JP2018124729A - マッチング測定装置、方法およびプログラム - Google Patents

Abstract

【課題】対象者に対して、マッチングの度合が高い組織がどこなのかを測定することができ、また、組織に対して、マッチングの度合が高い対象者は誰なのかを測定することができるマッチング測定装置を提供する。【解決手段】業界用語を含む種々の用語を構造化して集積するコーパスを記憶するコーパス記憶部２１と、対象者に関連するテキストデータを含む第１情報源に基づいて対象者ごとに複数の対象者特徴語を生成する対象者特徴語生成部１１と、組織に関連するテキストデータを含む第２情報源に基づいて組織ごとに複数の組織特徴語を生成する組織特徴語生成部１２と、コーパスを参照して、対象者特徴語と組織特徴語との類似度を測定する類似度測定部１３とを備える。【選択図】図１

Description

本発明は、組織と人とのマッチングの度合を測定するマッチング測定装置、方法およびプログラムに関する。

現在、多種多様な人材と組織とをマッチングさせるためのシステムが種々提案されている。

例えば、特許文献１には、求職情報データベースに、就業形態として転職と派遣のいずれか一方のみが記憶されている場合には、求人情報データベースに記憶された求人情報の雇用形態条件との適合判定を行い、また、求職情報データベースに、就業形態として転職と派遣の一方を他方に対して優先させてどちらも記憶されている場合には、求人情報データベースに記憶された求人情報の雇用形態条件との適合判定を行うことなく検索を行うサーバ装置が開示されている。

特開２００７−３０５００６号公報

しかしながら、特許文献１のサーバ装置では、求職者が希望する就業形態に応じて、求人情報の雇用形態条件を利用した適合判定を行うか否かを判断する構成であり、当該構成を応用しても、求職者が希望する条件を組み替えながら適合する求職情報を絞り込むような構成しか考えられない。また、組織側の主観により対象者の配属先が決まることもある。この場合には、組織側の条件を組み替えながら適合する配属先を絞り込むような構成しか考えられない。

例えば、新規卒業者、転職者、および社内異動者などの、企業や国・地方公共団体などにおいて就業する可能性のある対象者（以下、「対象者」という。）に対して、マッチングの度合が高い組織はどこなのかを特定するためには、求職者の希望という主観的な指標や組織側の主観だけでなく、客観的な指標に基づき、対象者と組織との親和性を図ることが有用であると考えられる。

本発明では、客観的な指標に基づき、対象者と組織との親和性を図り、対象者に対して、マッチングの度合が高い組織がどこなのかを測定することができ、また、組織に対して、マッチングの度合が高い対象者は誰なのかを測定することができるマッチング測定装置、方法およびプログラムを提供することを目的とする。

上記目的を達成するために、本発明の一態様におけるマッチング測定装置は、業界用語を含む種々の用語を構造化して集積するコーパスを記憶するコーパス記憶部と、対象者に関連するテキストデータを含む第１情報源に基づいて対象者ごとに複数の対象者特徴語を生成する対象者特徴語生成部と、組織に関連するテキストデータを含む第２情報源に基づいて組織ごとに複数の組織特徴語を生成する組織特徴語生成部と、前記コーパスを参照して、前記対象者特徴語と前記組織特徴語との類似度を測定する類似度測定部とを備える。

本発明の一態様におけるマッチング測定方法は、対象者に関連するテキストデータを含む第１情報源に基づいて対象者ごとに複数の対象者特徴語を生成する対象者特徴語生成工程と、組織に関連するテキストデータを含む第２情報源に基づいて組織ごとに複数の組織特徴語を生成する組織特徴語生成工程と、業界用語を含む種々の用語を構造化して集積するコーパスを参照して、前記対象者特徴語と前記組織特徴語との類似度を測定する類似度測定工程とを備える。

本発明の一態様におけるマッチング測定プログラムは、対象者に関連するテキストデータを含む第１情報源に基づいて対象者ごとに複数の対象者特徴語を生成する対象者特徴語生成工程と、組織に関連するテキストデータを含む第２情報源に基づいて組織ごとに複数の組織特徴語を生成する組織特徴語生成工程と、業界用語を含む種々の用語を構造化して集積するコーパスを参照して、前記対象者特徴語と前記組織特徴語との類似度を測定する類似度測定工程と、をコンピュータによって実現するためのプログラムである。

本発明によれば、客観的な指標に基づき、対象者と組織との親和性を図り、対象者に対して、マッチングの度合が高い組織がどこなのかを測定することができ、また、組織に対して、マッチングの度合が高い対象者は誰なのかを測定することができる。

マッチング測定装置の構成を示すブロック図である。 コーパスの生成手順についての説明に供する図である。 対象者特徴語と組織特徴語の類似度を測定する手順についての説明に供する図である。 単語間距離に基づいて類似度を計測した場合の単語の関係についての説明に供する図である。 性格的情報から生成される性格特徴語と、組織特徴語との類似度、および性格的情報に含まれている点数に基づき性格的類似度を測定する手順についての説明に供する図である。 組織ごとに適合度が高い順に対象者を提示する画面の表示例を示す図である。 対象者ごとに業務分析に基づく適合度（技術的な適合度）が高い順に組織を提示する画面の表示例を示す図である。 対象者ごとに性格分析に基づく適合度（性格的な適合度）が高い順に組織を提示する画面の表示例を示す図である。 マッチング測定装置を利用した具体的な実施例についての説明に供する図である。 マッチング測定装置によるマッチングの測定を行う手順についての説明に供するフローチャートである。

以下、本発明の実施形態に係るマッチング測定装置、方法およびプログラムについて図面を参照しながら説明する。なお、実施形態を説明する全図において、共通の構成要素には同一の符号を付し、繰り返しの説明を省略する。

企業には、経理部、営業部、販売部、開発部、人事部などの複数の組織がある。また、組織ごとに要求される能力や経歴などがある。マッチング測定装置１は、対象者に対して、マッチングの度合が高い組織はどこなのかを測定し、対象者と組織との客観的な親和性を図ることができる。さらに、マッチング測定装置１は、組織に対して、マッチングの度合が高い対象者は誰なのかを測定することもできる。なお、組織とは、企業や国・地方公共団体などを構成する組織を意味し、各種の部署や、社長室や、経営企画室や、秘書課なども含む概念である。

マッチング測定装置１は、図１に示すように、対象者特徴語生成部１１と、組織特徴語生成部１２と、類似度測定部１３と、コーパス記憶部２１と、対象者情報記憶部２２と、組織情報記憶部２３とを備える。

＜コーパスの生成手順＞
コーパス記憶部２１は、業界用語を含む種々の用語を構造化して集積するコーパスを記憶する。

ここで、コーパスの生成手順について図２を参照して説明する。クローラ部３１は、図２に示すように、ネットワークＮを介して、所定のサーバ２にアクセスして情報を収集する。所定のサーバ２とは、業界用語を含む種々な用語が含まれている情報を管理しているサーバである。

コーパス生成部３２は、クローラ部３１により収集した情報（テキスト情報）に基づいて形態素解析を行って、単語（名詞など）を抽出し、抽出した単語を構造化してコーパスを生成する。生成したコーパスは、コーパス記憶部２１に記憶される。なお、クロールによる単語の収集に加えて、既存の用語・辞書データやコーパスを用いてもよい。

＜対象者特徴語生成部の構成＞
対象者特徴語生成部１１は、対象者に関連するテキストデータを含む第１情報源に基づいて対象者ごとに複数の対象者特徴語を生成する。なお、第１情報源は、対象者情報記憶部２２に記憶されている。

第１情報源とは、職務経歴や大学での専攻や研究内容などの対象者の特徴が含まれているエントリーシート（ＥＳ）や、具体的な研究内容が示されている研究論文などが該当する。例えば、対象者が新規卒業者の場合には、対象者特徴語生成部１１は、第１情報源に基づいて形態素解析を行い、大学での専攻、研究論文のテーマ、自由記述欄（例えば、自己ＰＲ欄）に記載されている得意な技術などを示す対象者特徴語を生成する。

対象者特徴語生成部１１は、第１情報源からテキストデータを抽出し、形態素解析や構文解析などの自然言語処理により、単語（名詞など）を特定し、特定した単語の一部を対象者特徴語とする。特定された単語から対象者特徴語を選定する際には、単語の頻度（登場回数）を加味することも考えられる。その際には、ＴＦ−ＩＤＦ（ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ − ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）等のモデルを用いることができる。ＴＦとは、情報内における単語の出現頻度を表すスコアである。１つの情報に多く出現する単語ほど重要度が高くなる。ＩＤＦとは、多数の情報に出現する単語ほど重要度が低くなるスコアである。複数の情報において横断的に出現する単語ほど重要度が低くなる。

また、エントリーシートは、複数の項目を有するが、そのうちどの項目から特徴語を生成するかは自由に設定することができる。また、後述するように、項目ごとに重み係数を設定することもできる。

また、実際には、第１情報源に基づいて形態素解析した場合、マッチングには不適な単語（対象者の特徴を表さない単語）が含まれることがある。対象者特徴語生成部１１は、マッチングの精度を向上させるために、マッチングには不適な単語をストップワードとして設定し、ストップワードが対象者特徴語には含まれないように処理を行う構成としてもよい。

＜組織特徴語生成部の構成＞
組織特徴語生成部１２は、組織に関連するテキストデータを含む第２情報源に基づいて組織ごとに複数の組織特徴語を生成する。なお、第２情報源は、組織情報記憶部２３に記憶されている。

第２情報源とは、組織の特徴が含まれている業務分掌規程や業務分担資料などである。例えば、組織特徴語生成部１２は、第２情報源に基づいて形態素解析を行い、主に組織で取り扱う技術情報や製品情報などを示す組織特徴語を生成する。

また、実際には、第２情報源に基づいて形態素解析した場合、マッチングには不適な単語（組織の特徴を表さない単語）が含まれることがある。組織特徴語生成部１２は、マッチングの精度を向上させるために、マッチングには不適な単語をストップワードとして設定し、ストップワードが組織特徴語には含まれないように処理を行う構成としてもよい。

また、第２情報源は、組織に属する職員に関連する情報から生成してもよい。職員に関連する情報とは、例えば、職員の過去のエントリーシートや研究論文である。組織特徴語生成部１２は、職員に関する情報に基づいて形態素解析を行い、組織特徴語を生成する。

また、人事評価情報を用いて、第２情報源として用いる職員の抽出を行う構成も考えられる。当該構成によれば、人事評価の高い職員の組織特徴語にマッチングする対象者は、当該職員が所属する組織にもマッチングし、配属後に活躍が期待できると判断できる。一方、人事評価の低い職員の組織特徴語にマッチングする対象者は、当該職員が所属する組織にマッチングせず、配属後の活躍が期待できないと判断できる。

＜類似度測定部の構成＞
類似度測定部１３は、コーパス記憶部２１に記憶されているコーパスを参照して、対象者特徴語と組織特徴語との類似度を測定する。

具体的には、類似度測定部１３は、コーパスにより生成されるベクトル空間における対象者特徴語と組織特徴語との差分ベクトルに基づき単語間距離を計算し、単語間距離に基づいて、対象者特徴語と組織特徴語との類似度を測定する。

ここで、コーパスを参照して、単語間距離に基づいて類似度を計測した場合の単語の関係について、図３を用いて説明する。なお、コーパスは、実際には、数百次元のベクトル空間上に単語の意味を捉えて配置されるが、図３では、それを二次元平面に投射し、意味的に「データベース」に近い単語と、意味的に「ＢｉｇＤａｔａ」に近い単語と、意味的に「プログラミング」に近い単語の関係を模式的に示している。単語間距離が近いほど、意味的に近く、ベクトル的に距離が離れているほど、意味的に遠いと解釈される。

一例として、「データベース」に近い単語の中でも、「ＲＤＢＭＳ」と「ＮｏＳＱＬ」とでは意味的な違いにより単語間の距離が離れており、類似度は低く測定される。また、「ＮｏＳＱＬ」と「ビッグデータ系ソリューション」は、併せて用いられるケースが多く、類似度が高く測定され、親和性も高い。また、「ビッグデータ系ソリューション」の実装言語である「Ｊａｖａ（登録商標）」や「Ｓｃａｌａ（登録商標）」は、「ビッグデータ系ソリューション」との類似度が高く測定され、親和性も高い。また、ＷｅｂのＵＩマークアップ言語である「ＨＴＭＬ」は、「ビッグデータ系ソリューション」や「データベース」との距離は遠く、類似度が低いと測定され、親和性も低い。

具体的には、類似度測定部１３は、図４に示すように、自然言語処理技術（例えば、Ｗｏｒｄ２Ｖｅｃなど）を利用して対象者特徴語Ａ１，Ａ２・・・と、組織特徴語ａ１，ａ２・・・をベクトル（特徴ベクトル）化し、すべてのベクトル同士のコサイン距離（コサイン類似度）を計算することにより、それぞれの類似度を測定する。類似度測定部１３は、算出したコサイン距離（−１〜＋１）に基づいて類似度（０〜１）を算出する。算出手順は、コサイン距離に１を加算し、２で除算することにより類似度を算出する。また、類似度が「１」に近いほど類似度が高く（関連性が高い）、「０」に近いほど類似度が低い（関連性が低い）。

また、類似度測定部１３は、計算したそれぞれの単語間距離を統計処理（例えば、中央値、平均値、または最頻値の算出などの処理）する。当該統計処理の結果に基づいて、対象者特徴語と組織特徴語との類似度を総合的に測定する。また、複数の対象者特徴語と複数の組織特徴語との類似度を総合的に測定した結果は、対象者と組織の適合度（マッチング度）を示すことになる。統計処理の結果が「１」に近いほど類似度が高い（関連性が高い）と測定し、「０」に近いほど類似度が低い（関連性が低い）と測定する。つまり、「１」に近いほど対象者と組織の適合度が高く、「０」に近いほど対象者と組織の適合度が低くなる。

＜抽象化＞
新規卒業者のエントリーシートなどには、学生時代に扱ってきた研究等の用語（大学や研究室に固有の用語）が含まれており、企業側の用語とは異なる場合がある。また、企業側の資料にも企業や業界に特有の用語が含まれており、対象者の用語とは異なる場合がある。このような固有の用語を用いたままマッチングを行うとマッチングの精度が低くなる可能性がある。

そこで、マッチング測定装置１は、コーパスを利用して対象者側の用語と企業側の用語を抽象化することにより、マッチングの精度を向上する構成としてもよい。

対象者特徴語生成部１１は、第１情報源から抽出された語句を、コーパスに基づき抽象化された語句に置き換えることにより対象者特徴語を生成する。

具体的には、コーパス記憶部２１には、コーパスに基づいて生成した、対象者に関連する単語を抽象化するための変換テーブルが含まれている。対象者特徴語生成部１１は、第１情報源から抽出された語句を、変換テーブルを利用して他の語句に置き換えることにより対象者特徴語を生成する。

また、組織特徴語生成部１２は、第２情報源から抽出された語句を、コーパスに基づき抽象化された語句に置き換えることにより組織特徴語を生成する。

具体的には、コーパス記憶部２１には、コーパスに基づいて生成した、組織に関連した単語を抽象化するための変換テーブルが含まれている。組織特徴語生成部１２は、第２情報源から抽出された語句を、変換テーブルを利用して他の語句に置き換えることにより組織特徴語を生成する。

よって、マッチング測定装置１は、変換テーブルに基づいて抽象化して対象者特徴語と、変換テーブルに基づいて抽象化した組織特徴語の類似度を測定するので、マッチングの精度を高めることができる。

なお、変換テーブルは、コーパスを構成する全単語の単語間距離を計算し、単語間距離が近い単語同士が変換されるように作成されてもよい。

＜性格診断テスト＞
第１情報源には、上述したような対象者の技術的専門性に関する技術的情報と、対象者の性格に関連する性格的情報の２種類が含まれる構成でもよい。技術的情報とは、上述したエントリーシートや研究論文が該当する。性格的情報とは、複数の質問に回答することにより、回答者の外向性や誠実性や協調性などの性格的な特徴を診断するテスト（以下、「性格診断テスト」という）の結果が該当する。

類似度測定部１３は、性格診断テストの項目文章から生成される特徴語（以下、「性格特徴語」という。）と、組織特徴語との類似度、および性格的情報に含まれている点数に基づき性格的類似度を測定する。なお、性格的類似度を測定する際に使用する組織特徴語は、業務分掌規程や業務分担資料の他、部署方針書や人事評価情報も利用して生成される。部署方針書には、部署の求める人員の性格などが記載されている。よって、部署方針書を利用すれば、部署の求める人員の性格を示す特徴語を生成することができる。また、人事評価の高い職員の人事評価を利用することにより、人事評価の高い職員を示す特徴語を生成することができる。

性格診断テストの結果は、対象者が「社交的であるか」、「物事を深く考えるか」、「忍耐強いか」、「活動的であるか」などの複数の項目で採点が行われている。類似度測定部１３は、例えば、「活動的であるか」という項目に含まれる文章から「活動的」という語句を性格特徴語として生成する。

ここで、複数の性格特徴語ＡＡ１，ＡＡ２・・・と、複数の組織特徴語ａａ１，ａａ２・・・の類似度を測定する場合を一例として、図５を用いて説明する。

類似度測定部１３は、性格特徴語ＡＡ１と、すべての組織特徴語ａａ１，ａａ２・・・の類似度を総当たりで測定し、総当たりで測定した類似度に統計処理（例えば、中央値、平均値、または最頻値の算出などの処理）を行う。

類似度測定部１３は、統計処理の結果に性格的特徴語ＡＡ１を抽出した項目の点数を乗じることにより、性格特徴語ＡＡ１と組織特徴語ａａ１，ａａ２・・・の類似度（以下、「処理後類似度」という。）を算出する。

類似度測定部１３は、上述と同様の処理を行って、他の性格特徴語ＡＡ２，ＡＡ３・・・と組織特徴語ａａ１，ａａ２・・・の処理後類似度をそれぞれ算出する。

類似度測定部１３は、すべての処理後類似度の統計処理（例えば、中央値、平均値、または最頻値の算出などの処理）を行って、性格的類似度を求める。

よって、マッチング測定装置１は、エントリーシートなどに基づく技術的情報に基づいて測定した技術的類似度だけでなく、性格的情報に基づいて測定した性格的類似度を考慮するので、組織と対象者のマッチングの度合をより高い精度で測定することができる。なお、ここに示した性格的類似度の算出法は一例であり、他の方法により性格的類似度を算出してもよい。

＜提示処理部の構成＞
また、マッチング測定装置１は、図１に示すように、類似度測定部１３により測定された複数の類似度に、第１情報源の種類に応じて付与されている重み付けを行って統計処理により適合度を算出し、対象者ごとに適合度が高い順に組織を提示する、または、組織ごとに適合度が高い順に対象者を提示する提示処理部１４を備える構成でもよい。

例えば、第１情報源が、「大学での専攻」に関する情報と、「研究論文テーマ」に関する情報と、「自己ＰＲ欄に記載される得意な技術」に関する情報から構成される場合を想定して説明する。また、「大学での専攻」に関する情報には、重み係数Ｗ１を付与し、「研究論文テーマ」に関する情報には、重み係数Ｗ２を付与し、「自己ＰＲ欄に記載される得意な技術」に関する情報には、重み係数Ｗ３を付与するものとする。なお、「Ｗ１＜Ｗ２＜Ｗ３」とするが、「Ｗ３＜Ｗ２＜Ｗ１」や「Ｗ１＜Ｗ３＜Ｗ２」などでもよい。

提示処理部１４は、「大学での専攻」に関する情報から生成した対象者特徴語と、組織特徴語との類似度が「０．４」の場合、重み係数Ｗ１を乗じて、「０．４×Ｗ１」にする。

提示処理部１４は、「研究論文テーマ」に関する情報から生成した対象者特徴語と、組織特徴語との類似度が「０．５」の場合、重み係数Ｗ１を乗じて、「０．５×Ｗ２」にする。

提示処理部１４は、「自己ＰＲ欄に記載される得意な技術」に関する情報から生成した対象者特徴語と組織特徴語との類似度が「０．１」の場合、重み係数Ｗ１を乗じて、「０．１×Ｗ３」にする。

また、提示処理部１４は、各類似度を統計処理（例えば、中央値、平均値、または最頻値の算出などの処理）を行う。統計処理の結果が「１」に近いほど対象者と組織の適合度（技術的な適合度）が高く、「０」に近いほど対象者と組織の適合度（技術的な適合度）が低くなる。

つまり、例えば、「大学での専攻」に関する対象者特徴語と組織特徴語との類似度が低くても、より重要視する（と仮定する）「自己ＰＲ欄に記載される得意な技術」に関する対象者特徴語と組織特徴語との類似度が高ければ、重み係数Ｗ３を加味することにより、「自己ＰＲ欄に記載される得意な技術」に関連する対象者特徴語の影響を大きくし、高い適合度を算出することができる。

なお、「研究論文テーマ」に関する情報に、さらに、学術論文、博士論文、雑誌に投稿した論文など複数の論文が含まれる場合、それぞれに異なる重み係数Ｗを設定する構成でもよい。

＜特徴語の出現頻度を加味する構成＞
また、提示処理部１４は、適合度を算出する際に、第１情報源における対象者特徴語の出現頻度に基づく重み係数を加味する構成でもよい。

よって、マッチング測定装置１は、第１情報源において類似度の高い対象者特徴語の出現頻度が高い場合には、当該対象者と組織との適合度が高くなり、組織と対象者のマッチングの度合をより高い精度で測定することができる。

また、提示処理部１４は、適合度を算出する際に、第２情報源における組織特徴語の出現頻度に基づく重み係数を加味する構成でもよい。

よって、マッチング測定装置１は、第２情報源においてある組織特徴語の出現頻度が高い場合には、当該組織特徴語と対象者特徴語との類似度が高くなり、組織と対象者のマッチングの度合をより高い精度で測定することができる。

＜画面表示例（１）＞
組織ごとに適合度が高い順に対象者を提示する例について、図６を用いて説明する。提示処理部１４は、図６に示すように、企業側担当者の端末装置に測定結果を提示する。

端末装置では、適合度が表示されるアプリケーション（以下、「適合度アプリ」という。）を起動すると、本部目線で項目を選択できる本部選択項目（図６中のＸ１１）と、組織目線で項目を選択できる部署選択項目（図６中のＸ１２）と、対象者の適合度などが一覧表示される一覧表示項目（図６中のＸ１３）とから構成されている画面が表示される。なお、図６に示す例では、対象者と組織との適合度を「業務適合度」として示してある。

業務適合度（ａ）は、利用者に見やすいように（理解しやすいように）、類似度（ｂ）を式（１）に代入して算出している。
ａ＝１００×ｂ ・・・（１）

例えば、類似度が「０」の場合には、業務適合度は、「０％」と表示され、類似度が「０．５」の場合には、業務適合度は、「５０％」と表示され、類似度が「１」の場合には、業務適合度は、「１００％」と表示される。

また、適合度アプリは、対象者（図６に示す例では、新規卒業者）の情報が格納されているサーバと連携しており、一覧表示項目Ｘ１３において、業務適合度と、対象者の情報（新卒ＩＤ、氏名、学校名、学部名称、学科名称など）を関連付けて表示する。

本部選択項目Ｘ１１を操作（任意の項目を選択）することにより、本部目線で業務適合度の高い新規卒業者を一覧表示させることができる。

また、部署選択項目Ｘ１２を操作（任意の項目を選択）することにより、組織目線で業務適合度の高い新規卒業者を一覧表示させることができる。

よって、企業側担当者は、本部選択項目Ｘ１１または部署選択項目Ｘ１２を任意に選択するだけで、選択した組織に適合する対象者を一画面で把握することができ、対象者の配属先を簡便に決定することができる。なお、上述では、組織ごとに適合度が高い順に対象者を提示する例について説明したが、当該例に限らず、組織ごとに技術的な適合度が高い順に対象者を提示したり、組織ごとに性格的な適合度が高い順に対象者を提示してもよい。

＜画面表示例（２）＞
対象者ごとに業務分析に基づく適合度（技術的な適合度）が高い順に組織を提示する例について、図７を用いて説明する。提示処理部１４は、図７に示すように、企業側担当者の端末装置に測定結果を提示する。

端末装置では、適合度アプリを起動すると、対象者を選択する対象者選択項目（図７中のＸ２１）と、対象者の情報が表示される対象者情報表示項目（図７中のＸ２２）と、技術的な適合度の高い部署を表示する適合度表示項目（図７中のＸ２３）とから構成されている。なお、図７に示す例では、研究論文に基づいて測定した対象者と組織との適合度を「専攻適合度」とし、エントリーシート（ＥＳ）に基づいて測定した対象者と組織との適合度を「ＥＳ適合度」として示してあるが、これに限られず、各適合度にそれぞれの情報源ごとの重み係数を乗じて、総合的な適合度により示してもよい。

対象者選択項目Ｘ２１において、所望の対象者を選択することにより、対象者情報表示項目Ｘ２２に選択した対象者の情報が表示され、適合度表示項目Ｘ２３に選択した対象者が適合する組織（図７に示す例では、部署）が表示される。なお、図７では、適合度表示項目Ｘ２３に適合する組織が上位から３つ表示される例を示しているが、組織数は、３つに限られない。また、適合度表示項目Ｘ２３に示される組織は、対象者の配属先のレコメンドとして利用することもできる。

また、対象者情報表示項目Ｘ２２には、対象者選択項目Ｘ２１で選択された対象者の情報（図７に示す例では、新卒ＩＤ、氏名、学校名、学部名称、学科名称など）と、配属実績（配属実績がなければブランクになる）と、対象者特徴語（図７に示す例では、ＥＳの学科情報に関連する特徴語と、ＥＳの自由記述欄情報に関連する特徴語）が表示される。

また、適合度表示項目Ｘ２３には、適合度の高い組織とともに、組織特徴語も併せて表示される。

よって、企業側担当者は、対象者選択項目Ｘ２１において所望の対象者を選択するだけで、対象者の情報や、対象者特徴語や、組織特徴語や、対象者に技術的に適合する組織を一画面で把握することができ、対象者の配属先を簡便に決定することができる。

＜画面表示例（３）＞
対象者ごとに性格分析に基づく適合度（性格的な適合度）が高い順に組織を提示する例について、図８を用いて説明する。提示処理部１４は、図８に示すように、企業側担当者の端末装置に測定結果を提示する。

端末装置では、適合度アプリを起動すると、対象者を選択する対象者選択項目（図８中のＸ３１）と、対象者の情報が表示される対象者情報表示項目（図８中のＸ３２）と、性格的な適合度の高い部署を表示する適合度表示項目（図８中のＸ３３）とから構成されている。なお、図８に示す例では、性格診断テストの結果に基づいて測定した対象者と組織との適合度を「性格適合度」として示してある。

対象者選択項目Ｘ３１において、所望の対象者を選択することにより、対象者情報表示項目Ｘ３２に選択した対象者の情報が表示され、適合度表示項目Ｘ３３に選択した対象者が適合する組織（図８に示す例では、部署）が表示される。なお、図８では、適合度表示項目Ｘ３３に適合する組織が上位から３つ表示される例を示しているが、組織数は、３つに限られない。また、適合度表示項目Ｘ３３に示される組織は、対象者の配属先のレコメンドとして利用することもできる。

また、適合度表示項目Ｘ３３には、適合度の高い組織とともに、組織特徴語も併せて表示される。

よって、企業側担当者は、対象者選択項目Ｘ３１において所望の対象者を選択するだけで、対象者の情報や、組織特徴語や、対象者に性格的に適合する組織を一画面で把握することができ、対象者の配属先を簡便に決定することができる。なお、＜画面表示例（２）＞では、対象者ごとに技術的な適合度が高い順に組織を提示する例について説明し、＜画面表示例（３）＞では、対象者ごとに性格的な適合度が高い順に組織を提示する例について説明したが、当該例に限らず、＜画面表示例（１）＞のように、技術的な適合度と性格的な適合度の双方を考慮した総合判断の結果に基づいて対象者ごとに適合度が高い順に組織を提示してもよい。さらに、技術的な適合度や、性格的な適合度や、総合的な適合度の低い順に組織を提示してもよいし、対象者が現在所属している組織との適合度をピンポイントで提示してもよい。

＜実施例＞
つぎに、マッチング測定装置１を利用した具体的な実施例について、図９を用いて説明する。本実施例では、対象者を新規卒業者とし、組織を部署として説明する。

特徴語の抽出から企業担当者の端末装置に測定結果が表示されるまでの代表的な流れは、図９に示すように、データ取得（特徴語抽出）工程Ｓ１と、抽象化工程Ｓ２と、適合度算出工程Ｓ３と、可視化工程Ｓ４とに分けられる。

データ取得（特徴語抽出）工程Ｓ１では、新規卒業者のエントリー情報（ＥＳや研究論文など）に基づいて、形態素解析を行い、対象者特徴語を抽出する。なお、対象者特徴語に一般的な語句が含まれないように、ストップワードの制御を行う。

例えば、エントリー情報が「・ソフトウェア工学専攻、・研究：Ｓｐａｒｋによる自然言語解析、・Ｗｏｄ２ｖｅｃによる単語意味解析の他、ｄｏｃ２ｖｅｃによる文章レベル意味解析を得意とする」の場合、対象者特徴語は、「Ｓｐａｒｋ」、「自然言語解析」、「Ｗｏｒｄ２ｖｅｃ」、「単語意味解析」、「Ｄｏｃ２ｖｅｃ」、「文章レベル意味解析」などになる。

また、データ取得（特徴語抽出）工程Ｓ１では、部署情報（業務分掌規程や業務分担資料など）に基づいて、形態素解析を行い、組織特徴語を抽出する。なお、組織特徴語に一般的な語句が含まれないように、ストップワードの制御を行う。

例えば、部署情報が「・部署名：先進技術領域ＩｏＴ技術部、・リアルタイムな車両情報（ブレーキ、アクセル、車体故障状態等）をＯＤＢ経由でＩＯＴＢＡＢに送信、・ＩＯＴＢＡＢの情報を機械学習させ、ドライバーに、車体故障情報のほか、リアルタイムに燃費効率向上のためのドライビング情報のレコメンドを行う技術を先端分析技術の研究」の場合、組織特徴語は、「ＩｏＴ技術」、「リアルタイム」、「ＯＤＢ」、「ＩＯＴＢＡＢ」、「レコメンド」、「機械学習」、「先端分析技術」などになる。

つぎに、抽象化工程Ｓ２では、特徴語を抽象化する。本実施例では、組織特徴語を抽象化する場合を示す。具体的には、データ取得（特徴語抽出）工程Ｓ１で抽出した組織特徴語をコーパス（業界用語コーパス）を利用して抽象化する。なお、コーパス（業界用語コーパス）は、所定のサーバに保存されている一般情報の他、製造業用語集や自動車業界用語集等を学習させたものを想定している。

例えば、「ＩｏＴ技術」、「リアルタイム」、「ＯＤＢ」、「ＩＯＴＢＡＢ」、「レコメンド」、「機械学習」、「先端分析技術」のうち、「ＯＤＢ」を「車両故障情報取得プロトコル」に抽象化し、「ＩＯＴＢＡＢ」を「ＩｏＴ業務分析基盤」に抽象化する。なお、以下では、抽象化後の組織特徴語を抽象化後組織特徴語という。

適合度算出工程Ｓ３では、対象者特徴語と抽象化後組織特徴語の類似度を総当たりで算出する。例えば、自然言語処理技術（例えば、Ｗｏｒｄ２Ｖｅｃなど）を利用してすべての対象者特徴語とすべての抽象化後組織特徴語をベクトル（特徴ベクトル）化し、総当たりでベクトル同士のコサイン距離（コサイン類似度）を計算する。そして、総当たりで計算したすべてのコサイン距離に基づいて算出した中央値を適合度に設定する。なお、適合度は、中央値に限らず、平均値や最頻値であってもよい。また、頻出単語については、出現回数に応じた重み係数を掛け合わせる処理を行う構成でもよい。

可視化工程Ｓ４では、適合度算出工程Ｓ３で算出した適合度を用いて、選択した新規卒業者ごとに適合度が高い順に部署を提示したり（図９中のＸ４１）、選択した部署ごとに適合度が高い順に対象者を提示する（図９中のＸ４２）。なお、選択した部署ごとに適合度が高い順に対象者を提示する場合、適合度の降順で表示される。

＜方法＞
つぎに、マッチング測定装置１によるマッチングの測定を行う手順について、図１０に示すフローチャートを用いて説明する。

ステップＳ１１において、対象者特徴語生成部１１は、対象者に関連するテキストデータを含む第１情報源に基づいて対象者ごとに複数の対象者特徴語を生成する（対象者特徴語生成工程）。

ステップＳ１２において、組織特徴語生成部１２は、組織に関連するテキストデータを含む第２情報源に基づいて組織ごとに複数の組織特徴語を生成する（組織特徴語生成工程）。

ステップＳ１３において、類似度測定部１３は、業界用語を含む種々の用語を構造化して集積するコーパスを参照して、対象者特徴語と組織特徴語との類似度を測定する（類似度測定工程）。

ステップＳ１４において、提示処理部１４は、ステップＳ１３の工程により測定された複数の類似度に、第１情報源の種類に応じて付与されている重み付けを行って統計処理により適合度を算出し、対象者ごとに適合度が高い順に組織を提示する、または、組織ごとに適合度が高い順に対象者を提示する（提示処理工程）。

よって、マッチング測定装置１は、客観的な指標に基づき、対象者と組織との親和性を図り、対象者に対して、マッチングの度合が高い組織がどこなのかを測定し、対象者ごとに適合度が高い順に組織を提示することができ、また、組織に対して、マッチングの度合が高い対象者は誰なのかを測定し、組織ごとに適合度が高い順に対象者を提示することができる。

＜プログラム＞
また、本実施例では、主に、客観的な指標に基づき、対象者と組織との親和性を図り、対象者に対して、マッチングの度合が高い組織がどこなのかを測定し、また、組織に対して、マッチングの度合が高い対象者は誰なのかを測定するマッチング測定装置１の構成と動作について説明したが、これに限られず、各構成要素を備え、客観的な指標に基づき、対象者と組織との親和性を図り、対象者に対して、マッチングの度合が高い組織がどこなのかを測定し、また、組織に対して、マッチングの度合が高い対象者は誰なのかを測定するための方法、およびプログラムとして構成されてもよい。

また、マッチング測定装置１を構成する各機能を実現するためのプログラムをコンピュータで読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現してもよい。

具体的には、当該プログラムは、対象者に関連するテキストデータを含む第１情報源に基づいて対象者ごとに複数の対象者特徴語を生成する対象者特徴語生成工程と、組織に関連するテキストデータを含む第２情報源に基づいて組織ごとに複数の組織特徴語を生成する組織特徴語生成工程と、業界用語を含む種々の用語を構造化して集積するコーパスを参照して、対象者特徴語と組織特徴語との類似度を測定する類似度測定工程と、をコンピュータによって実現するためのプログラムである。

さらに、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータで読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

さらに「コンピュータで読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短期間で動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。

１ マッチング測定装置、２ サーバ、１１ 対象者特徴語生成部、１２ 組織特徴語生成部、１３ 類似度測定部、１４ 提示処理部、２１ コーパス記憶部、２２ 対象者情報記憶部、２３ 組織情報記憶部、３１ クローラ部、３２コーパス生成部

Claims (14)

1. 業界用語を含む種々の用語を構造化して集積するコーパスを記憶するコーパス記憶部と、
   対象者に関連するテキストデータを含む第１情報源に基づいて対象者ごとに複数の対象者特徴語を生成する対象者特徴語生成部と、
   組織に関連するテキストデータを含む第２情報源に基づいて組織ごとに複数の組織特徴語を生成する組織特徴語生成部と、
   前記コーパスを参照して、前記対象者特徴語と前記組織特徴語との類似度を測定する類似度測定部とを備えるマッチング測定装置。
2. 前記類似度測定部は、前記コーパスにより生成されるベクトル空間における前記対象者特徴語と前記組織特徴語との差分ベクトルに基づき単語間距離を計算し、前記単語間距離に基づいて、前記対象者特徴語と前記組織特徴語との類似度を測定する請求項１記載のマッチング測定装置。
3. 前記類似度測定部は、前記コーパスにより生成されるベクトル空間における複数の対象者特徴語と複数の組織特徴語との差分ベクトルに基づき単語間距離をそれぞれ計算し、計算したそれぞれの単語間距離を演算処理し、当該演算処理の結果に基づいて、前記対象者特徴語と前記組織特徴語との類似度を総合的に測定する請求項２記載のマッチング測定装置。
4. 前記対象者特徴語生成部は、前記第１情報源から抽出された語句を、前記コーパスに基づき抽象化された語句に置き換えることにより前記対象者特徴語を生成する請求項１から３のいずれか一項に記載のマッチング測定装置。
5. 前記コーパス記憶部には、コーパスに基づいて生成した、対象者に関連する単語を抽象化するための変換テーブルが含まれており、
   前記対象者特徴語生成部は、前記第１情報源から抽出された語句を、前記変換テーブルを利用して他の語句に置き換えることにより前記対象者特徴語を生成する請求項４記載のマッチング測定装置。
6. 前記組織特徴語生成部は、前記第２情報源から抽出された語句を、前記コーパスに基づき抽象化された語句に置き換えることにより前記組織特徴語を生成する請求項１から４のいずれか一項に記載のマッチング測定装置。
7. 前記コーパス記憶部には、コーパスに基づいて生成した、組織に関連した単語を抽象化するための変換テーブルが含まれており、
   前記組織特徴語生成部は、前記第２情報源から抽出された語句を、前記変換テーブルを利用して他の語句に置き換えることにより前記組織特徴語を生成する請求項６記載のマッチング測定装置。
8. 前記第１情報源には、対象者の専門性に関する技術的情報と、対象者の性格に関連する性格的情報の２種類が含まれ、
   前記類似度測定部は、
   前記技術的情報から生成される対象者特徴語と組織特徴語との類似度に基づき技術的類似度を測定し、
   前記性格的情報から生成される特徴語と組織特徴語との類似度および前記性格的情報に含まれている点数に基づき性格的類似度を測定する請求項１から７のいずれか一項に記載のマッチング測定装置。
9. 前記類似度測定部により測定された複数の類似度に、前記第１情報源の種類に応じて付与されている重み付けを行って統計処理により適合度を算出し、対象者ごとに適合度が高い順に組織を提示する、または、組織ごとに適合度が高い順に対象者を提示する提示処理部を備える請求項１から８のいずれか一項に記載のマッチング測定装置。
10. 前記提示処理部は、適合度を算出する際に、前記第１情報源における前記対象者特徴語の出現頻度に基づく重み係数を加味する請求項９記載のマッチング測定装置。
11. 前記提示処理部は、適合度を算出する際に、前記第２情報源における前記組織特徴語の出現頻度に基づく重み係数を加味する請求項９または１０記載のマッチング測定装置。
12. 前記第２情報源には、組織に属する職員に関連する情報が含まれる請求項１から１１のいずれか一項に記載のマッチング測定装置。
13. 対象者に関連するテキストデータを含む第１情報源に基づいて対象者ごとに複数の対象者特徴語を生成する対象者特徴語生成工程と、
    組織に関連するテキストデータを含む第２情報源に基づいて組織ごとに複数の組織特徴語を生成する組織特徴語生成工程と、
    業界用語を含む種々の用語を構造化して集積するコーパスを参照して、前記対象者特徴語と前記組織特徴語との類似度を測定する類似度測定工程とを備えるマッチング測定方法。
14. 対象者に関連するテキストデータを含む第１情報源に基づいて対象者ごとに複数の対象者特徴語を生成する対象者特徴語生成工程と、
    組織に関連するテキストデータを含む第２情報源に基づいて組織ごとに複数の組織特徴語を生成する組織特徴語生成工程と、
    業界用語を含む種々の用語を構造化して集積するコーパスを参照して、前記対象者特徴語と前記組織特徴語との類似度を測定する類似度測定工程と、をコンピュータによって実現するためのマッチング測定プログラム。