mail history information has been received from the terminal device 3 (step S1302: YES), the CPU 11 calculates a feature amount for each electronic mail based on the received mail history information (step S1303). Further, the CPU 11 calculates a feature amount for each electronic mail based on the mail main body information included in the received mail history information (step S1304).

具体的には、メール本体情報を自然言語解析し、シソーラス辞書等を用いることにより求めることができる、命令的な語彙の含まれている割合、叱責的な語彙の含まれている割合、激励的な語彙の含まれている割合、情報伝達のみを目的とした語彙の含まれている割合等を算出する。   Specifically, it can be obtained by analyzing natural language of the mail body information and using a thesaurus dictionary, etc. The ratio of imperative vocabulary, the ratio of obscene vocabulary, and encouragement The ratio of the vocabulary included in the vocabulary, the ratio of the vocabulary included only for information transmission, and the like are calculated.

ＣＰＵ１１は、算出した特徴量ごとに所定の期間ごとに集計した集計情報を、求職者ごとに生成する（ステップＳ１３０５）。例えば１ヶ月ごとに特徴量を集計した集計情報を、求職者を識別する情報、例えば就職支援サイトに接続する場合に用いた求職者ＩＤごとに生成する。   CPU11 produces | generates the total information totaled for every predetermined period for every calculated feature-value for every job seeker (step S1305). For example, the total information obtained by collecting the feature values every month is generated for each job seeker ID used when connecting to information for identifying a job seeker, for example, a job support site.

ＣＰＵ１１は、生成した集計情報と、数理モデル記憶部１３３に記憶してある企業ごとの数理モデルに基づいて、複数の行動特性項目ＥＩnで構成された行動特性情報（第二の行動特性情報）を算出する（ステップＳ１３０６）。ＣＰＵ１１は、算出された行動特性情報（第二の行動特性情報）と、必要行動特性情報記憶部１３１に記憶してある必要行動特性情報（第一の行動特性情報）との類似度を算出する（ステップＳ１３０７）。 CPU11 includes a generated summary information, based on a mathematical model of each company which is stored in the mathematical model storage unit 133, the behavior characteristic information including a plurality of behavioral Characteristics Characteristics EI n (second behavioral characteristic information) Is calculated (step S1306). The CPU 11 calculates the similarity between the calculated behavior characteristic information (second behavior characteristic information) and the necessary behavior characteristic information (first behavior characteristic information) stored in the necessary behavior characteristic information storage unit 131. (Step S1307).

第二の行動特性情報と第一の行動特性情報との類似度の算出方法は特に限定されるものではない。例えば第二の行動特性情報及び第一の行動特性情報に含まれるｎ（ｎは自然数）個の行動特性項目ＥＩnをそれぞれ座標軸とするｎ次元空間におけるベクトル間距離として算出しても良い。この場合、ベクトル間距離が短いほど類似度は高く算出される。 The method for calculating the similarity between the second behavior characteristic information and the first behavior characteristic information is not particularly limited. For example, the distance between vectors in an n-dimensional space may be calculated using n (n is a natural number) behavior characteristic items EI n included in the second behavior characteristic information and the first behavior characteristic information as coordinate axes. In this case, the similarity is calculated higher as the distance between vectors is shorter.

ＣＰＵ１１は、算出した類似度が所定値より大きい企業情報が存在するか否かを判断し（ステップＳ１３０８）、ＣＰＵ１１が、算出した類似度が所定値より大きい企業情報が存在しないと判断した場合（ステップＳ１３０８：ＮＯ）、ＣＰＵ１１は、適当な企業が見つからない旨を示すメッセージを端末装置３へ送信して（ステップＳ１３１１）、処理を終了する。   The CPU 11 determines whether there is company information with a calculated similarity greater than a predetermined value (step S1308), and when the CPU 11 determines that there is no company information with a calculated similarity greater than a predetermined value (step S1308). In step S1308: NO), the CPU 11 transmits a message indicating that no suitable company is found to the terminal device 3 (step S1311), and ends the process.

ＣＰＵ１１が、算出した類似度が所定値より大きい企業情報が存在すると判断した場合（ステップＳ１３０８：ＹＥＳ）、ＣＰＵ１１は、算出した類似度が大きい順に企業情報を抽出して（ステップＳ１３０９）、抽出した企業情報を端末装置３へ送信する（ステップＳ１３１０）。   When the CPU 11 determines that there is company information whose calculated similarity is greater than a predetermined value (step S1308: YES), the CPU 11 extracts company information in descending order of the calculated similarity (step S1309) and extracts it. The company information is transmitted to the terminal device 3 (step S1310).

なお、ＣＰＵ１１が、算出した類似度が所定値より大きい企業情報が存在すると判断した場合（ステップＳ１３０８：ＹＥＳ）、ＣＰＵ１１は、企業情報により識別される企業が就職支援装置１とデータ通信することが可能に接続してあるコンピュータに対して、求職者に関する情報を送信しても良い。この場合、求職者ＩＤだけではなく、企業が指定した行動特性項目に対する項目値と、算出した類似度とを総合評価に関する情報として送信することが好ましい。これにより、類似度が大きい求職者から順に面接等の対象とすることができ、企業側及び求職者側の双方にとって不適合が生じることを未然に回避することができる。   If the CPU 11 determines that there is company information whose calculated similarity is greater than a predetermined value (step S1308: YES), the CPU 11 may allow the company identified by the company information to perform data communication with the employment support apparatus 1. Information regarding the job seeker may be transmitted to a computer that is connected as possible. In this case, it is preferable to transmit not only the job seeker ID but also the item value for the behavior characteristic item designated by the company and the calculated similarity as information on the comprehensive evaluation. This makes it possible to make interviews in order from job seekers with the highest degree of similarity, thereby avoiding the occurrence of incompatibility for both the company side and the job seeker side.

以上のように本実施の形態２によれば、求職者の電子メールのメール履歴情報の特徴量だけでなく、メール内容の特徴量も考慮した数理モデルに基づいて求職者の第二の行動特性情報を算出することにより、求職者が良く用いる言葉の傾向、文章の傾向等を加味した第二の行動特性情報を算出することができ、企業が求職者に対して求める人的資質を有しているか否かをより具体的に判断することが可能となる。   As described above, according to the second embodiment, the second behavior characteristic of the job seeker is based on the mathematical model considering not only the feature quantity of the mail history information of the job seeker but also the feature quantity of the mail content. By calculating the information, it is possible to calculate the second behavioral characteristic information that takes into consideration the tendency of the words often used by job seekers, the tendency of sentences, etc., and the company has the human qualities required by job seekers It becomes possible to judge more specifically whether or not.

また、本発明は上記実施の形態１及び２に限定されるものではなく、本発明の趣旨の範囲内の記載であれば多種の変形、置換等が可能であることは言うまでもない。例えば、ダウンロードする就職支援用プログラムは、メールログ情報及びメール本体情報を収集して集約したメール履歴情報を就職支援装置１へ送信するようにしているが、就職支援用プログラムにて集計情報を生成してから、集計情報のみを就職支援装置１へ送信するようにしても良い。   The present invention is not limited to Embodiments 1 and 2 described above, and it goes without saying that various modifications and substitutions are possible as long as the description is within the scope of the present invention. For example, the job-hunting support program to be downloaded is configured to send mail history information collected by collecting mail log information and mail body information to the job-hunting support apparatus 1, but the job-hunting support program generates aggregate information. Then, only the total information may be transmitted to the employment support apparatus 1.

１ 就職支援装置
２ メールサーバ
３ 端末装置
４ ネットワーク
１１ ＣＰＵ
１２ メモリ
１３ 記憶装置
１４ Ｉ／Ｏインタフェース
１５ ビデオインタフェース
１６ 通信インタフェース
１７ 可搬型ディスクドライブ
１８ 内部バス
９０ 可搬型記録媒体
１００ コンピュータプログラム
１３１ 必要行動特性情報記憶部
１３２ メール履歴情報記憶部
１３３ 数理モデル記憶部 DESCRIPTION OF SYMBOLS 1 Employment support device 2 Mail server 3 Terminal device 4 Network 11 CPU
DESCRIPTION OF SYMBOLS 12 Memory 13 Storage device 14 I / O interface 15 Video interface 16 Communication interface 17 Portable disk drive 18 Internal bus 90 Portable recording medium 100 Computer program 131 Required action characteristic information storage part 132 Mail history information storage part 133 Mathematical model storage part

Claims (21)

企業にとって必要とされる求職者の行動特性に関する第一の行動特性情報を、企業を識別する企業情報ごとに記憶する必要行動特性情報記憶部と、
企業に所属する者の電子メールの送受信履歴に関する第一のメール履歴情報を取得する基本履歴情報取得手段と、
取得した第一のメール履歴情報に基づいて電子メールごとの第一の特徴量を算出する第一の特徴量算出手段と、
算出した第一の特徴量を所定の期間ごとに集計した第一の集計情報を生成する第一の集計情報生成手段と、
前記第一の集計情報を入力とし、前記第一の行動特性情報を出力とする数理モデルを生成する数理モデル生成手段と、
求職者の電子メールの送受信履歴に関する第二のメール履歴情報を取得するメール履歴情報取得手段と、
取得した第二のメール履歴情報に基づいて電子メールごとの第二の特徴量を算出する第二の特徴量算出手段と、
算出した第二の特徴量を所定の期間ごとに集計した第二の集計情報を生成する第二の集計情報生成手段と、
生成した第二の集計情報及び生成した数理モデルに基づいて、求職者の行動特性に関する第二の行動特性情報を算出する行動特性情報算出手段と、
記憶してある第一の行動特性情報と、算出した第二の行動特性情報との類似度を企業情報ごとに算出する類似度算出手段と、
算出した類似度が所定値より大きい企業情報が存在するか否かを判断する判断手段と、
該判断手段で、類似度が所定値より大きい企業情報が存在すると判断した場合、類似度が所定値より大きい企業情報を抽出する企業情報抽出手段と
を備えることを特徴とする就職支援装置。 A required behavior characteristic information storage unit that stores first behavior characteristic information related to job seeker behavior characteristics required for a company for each company information that identifies the company;
Basic history information acquisition means for acquiring first mail history information related to email transmission / reception history of a person belonging to a company;
First feature amount calculating means for calculating a first feature amount for each e-mail based on the acquired first mail history information;
First aggregate information generating means for generating first aggregate information in which the calculated first feature amount is aggregated for each predetermined period;
Mathematical model generation means for generating a mathematical model having the first aggregate information as an input and the first behavior characteristic information as an output;
Email history information acquisition means for acquiring second email history information related to the job applicant's email transmission / reception history;
Second feature amount calculating means for calculating a second feature amount for each email based on the acquired second mail history information;
A second total information generating means for generating second total information in which the calculated second feature amount is totaled for each predetermined period;
Action characteristic information calculating means for calculating second action characteristic information relating to the job seeker's action characteristic based on the generated second aggregate information and the generated mathematical model;
Similarity calculation means for calculating the similarity between the stored first behavior characteristic information and the calculated second behavior characteristic information for each company information;
A determination means for determining whether there is company information having a calculated similarity greater than a predetermined value;
Employment support apparatus comprising: company information extracting means for extracting company information having a similarity greater than a predetermined value when the determination means determines that there is company information having a similarity greater than a predetermined value. 求職者が使用する外部コンピュータから、前記第二のメール履歴情報を収集するメール情報収集モジュール送信の指示を受信する指示受信手段と、
前記指示の送信元である外部コンピュータへ、前記メール情報収集モジュールをダウンロードするダウンロード手段と
を備えることを特徴とする請求項１記載の就職支援装置。 An instruction receiving means for receiving an instruction to send the mail information collection module for collecting the second mail history information from an external computer used by the job seeker;
The employment support apparatus according to claim 1, further comprising: a download unit that downloads the mail information collection module to an external computer that is a transmission source of the instruction. 電子メールの本体部分であるメール本体情報を取得するメール本体情報取得手段と、
取得したメール本体情報を自然言語解析してメール内容の特徴量を算出するメール内容特徴量算出手段と
を備え、
前記第一の集計情報生成手段又は前記第二の集計情報生成手段は、前記第一の特徴量算出手段又は前記第二の特徴量算出手段でそれぞれ算出した第一の特徴量又は第二の特徴量、及び前記メール内容特徴量算出手段で算出したメール内容の特徴量を所定の期間ごとに集計した第一の集計情報又は第二の集計情報をそれぞれ生成するようにしてあり、
前記行動特性情報算出手段は、取得した前記第二のメール履歴情報、前記メール本体情報、及び生成した数理モデルに基づいて前記第二の行動特性情報を算出するようにしてあることを特徴とする請求項１又は２記載の就職支援装置。 Mail body information acquisition means for acquiring mail body information which is the body part of the email;
A mail content feature amount calculating means for calculating the feature amount of the mail content by performing natural language analysis on the acquired mail body information, and
The first total information generation unit or the second total information generation unit is a first feature amount or a second feature calculated by the first feature amount calculation unit or the second feature amount calculation unit, respectively. A first total information or a second total information obtained by totaling the amount and the mail content feature amount calculated by the mail content feature amount calculating unit for each predetermined period;
The behavior characteristic information calculation means calculates the second behavior characteristic information based on the acquired second mail history information, the mail body information, and the generated mathematical model. The employment support apparatus according to claim 1 or 2. 前記第一の特徴量算出手段又は前記第二の特徴量算出手段は、
過去一定期間内の送受信メール数、返信までに要したレスポンス時間の分布、過去一定期間内の滞留メール数と返信メール数との比率、送受信アドレスごとの出現率のうち、少なくとも１つを含む第一の特徴量又は第二の特徴量をそれぞれ算出するようにしてあることを特徴とする請求項１乃至３のいずれか一項に記載の就職支援装置。 The first feature quantity calculating means or the second feature quantity calculating means is:
The number includes at least one of the number of emails sent and received within a certain period in the past, the distribution of response time required for replying, the ratio between the number of staying emails and the number of replies within the past certain period, and the appearance rate for each sent and received address The employment support apparatus according to any one of claims 1 to 3, wherein one feature amount or second feature amount is calculated. 前記数理モデル生成手段は、前記第一の集計情報を入力とし、前記第一の行動特性情報を出力とする数理モデルを、ニューラルネットワークの学習により生成するようにしてあることを特徴とする請求項１乃至４のいずれか一項に記載の就職支援装置。   The mathematical model generation means is configured to generate a mathematical model having the first aggregated information as an input and the first behavior characteristic information as an output by learning of a neural network. The employment support apparatus according to any one of 1 to 4. 前記企業情報抽出手段で抽出した企業情報を前記求職者が使用する外部コンピュータへ送信する企業情報送信手段を備えることを特徴とする請求項２乃至５のいずれか一項に記載の就職支援装置。   The employment support apparatus according to any one of claims 2 to 5, further comprising company information transmission means for transmitting the company information extracted by the company information extraction means to an external computer used by the job seeker. 前記企業情報抽出手段で抽出した企業情報に対応する企業に対して、前記求職者を識別する情報を送信する求職者識別情報送信手段を備えることを特徴とする請求項２乃至６のいずれか一項に記載の就職支援装置。   7. A job seeker identification information transmitting unit that transmits information for identifying the job seeker to a company corresponding to the company information extracted by the company information extracting unit. The employment support device according to item. 企業にとって必要とされる求職者の行動特性に関する第一の行動特性情報を、企業を識別する企業情報ごとに記憶する工程と、
企業に所属する者の電子メールの送受信履歴に関する第一のメール履歴情報を取得する工程と、
取得した第一のメール履歴情報に基づいて電子メールごとの第一の特徴量を算出する工程と、
算出した第一の特徴量を所定の期間ごとに集計した第一の集計情報を生成する工程と、
前記第一の集計情報を入力とし、前記第一の行動特性情報を出力とする数理モデルを生成する工程と、
求職者の電子メールの送受信履歴に関する第二のメール履歴情報を取得する工程と、
取得した第二のメール履歴情報に基づいて電子メールごとの第二の特徴量を算出する工程と、
算出した第二の特徴量を所定の期間ごとに集計した第二の集計情報を生成する工程と、
生成した第二の集計情報及び生成した数理モデルに基づいて、求職者の行動特性に関する第二の行動特性情報を算出する工程と、
記憶してある第一の行動特性情報と、算出した第二の行動特性情報との類似度を企業情報ごとに算出する工程と、
算出した類似度が所定値より大きい企業情報が存在するか否かを判断する工程と、
類似度が所定値より大きい企業情報が存在すると判断した場合、類似度が所定値より大きい企業情報を抽出する工程と
を含むことを特徴とする就職支援方法。 Storing first behavior characteristic information on job seeker behavior characteristics required for a company for each company information for identifying the company;
A step of obtaining first mail history information related to an email transmission / reception history of a person belonging to a company;
Calculating a first feature amount for each e-mail based on the acquired first mail history information;
Generating first aggregate information in which the calculated first feature amount is aggregated for each predetermined period;
Generating a mathematical model with the first aggregate information as an input and the first behavior characteristic information as an output;
Obtaining second email history information relating to the email transmission / reception history of the job seeker;
Calculating a second feature amount for each email based on the acquired second email history information;
A step of generating second tabulation information in which the calculated second feature amount is tabulated every predetermined period;
Calculating second behavior characteristic information related to the job seeker's behavior characteristics based on the generated second aggregate information and the generated mathematical model;
Calculating the degree of similarity between the stored first behavior characteristic information and the calculated second behavior characteristic information for each company information;
Determining whether there is company information having a calculated similarity greater than a predetermined value;
And a step of extracting company information whose similarity is greater than a predetermined value when it is determined that there is company information whose similarity is greater than a predetermined value. 求職者が使用する外部コンピュータから、前記第二のメール履歴情報を収集するメール情報収集モジュール送信の指示を受信する工程と、
前記指示の送信元である外部コンピュータへ、前記メール情報収集モジュールをダウンロードする工程と
を含むことを特徴とする請求項８記載の就職支援方法。 Receiving an instruction to send a mail information collection module for collecting the second mail history information from an external computer used by the job seeker;
The employment support method according to claim 8, further comprising: downloading the mail information collection module to an external computer that is a transmission source of the instruction. 電子メールの本体部分であるメール本体情報を取得する工程と、
取得したメール本体情報を自然言語解析してメール内容の第一の特徴量又は第二の特徴量を算出する工程と
を含み、
それぞれ算出した第一の特徴量又は第二の特徴量、及び算出したメール内容の特徴量を所定の期間ごとに集計した第一の集計情報又は第二の集計情報をそれぞれ生成し、
取得した前記第二のメール履歴情報、前記メール本体情報、及び生成した数理モデルに基づいて前記第二の行動特性情報を算出することを特徴とする請求項８又は９記載の就職支援方法。 Obtaining email body information which is the body portion of the email;
A natural language analysis of the acquired mail body information to calculate a first feature value or a second feature value of the mail content, and
First calculated first feature value or second feature value, and first calculated total information or second total information obtained by calculating the calculated feature value of the mail content for each predetermined period,
The employment support method according to claim 8 or 9, wherein the second behavior characteristic information is calculated based on the acquired second mail history information, the mail body information, and the generated mathematical model. 過去一定期間内の送受信メール数、返信までに要したレスポンス時間の分布、過去一定期間内の滞留メール数と返信メール数との比率、送受信アドレスごとの出現率のうち、少なくとも１つを含む第一の特徴量又は第二の特徴量をそれぞれ算出することを特徴とする請求項８乃至１０のいずれか一項に記載の就職支援方法。   The number includes at least one of the number of emails sent and received within a certain period in the past, the distribution of response time required for replying, the ratio between the number of staying emails and the number of replies within the past certain period, and the appearance rate for each sent and received address The employment support method according to any one of claims 8 to 10, wherein one feature amount or a second feature amount is calculated. 前記第一の集計情報を入力とし、前記第一の行動特性情報を出力とする数理モデルを、ニューラルネットワークの学習により生成することを特徴とする請求項８乃至１１のいずれか一項に記載の就職支援方法。   12. The mathematical model having the first aggregate information as an input and the first behavior characteristic information as an output is generated by learning of a neural network. 12. Employment support method. 抽出した企業情報を前記求職者が使用する外部コンピュータへ送信する工程を含むことを特徴とする請求項９乃至１２のいずれか一項に記載の就職支援方法。   The employment support method according to any one of claims 9 to 12, further comprising a step of transmitting the extracted company information to an external computer used by the job seeker. 抽出した企業情報に対応する企業に対して、前記求職者を識別する情報を送信する工程を含むことを特徴とする請求項９乃至１３のいずれか一項に記載の就職支援方法。   The employment support method according to any one of claims 9 to 13, further comprising a step of transmitting information for identifying the job seeker to a company corresponding to the extracted company information. 企業にとって必要とされる求職者の行動特性に関する第一の行動特性情報を、企業を識別する企業情報ごとに記憶しておき、求職者に企業情報を提供する就職支援装置で実行することが可能なコンピュータプログラムにおいて、
前記就職支援装置を、
企業に所属する者の電子メールの送受信履歴に関する第一のメール履歴情報を取得する基本履歴情報取得手段、
取得した第一のメール履歴情報に基づいて電子メールごとの第一の特徴量を算出する第一の特徴量算出手段、
算出した第一の特徴量を所定の期間ごとに集計した第一の集計情報を生成する第一の集計情報生成手段、
前記第一の集計情報を入力とし、前記第一の行動特性情報を出力とする数理モデルを生成する数理モデル生成手段、
求職者の電子メールの送受信履歴に関する第二のメール履歴情報を取得するメール履歴情報取得手段、
取得した第二のメール履歴情報に基づいて電子メールごとの第二の特徴量を算出する第二の特徴量算出手段、
算出した第二の特徴量を所定の期間ごとに集計した第二の集計情報を生成する第二の集計情報生成手段、
生成した第二の集計情報及び生成した数理モデルに基づいて、求職者の行動特性に関する第二の行動特性情報を算出する行動特性情報算出手段、
記憶してある第一の行動特性情報と、算出した第二の行動特性情報との類似度を企業情報ごとに算出する類似度算出手段、
算出した類似度が所定値より大きい企業情報が存在するか否かを判断する判断手段、及び
該判断手段で、類似度が所定値より大きい企業情報が存在すると判断した場合、類似度が所定値より大きい企業情報を抽出する企業情報抽出手段
として機能させることを特徴とするコンピュータプログラム。 It is possible to store the first behavior characteristic information related to job seeker's behavior characteristics required for a company for each company information that identifies the company, and to execute it on the employment support device that provides company information to the job seeker Computer program,
The employment support apparatus,
Basic history information acquisition means for acquiring first email history information related to email transmission / reception history of persons belonging to the company,
A first feature amount calculating means for calculating a first feature amount for each e-mail based on the acquired first mail history information;
First aggregate information generating means for generating first aggregate information in which the calculated first feature amount is aggregated every predetermined period;
A mathematical model generating means for generating a mathematical model having the first aggregate information as an input and the first behavior characteristic information as an output;
Email history information acquisition means for acquiring second email history information related to the email transmission / reception history of the job seeker,
A second feature amount calculating means for calculating a second feature amount for each e-mail based on the acquired second mail history information;
A second tabulation information generating means for generating second tabulation information in which the calculated second feature amount is tabulated every predetermined period;
Action characteristic information calculating means for calculating second action characteristic information relating to the job seeker's action characteristic based on the generated second aggregate information and the generated mathematical model;
Similarity calculation means for calculating the similarity between the stored first behavior characteristic information and the calculated second behavior characteristic information for each company information;
Judgment means for judging whether there is company information with a calculated similarity greater than a predetermined value, and when the judgment means determines that there is company information with a similarity greater than a predetermined value, the similarity is a predetermined value. A computer program that functions as a company information extraction means for extracting larger company information. 前記就職支援装置を、
求職者が使用する外部コンピュータから、前記第二のメール履歴情報を収集するメール情報収集モジュール送信の指示を受信する指示受信手段、及び
前記指示の送信元である外部コンピュータへ、前記メール情報収集モジュールをダウンロードするダウンロード手段
として機能させることを特徴とする請求項１５記載のコンピュータプログラム。 The employment support apparatus,
Instruction receiving means for receiving an instruction to send the mail information collecting module for collecting the second mail history information from an external computer used by the job seeker, and the mail information collecting module to the external computer that is the sender of the instruction The computer program according to claim 15, wherein the computer program is made to function as a download unit that downloads. 前記就職支援装置を、
電子メールの本体部分であるメール本体情報を取得するメール本体情報取得手段、及び
取得したメール本体情報を自然言語解析してメール内容の特徴量を算出するメール内容特徴量算出手段
として機能させ、
前記第一の集計情報生成手段又は前記第二の集計情報生成手段を、前記第一の特徴量算出手段又は前記第二の特徴量算出手段でそれぞれ算出した第一の特徴量又は第二の特徴量、及び前記メール内容特徴量算出手段で算出したメール内容の特徴量を所定の期間ごとに集計した第一の集計情報又は第二の集計情報をそれぞれ生成する手段として機能させ、
前記行動特性情報算出手段を、取得した前記第二のメール履歴情報、前記メール本体情報、及び生成した数理モデルに基づいて前記第二の行動特性情報を算出する手段として機能させることを特徴とする請求項１５又は１６記載のコンピュータプログラム。 The employment support apparatus,
A mail body information acquisition means for acquiring mail body information which is a body part of the email, and a mail content feature amount calculation means for calculating the feature quantity of the mail content by analyzing the acquired mail body information by natural language;
The first feature amount or the second feature calculated by the first feature amount calculation unit or the second feature amount calculation unit, respectively, for the first total information generation unit or the second total information generation unit. Function as a means for generating the first total information or the second total information obtained by totaling the amount and the characteristic amount of the mail content calculated by the mail content feature amount calculation unit for each predetermined period,
The behavior characteristic information calculating means functions as means for calculating the second behavior characteristic information based on the acquired second mail history information, the mail body information, and the generated mathematical model. The computer program according to claim 15 or 16. 前記第一の特徴量算出手段又は前記第二の特徴量算出手段を、
過去一定期間内の送受信メール数、返信までに要したレスポンス時間の分布、過去一定期間内の滞留メール数と返信メール数との比率、送受信アドレスごとの出現率のうち、少なくとも１つを含む第一の特徴量又は第二の特徴量をそれぞれ算出する手段として機能させることを特徴とする請求項１５乃至１７のいずれか一項に記載のコンピュータプログラム。 The first feature amount calculating means or the second feature amount calculating means,
The number includes at least one of the number of emails sent and received within a certain period in the past, the distribution of response time required for replying, the ratio between the number of staying emails and the number of replies within the past certain period, and the appearance rate for each sent and received address The computer program according to any one of claims 15 to 17, wherein the computer program is caused to function as means for calculating each of the one feature quantity or the second feature quantity. 前記数理モデル生成手段を、前記第一の集計情報を入力とし、前記第一の行動特性情報を出力とする数理モデルを、ニューラルネットワークの学習により生成する手段として機能させることを特徴とする請求項１５乃至１８のいずれか一項に記載のコンピュータプログラム。   The mathematical model generation means functions as a means for generating a mathematical model having the first aggregated information as an input and the first behavior characteristic information as an output by learning a neural network. The computer program according to any one of 15 to 18. 前記就職支援装置を、
前記企業情報抽出手段で抽出した企業情報を前記求職者が使用する外部コンピュータへ送信する企業情報送信手段
として機能させることを特徴とする請求項１６乃至１９のいずれか一項に記載のコンピュータプログラム。 The employment support apparatus,
The computer program according to any one of claims 16 to 19, wherein the computer information is made to function as a company information transmitting unit that transmits the company information extracted by the company information extracting unit to an external computer used by the job seeker. 前記就職支援装置を、
前記企業情報抽出手段で抽出した企業情報に対応する企業に対して、前記求職者を識別する情報を送信する求職者識別情報送信手段
として機能させることを特徴とする請求項１６乃至２０のいずれか一項に記載のコンピュータプログラム。 The employment support apparatus,
The function as job seeker identification information transmitting means for transmitting information for identifying the job seeker to a company corresponding to the company information extracted by the company information extracting means. The computer program according to one item.
JP2009080894A 2009-03-30 2009-03-30 Device and method for supporting employment, and computer program Pending JP2010231685A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2009080894A JP2010231685A (en) 2009-03-30 2009-03-30 Device and method for supporting employment, and computer program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2009080894A JP2010231685A (en) 2009-03-30 2009-03-30 Device and method for supporting employment, and computer program

Publications (1)

Publication Number Publication Date
JP2010231685A true JP2010231685A (en) 2010-10-14

Family

ID=43047406

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2009080894A Pending JP2010231685A (en) 2009-03-30 2009-03-30 Device and method for supporting employment, and computer program

Country Status (1)

Country Link
JP (1) JP2010231685A (en)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015164022A (en) * 2014-02-28 2015-09-10 日本電気株式会社 Matching device, matching method, and program
JP2016062322A (en) * 2014-09-18 2016-04-25 日本電気株式会社 Evaluation device, evaluation method, and evaluation system for evaluation target person
JP2017515246A (en) * 2014-03-14 2017-06-08 サリル，パンデ Career analysis platform
KR101917139B1 (en) * 2018-01-12 2018-11-09 인천대학교 산학협력단 Server for providing job platform and operating method thereof
JP2019152962A (en) * 2018-03-01 2019-09-12 木村情報技術株式会社 Employment support system and information transmission system
JP2021009532A (en) * 2019-07-01 2021-01-28 アケハナ株式会社 Basic social skill evaluation system
US10922656B2 (en) 2008-06-17 2021-02-16 Vmock Inc. Internet-based method and apparatus for career and professional development via structured feedback loop
JP7299663B1 (en) * 2023-01-24 2023-06-28 株式会社Nga Job Recruitment Support Device, Recruitment Job Search Support Program and Recruitment Job Search Support System

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10922656B2 (en) 2008-06-17 2021-02-16 Vmock Inc. Internet-based method and apparatus for career and professional development via structured feedback loop
US11055667B2 (en) 2008-06-17 2021-07-06 Vmock Inc. Internet-based method and apparatus for career and professional development via structured feedback loop
US11494736B2 (en) 2008-06-17 2022-11-08 Vmock Inc. Internet-based method and apparatus for career and professional development via structured feedback loop
JP2015164022A (en) * 2014-02-28 2015-09-10 日本電気株式会社 Matching device, matching method, and program
JP2017515246A (en) * 2014-03-14 2017-06-08 サリル，パンデ Career analysis platform
US11120403B2 (en) 2014-03-14 2021-09-14 Vmock, Inc. Career analytics platform
US11887058B2 (en) 2014-03-14 2024-01-30 Vmock Inc. Career analytics platform
JP2016062322A (en) * 2014-09-18 2016-04-25 日本電気株式会社 Evaluation device, evaluation method, and evaluation system for evaluation target person
KR101917139B1 (en) * 2018-01-12 2018-11-09 인천대학교 산학협력단 Server for providing job platform and operating method thereof
JP2019152962A (en) * 2018-03-01 2019-09-12 木村情報技術株式会社 Employment support system and information transmission system
JP2021009532A (en) * 2019-07-01 2021-01-28 アケハナ株式会社 Basic social skill evaluation system
JP7299663B1 (en) * 2023-01-24 2023-06-28 株式会社Nga Job Recruitment Support Device, Recruitment Job Search Support Program and Recruitment Job Search Support System

Similar Documents

Publication Publication Date Title
JP2010231685A (en) Device and method for supporting employment, and computer program
US9990609B2 (en) Evaluating service providers using a social network
US20120117232A1 (en) Device Identification and Monitoring System and Method
JP5965557B1 (en) Similarity learning system and similarity learning method
CN109978020B (en) Social network account number vest identity identification method based on multi-dimensional features
JP5125558B2 (en) RECOMMENDATION INFORMATION PROVIDING DEVICE, RECOMMENDATION INFORMATION PROVIDING METHOD, RECOMMENDATION INFORMATION PROVIDING SYSTEM, AND RECOMMENDATION INFORMATION PROVIDING PROGRAM
JP2014149713A (en) Image evaluation device
CN111026853B (en) Target problem determining method and device, server and customer service robot
JP6526849B1 (en) Estimation device, estimation method and estimation program
JP2015106295A (en) Web site evaluation system, web site evaluation method, and quality evaluation server
CN114238573A (en) Information pushing method and device based on text countermeasure sample
EP2613275B1 (en) Search device, search method, search program, and computer-readable memory medium for recording search program
JP6752330B1 (en) Machine learning-based matching equipment and matching methods
JPWO2016189605A1 (en) Data analysis system, control method, control program, and recording medium therefor
JP5271952B2 (en) Server apparatus, evaluation method, and evaluation program
CN116975393A (en) Enterprise portrait construction method and device and electronic equipment
JP5233518B2 (en) Search analysis server device and search analysis method
KR102481516B1 (en) Personality test-based couple matching service system using mbti
JP6535863B2 (en) Information processing apparatus and program
JP5369826B2 (en) Schedule display method and program taking importance into account
KR101264289B1 (en) System for declarating and managing invention for company
CN107491492B (en) method, device, server and storage medium for processing question request
JP5656254B2 (en) Communication event log creation system, communication event log creation method and program
JP5976244B1 (en) Patentee evaluation device
JP2017151574A (en) User information processing server and processing method of user information