JP2019053640A - 人にマッチするタスクを提示する方法及び装置並びにタスクにマッチする人を提示する方法及び装置 - Google Patents

Abstract

【課題】従業員とタスクとをより効率的にマッチングすることに役立つための人にマッチするタスクを提示する方法及び装置を提供する。【解決手段】従業員に対して、従業員にマッチするタスクを提示する方法であって、従業員のスキルの特徴ベクトルを求めるステップと、タスクの特徴ベクトルを求めるステップと、従業員のスキルの特徴ベクトルと、タスクの特徴ベクトルと、の類似度を求めるステップと、類似度を求めるステップを、複数のタスクの特徴ベクトルに対して実行するステップと、類似度を求めたタスクの特徴ベクトルうち、従業員のスキルの特徴ベクトルとの類似度が大きいタスクの特徴ベクトルのタスクを、従業員に対して提示するステップと、を含む、従業員にマッチするタスクを提示する方法。【選択図】 図１

Description

本発明は、人にマッチするタスクを提示する方法及び装置並びにタスクにマッチする人を提示する方法及び装置に関する。特に、従業員にタスクを割り当てるのに用いられる方法及び装置に関する。

ある業務を実行する場合に、その業務を構成する「タスク」を従業員（人）に割り当てる必要がある。
このような割り当て作業は、古典的には、もっぱら人為的な手法により、例えば管理者が、各従業員にヒアリングをして、従業員のスキルや希望を聞き、その結果に基づき、上司が適宜、各従業員にタスクを割り当てることが多く行われてきた。

しかしながら、近年、大規模なプロジェクト等を効率的に進めるために、プロジェクトの進捗状況の全体を把握し、タスクの人材を効率的に割り当てることができる仕組みが多く提案されている。
例えば、下記特許文献１には、プロジェクト全体の進捗を閲覧し、作業状況や負荷を把握する事ができるシステムが開示されている。この特許文献１に記載されているシステムによれば、負荷のかかるタスクや、負荷のかかる期間を推測し、日程調整や人員の確保等を行い、プロジェクトを円滑に進めることが可能であると記載されている。

特開２００４−１１８６４８号公報

このように、従来からプロジェクトの状況を把握し、それに基づき、適宜、従業員に割り振りを決定するシステムは、広く活用されてきた。
これに対して、本発明の発明者は、適切に従業員にタスクの割り当てを行うには、従業員のスキルとタスクをより詳細に比較し検討することが重要と考えられるが、従来、そのようなシステムは知られていない。
本発明は上記事情に鑑みなされたものであり、従業員のスキルとタスクの内容とをより精密に比較し、従業員とタスクとをより効率的にマッチングすることに役立つための人にマッチするタスクを提示する方法及び装置並びにタスクにマッチする人を提示する方法及び装置を提供することを目的とする。

第１の本発明は、人に対して、前記人にマッチするタスクを提示する方法であって、前記人のスキルの特徴ベクトルを求めるステップと、前記タスクの特徴ベクトルを求めるステップと、前記人のスキルの特徴ベクトルと、前記タスクの特徴ベクトルと、の類似度を求めるステップと、前記類似度を求めるステップを、複数のタスクの特徴ベクトルに対して実行するステップと、類似度を求めた前記タスクの特徴ベクトルうち、前記人のスキルの特徴ベクトルとの前記類似度が大きい前記タスクの特徴ベクトルの前記タスクを、前記人に対して提示するステップと、を含む人にマッチするタスクを提示する方法である。

第２の本発明は、請求項１記載の発明において、前記タスクの特徴ベクトルは、前記タスクに対する１又は２以上のタグ付けと、タグ付けされたそれぞれの前記タグに対して求められるレベルと、からなるベクトルであることを特徴とする。

第３の本発明は、請求項１又は２記載の発明において、前記人の特徴ベクトルは、前記人に対する１又は２以上のタグ付けと、タグ付けされたそれぞれの前記タグに対して、前記人が現状保持するレベルと、からなるベクトルであることを特徴とする。

第４の本発明は、請求項１から３のいずれかに記載の発明において、前記類似度は、前記人のスキルの特徴ベクトルと、前記タスクの特徴ベクトルとのコサイン類似度（cosine similarity）であることを特徴とする。

第５の本発明は、人に対して、前記人にマッチするタスクを提示する装置であって、前記人のスキルの特徴ベクトルを登録するスキル情報データベースと、１又は２以上の前記タスクの特徴ベクトルを登録するタスク情報データベースと、前記スキル情報データベースから、前記人のスキルの特徴ベクトルを取り出し、前記タスク情報データベースから複数の前記タスクの特徴ベクトルを取り出し、取り出した前記人のスキルの特徴ベクトルと、取り出した前記タスクの特徴ベクトルと、の類似度を求めるスキル−タスク類似度計算部と、類似度を求めた前記タスクの特徴ベクトルうち、前記人のスキルの特徴ベクトルとの前記類似度が大きい前記タスクの特徴ベクトルの前記タスクを、前記人に対して提示する推奨タスク提示部と、を含む人にマッチするタスクを提示する装置である。

第６の本発明は、対象タスクに対して、前記対象タスクにマッチする人を提示する方法であって、１人又は複数人の前記人のタスク消化実績の特徴ベクトルを求めるステップと、前記対象タスクの特徴ベクトルを求めるステップと、前記人のタスク消化実績の特徴ベクトルと、前記対象タスクの特徴ベクトルと、のタスク間類似度を求めるステップと、前記タスク間類似度を求めるステップを、１又は複数の前記人のタスク消化実績の特徴ベクトルに対して実行するステップと、前記タスク間類似度が大きいタスク消化実績の特徴ベクトルを有する前記人を、前記対象タスクに対して提示するステップと、を含む、タスクにマッチする人を提示する方法である。

第７の本発明は、請求項６記載の発明において、前記人のタスク消化実績の特徴ベクトルは、前記人の複数の過去実績タスクの特徴ベクトルであり、前記タスク間類似度は、前記対象タスクの特徴ベクトルと、前記人の複数の過去実績タスクの特徴ベクトルとの類似度を、前記複数の過去実績タスクの特徴ベクトルごとに求め、求めた複数の類似度の合計値である全類似度であることを特徴とする。

第８の本発明は、請求項６記載の発明において、前記人のタスク消化実績の特徴ベクトルは、前記人の複数の過去実績タスクの特徴ベクトルであり、前記タスク間類似度は、前記対象タスクの特徴ベクトルと、前記人の複数の過去実績タスクの特徴ベクトルとの類似度を、前記複数の過去実績タスクの特徴ベクトルごとに求め、求めた複数の類似度のうち、所定の基準値以上の前記類似度のみを合計した合計値である全類似度であることを特徴とする。

第９の本発明は、対象タスクに対して、前記対象タスクにマッチする人を提示する装置であって、１人又は複数人の前記人のタスク消化実績の特徴ベクトルを登録するタスク実績情報データベースと、前記対象タスクの特徴ベクトルを登録するタスク情報データベースと、前記人のタスク消化実績の特徴ベクトルと、前記対象タスクの特徴ベクトルと、のタスク間類似度を求めるタスク間類似度計算部と、前記タスク間類似度が大きいタスク消化実績の特徴ベクトルを有する前記人を、前記対象タスクに対して提示する推奨対象従業員抽出部と、を備えたタスクにマッチする人を提示する装置である。

第１０の本発明は、人に対して、前記人にマッチするタスクを提示する方法であって、前記人のタスク消化実績の特徴ベクトルを求めるステップと、前記タスクの特徴ベクトルを求めるステップと、前記人のタスク消化実績の特徴ベクトルと、前記タスクの特徴ベクトルと、のタスク間ン類似度を求めるステップと、前記タスク間類似度を求めるステップを、複数のタスクの特徴ベクトルに対して実行するステップと、前記タスク間類似度を求めた前記タスクを、クラスター群に分解するステップと、前記タスク間類似度を求めた前記タスク中において、ある所定の一つの前記タスクが属するクラスター群と共起性の高い他のクラスター群を抽出するステップと、前記抽出したクラスター群に属する前記タスクの特徴ベクトルうち、前記人のタスク消化実績の特徴ベクトルとの前記タスク間類似度が大きい場合に、前記ある所定の一つの前記タスクを、前記人に対して提示するステップと、を含む人にマッチするタスクを提示する方法である。

第１１の本発明は、請求項１０記載の発明において、前記クラスター群に分解するステップは、前記タスクをクラスター分析することによって、複数のクラスター群に分解することを特徴とする。

第１２の本発明は、請求項１０又は１１記載の発明において、前記共起性は、所定の前記クラスター群に属するタスクを実行した人の第１集合と、他の前記クラスター群に属するタスクを実行した人との第２集合とに対して、前記第１集合と前記第２集合との全体集合に属する人の数に対する、前記第１集合と前記第２集合とに共通に属する人の数の割合であることを特徴とする。

第１３の本発明は、人に対して、前記人にマッチするタスクを提示する装置であって、前記人のタスク消化実績の特徴ベクトルを登録するタスク実績情報データベースと、１又は２以上の前記タスクの特徴ベクトルを登録するタスク情報データベースと、前記人のタスク消化実績の特徴ベクトルと、複数の前記タスクの特徴ベクトルと、のタスク間類似度を求めるタスク−タスク類似度計算部と、前記タスク間類似度を求めた前記タスクを、クラスター群に分解し、前記タスク間類似度を求めた前記タスク中において、ある所定の一つの前記タスクが属するクラスター群と共起性の高い他のクラスター群を抽出する共起性計算部と、前記抽出したクラスター群に属する前記タスクの特徴ベクトルうち、前記人のタスク消化実績の特徴ベクトルとの前記タスク間類似度が大きい場合に、前記ある所定の一つの前記タスクを、前記人に対して提示する推奨タスク提示部と、を含む人にマッチするタスクを提示する装置である。

第１４の本発明は、タスクに対する人の難易度を求める方法であって、前記人のスキルの特徴ベクトルに対して前記タスクの特徴ベクトルを射影した場合のその射影の長さを、スキルの特徴ベクトルの長さで除算した値を、前記難易度として計算するステップ、を含むタスクに対する人の難易度を求める方法である。

第１５の本発明は、タスクに対する人の難易度を求める装置であって、前記人のスキルの特徴ベクトルに対して前記タスクの特徴ベクトルを射影した場合のその射影の長さを、スキルの特徴ベクトルの長さで除算した値を、前記難易度として計算する計算部、を含むタスクに対する人の難易度を求める装置である。

本発明によれば、人に対して、そのスキルにあったタスクを提示することができ、より効率的なタスクの割り当てが可能となる。

人のスキルの特徴ベクトル６とタスクの特徴ベクトル８との類似度の説明図である。 実施形態１のタスクと従業員のマッチング装置１０の機能ブロック図である。 実施形態２の優先度を示す表である。 実施形態２のタスクと従業員のマッチング装置１１０の機能ブロック図である。 実施形態３のクラスター分析の様子を模式的に示す説明図である。 実施形態３のタスクと従業員のマッチング装置２１０の機能ブロック図である。

以下、図面を参照して本発明を具体化した実施形態について説明する。
本実施形態は、従業員にマッチするタスクを自動推薦する仕組みに関するものであり、例えば、下記各実施形態１〜４の各構成はコンピュータを用いて実現することも好適な例である。
実施形態１．従業員のスキルとタスクの類似性（類似度）による推薦
実施形態１においては、従業員のスキルとタスクの類似性（類似度）に基づき、タスクの推薦を行う手法の例を説明する。
（１）特徴
まず、この手法の特徴は次のようなものである。
（ａ）まず、従業員のスキルとタスクの特性とが、どの程度合致しているか否かを数値化する。
（ｂ）実施形態１に係る推薦の原理は、レコメンドエンジンで用いられる「内容ベースフィルタリング」の技術を応用したものである。内容ベースフィルタリングとは、対象者や対象物の特徴ベクトルで、類似度を求め、その結果に基づきレコメンドを行う手法である。
（ｃ）ここでは、従業員のスキルの特徴ベクトルを

と表し、タスクの特徴ベクトルを

と表す。

タスクの特徴ベクトルは、そのタスクに対するタグ付と、それぞれのタグに対して、求められているレベルと、によって定義される。例えば、
｛Ｅｘｃｅｌ：上級レベル、会計知識：初級者レベル｝
のように表される。ここで 示した例では、Ｅｘｃｅｌというタグの要求レベルが上級レベルであり、会計知識というタグの要求レベルが初級者レベルであることを意味している。スキルの特徴ベクトルも同様に表されており、全ての定義されたタスクのタグに対して、現状保持するスキルレベルによって定義されている。
タグ付けは、他のものでもよく、英会話能力、プログラミング能力等でもよい。また、レベルは、上記説明では、上級レベル、初級者レベル、等で表したが、単に６段階表記（０〜５）や、１０段階表記（０〜９）等でもよい。なお、ここでチケット（ticket）とは、タスクを意味する。このように各特徴ベクトルを表すと、スキルとチケット（タスク）との類似度

は、以下のように表される。

この式４中にもあるように、いわゆるcosine similarityを求めている。この計算の概念図が図１に示されている。このように、式４で計算しているのは、スキルの特徴ベクトル６と、タスクの特徴ベクトル８との成す角度θのコサイン値である。上記式４にもあるように、２個のベクトルの成す角度のコサイン値は、２個のベクトルの内積を、各ベクトルの大きさの積で除した数である。

（２）構成と動作
図２には、タスクと従業員のマッチング装置１０の構成を示す機能ブロック図が示されている。図２は、タスクと従業員のマッチング装置１０の構成でもあり、動作の流れでもある。以下、図２に基づき、タスクと従業員のマッチング装置１０の構成及びその動作を説明する。

まず、顧客１２は、自分が依頼したいタスクをタスク依頼部１６を介して入力する。タスク依頼部１６は、顧客１２からのタスクを入力する入力手段であり、コンピュータのキーボードやタッチパネル等で実現される。また、ネットワークを介してタスクが依頼される場合は、ネットワークインターフェース手段が、タスク依頼部１６を構成する。その他、タスクを入力できれば、どのような構成でタスク依頼部１６を実現してもよい。
タスク依頼部１６は、入力したタスクをタスク情報データベース２０に登録する。ここで、登録されるタスクとは、タスクを依頼する顧客１２やタスクの番号、タスクの内容等を記述したデータだけでなく、上述したタスクの特徴ベクトルも含む。タスク情報データベース２０は、ハードディスクや半導体記憶手段等の所定の記憶手段を用いてよい。

次に、従業員１４は、自分のスキルをスキル登録部１８を介して入力する。スキル登録部１８は、従業員１４が自己のスキルを入力する入力手段であり、コンピュータのキーボードやタッチパネル等で実現される。また、ネットワークを介してスキルを入力してもよく、その場合は、ネットワークインターフェース手段が、スキル登録部１８を構成する。その他、従業員１４がスキルを入力できれば、どのような構成でスキル登録部１８を実現してもよい。
スキル登録部１８は、入力した従業員１４のスキルをスキル情報データベース２２に登録する。ここで、登録されるスキルとは、スキルの内容を記述したデータであるが、特に、上述したスキルの特徴ベクトルも含む。スキル情報データベース２２も、ハードディスクや半導体記憶手段等の所定の記憶手段を用いてよい。

次に、スキル／タスク類似度計算部２４は、タスク情報データベース２０から、所定のタスクに対して、そのタスクの特徴ベクトルを取り出す。また、スキル／タスク類似度計算部２４は、スキル情報データベース２２から、所定の従業員１４に対して、その従業員１４の特徴ベクトルを取り出す。そして、スキル／タスク類似度計算部２４は、上述した式４の計算を実行し、従業員１４のスキルと、タスクとの類似性を求める。
このようにして、スキル／タスク類似度計算部２４は、所定のタスクと、各従業員１４のスキルとの類似性を求めることによって、そのタスクに適した従業員１４を選び出すことができる。例えば、そのタスクとの類似性が一定の基準値以上のスキル（の特徴ベクトル）を有する従業員１４を抽出し、これらの従業員１４を、そのタスクに適した従業員１４であると判断することができる。このようにして、類似度が一定の基準値以上のスキルを備えた従業員１４のリストを、タスク毎に作成することができる。
このようにして、スキル／タスク類似度計算部２４は、あるタスクに対して適したスキルを備えた従業員１４のリストである「レコメンド対象従業員一覧」２６を作成することができる。レコメンド対象従業員一覧２６は、当該タスクと、そのタスクに適した従業員１４と、その従業員１４のスキルと当該タスクとの類似度と、を含む表である。また、このレコメンド対象従業員一覧２６は、例えば、他の項目（経験年数、勤務形態等）が含まれている表であってもよい。このようにして、スキル／タスク類似度計算部２４は、レコメンド対象従業員一覧２６を、タスクごとに作成することができる。

このレコメンド対象従業員一覧２６は、所定の記憶手段に格納しておく。その記憶手段は、スキル／タスク類似度計算部２４内に備えてもよいし、外部の所定の記憶手段を利用してもよい。また、上述したタスク情報データベース２０等と記憶手段を共用してもよい。
スキル／タスク類似度計算部２４は、これらの動作を記述したプログラムと、当該プログラムを実行するＣＰＵとから構成することができる。また、スキル／タスク類似度計算部２４は、レコメンド対象従業員一覧２６を格納する記憶手段を備えていてもよい。

次に、推奨タスク提示部２８は、所定の従業員１４に対して、当該従業員１４が含まれているレコメンド対象従業員一覧２６を、探索する。そして、当該従業員１４が含まれているレコメンド対象従業員一覧のタスクを、当該従業員１４に対して、推奨タスクとして提示することができる。
推奨タスク提示部２８は、従業員１４からのリクエストによって、上記動作を実行してもよい。そのように構成すれば、従業員１４は、自己のスキルが適した（類似する）タスクを容易に知ることができる。例えば、従業員１４が自己の従業員番号をキーボード等から入力すると、推奨タスク提示部２８は、当該番号が含まれるレコメンド対象従業員一覧２６を探索し、そのタスクを例えばコンピュータのディスプレイに表示し、従業員１４に知らせることができる。
提示の方法は、例えば、ディスプレイに推奨タスクを表示してもよいし、推奨タスクのリストを印刷してもよい。また、推奨タスクを含むメールを従業員に送信してもよい。実施形態での「提示」は、従業員１４に推奨タスクを示すことができればどのような手法でもよい。
また、「人に対する提示」は、当該従業員１４の本人である必要はない。例えば、企業の管理者が、従業員１４の従業員番号を用いて、上記類似度の計算をし、その従業員にマッチするタスクの「提示」を受ける場合も、「人に対する提示」と称する。また、プリンタで印刷することや、メールで送信すること、等の「人に提示しうる状態におくこと」も、ここでいう「人に対する提示」に該当する。同様に、所定のＷｅｂページ上に掲載し、人が閲覧できる状態にすること等も「人に対する提示」に該当する。推奨タスク提示部２８は、これらの動作を記述したプログラムと、当該プログラムを実行するＣＰＵとから構成することができる。また、従業員１４の従業員番号や氏名、レコメンド対象従業員一覧２６のリクエスト等を入力するためのキーボード等を備えていてもよい。また。従業員番号や氏名、リクエストをネットワークを介して入力する場合は、所定のネットワークインターフェースを備えていてもよい。
なお、タスクと従業員のマッチング装置１０は、顧客１２や従業員１４だけでなく、企業の管理者が用いてもよい。企業の管理者が、従業員番号を入力して、当該従業員１４に適したタスクを知ることができ、そのタスクを当該従業員１４に勧めることも好適な使用方法である。

また、タスクと従業員のマッチング装置１０は、１個のコンピュータで構成してもよいが複数のコンピュータで実現してもよい。またネットワークで結びつけられた複数のコンピュータで構成してもよい。すなわち、各構成がネットワーク上に分散された構成を備えた装置として構成してもよい。また、クラウド上でタスクと従業員のマッチング装置１０を構成し、ネットワークを介して各人が利用する形態を採用してもよいし、オンプレミスで構成してもよい。

以上説明したように、本実施形態１によれば、従業員１４のスキルとタスクとの類似度を計算し、類似度が所定の基準値より高いタスクを従業員１４に提示することができる。したがって、従業員１４は自己に適したタスクを知ることができ、またそのタスクを実行することができる。
なお、従業員１４は、請求の範囲における「人」の好適な一例に相当するが、「人」は特に従業員１４に限定されず、生徒、学生、スポーツ選手、芸能人等も含めてよい。また、タスクと従業員のマッチング装置１０は、請求の範囲の「人にマッチするタスクを提示する装置」の好適な一例に相当する。さらに、本実施形態１に係るタスクと従業員のマッチングの動作は、請求の範囲の「人にマッチするタスクを提示する方法」の好適な一例に相当する。

実施形態２．従業員の行動履歴の分析による、過去類似性の高いタスクを実施した従業員へのタスク推薦
実施形態２においては、従業員１４の行動履歴とタスクとの類似性に基づき、タスクの推薦を行う手法の例を説明する。

（１）特徴
まず、この手法の特徴は次のようなものである。
（ａ）あるタスク（新規タスク）が新規で登録されてきた場合、そのタスクの特徴ベクトルから、過去のタスク消化実績情報において、類似性のあるタスクを抽出する。ここで、類似度の計算は、そのタスクの特徴ベクトルを利用した内容ベースフィルタリングの原理を応用している。すなわち、実施形態１と同様に、レコメンドエンジンで用いられる「内容ベースフィルタリング」の技術を応用している。
なお、新規タスクは、それとマッチ する人の提示の対象となるタスクであり、「対象タスク」と呼ぶ（請求の範囲参照）場合がある。
（ｂ）次に、当該新規タスクと類似度が高いタスクを実施している従業員１４については、「推薦の優先順位付け」（後述する）を行い、「タスク間類似度」が一定の閾値を超えた従業員１４に対して、新規で登録されたタスクをレコメンドする。タスク間類似度とは、あるタスクの特徴ベクトルと、他のタスクの特徴ベクトルとの間の類似度である。実施形態１においては。人の特徴ベクトルと、タスクの特徴ベクトルと、の間の類似度を説明したが、同様の計算をタスクの特徴ベクトル同士で行ったものを、人とタスクの類似度と区別するために、類似度の中でも特に「タスク間類似度」と呼ぶ。
（ｃ）上記「推薦の優先順位付け」は、過去実績タスクのタスク間類似度を全て加算して得られた合計値（この値を「全類似度」と呼ぶ）に基づき以下のように行う。
まず、ある従業員１４の過去に実行したタスクの実績の集合を

と表す。ここで、ｎは、ある従業員１４が過去に実行したタスクの数である。そして、新規に登録されたタスクをnewTaskと表すと、従業員１４の「全類似度」は、以下の通り求められる。

この式６で求められる全類似度をpriorityが「優先度」と称する。優先度は、「推薦度」とも呼ばれる。

優先度（全類似度）の計算の変形例
（ａ）本実施形態２においては。上記式６のように優先度を計算する。ここでは、過去実績タスクを全て類似度を計算し、加算する例を示しているが、類似度が低い類似度は加算の対象から除外してもよい。対象タスクと、無関係なタスクとの類似度を加算しても余り意味が無いからである。例えば、式６において、類似度が所定の基準値以上の類似度のみを加算することも好適である。
（ｂ）上記式６では。類似度を全て加算しているが、１タスク当たりの平均値を求めてもよい。低い類似度を数多くあり、合計値が大きな値になった場合よりも、一つでも高い類似度がある方を優先した方が好ましい場合もあるからである。

表
次に、図３には、priority（全類似度）が求められている表が示されている。同図に示す表には、行（ロウ）が当該新規タスクに類似するタスクである。同図では、タスクＸが新規タスクとの類似度が０．９であることが示されている。また、同様に、タスクＹが新規タスクとの類似度が０．８であることが示されている。また、タスクＺが新規タスクとの類似度が０．７であることが示されている。実施形態２では。これらタスクＸ、Ｙ、Ｚが新規タスクと類似するタスクであると判断されている。この判断は、例えば所定の基準値を用いて、類似度がその基準値を超える場合にそのタスクは新規タスクと類似すると判断してもよい。
また、図３の列（カラム）には、従業員が示されている。まず、従業員Ａさんは、過去にタスクＸとタスクＹとを実行しており、それぞれのタスクの類似度０．９と０．８の合計値である１．７が優先度（全類似度）であり、推薦度となる。次に、従業員Ｂさんは、過去にタスクＹとタスクＺとを実行しており、それぞれのタスクの類似度０．８と０．７の合計値である１．５が優先度（全類似度）であり、推薦度となる。従業員Ｃさんは、過去にタスクＺとタスクＸとを実行しており、それぞれのタスクの類似度０．７と０．９の合計値である１．６が優先度（全類似度）であり、推薦度となる。
この結果、「順位」は、推薦度（１．７）が最も大きい従業員Ａさんが第１位となる。続いて、推薦度（１．６）が次に大きい授業員Ｃさんが第２位となる。最後に、推薦度（１．５）が最も小さい従業員Ｃさんが、第３位となる。図３においては、このような順位が、丸で囲まれた数で示されている。
このような「順位」を付ける処理を、「推薦の優先順位付け」と呼ぶ。

（２）構成と動作
図４には、タスクと従業員のマッチング装置１１０の構成の一例を示す機能ブロック図が示されている。図４は、タスクと従業員のマッチング装置１１０の構成でもあり、動作の流れでもある。以下、図４に基づき、タスクと従業員のマッチング装置１１０の構成及びその動作を説明する。

まず、顧客１２は、自分が依頼したいタスクをタスク依頼部１６を介して入力する。図４における顧客１２、タスク依頼部１６、タスク情報データベース２０の構成・動作は、実施形態１の図２の説明と同様であるので、ここでは説明を省略する。

次に、従業員１４は、自分のタスクの実績をタスク実績登録部１１８を介して入力する。タスク実績登録部１１８は、従業員１４が自己の過去のタスクの実績を入力する入力手段であるが、実際上、スキル登録部１８と、登録の対象が異なるだけであり、その動作はスキル登録部１８と同様である。
タスク実績登録部１１８は、入力した従業員１４のタスクの実績をタスク実績情報データベース１２２に登録する。ここで、登録されるタスク実績情報とは、過去に実行したタスクの内容を記述したデータであるが、特に、そのタスクの特徴ベクトルも含む。タスク実績情報データベース１２２も、ハードディスクや半導体記憶手段等の所定の記憶手段を用いてよい。

次に、タスク間類似度計算部１２４は、タスク情報データベース２０から、現在判断対象となるタスク（以下、対象タスクと呼ぶ）に対して、そのタスクの特徴ベクトルを取り出す。また、タスク間類似度計算部１２４は、タスク実績情報データベース１２２から、１人又は複数人の所定の従業員１４に対して、その従業員１４が過去に実行したタスクの特徴ベクトルを取り出す。そして、タスク間類似度計算部１２４は、上述した式６の計算を実行し、従業員１４の過去において実行したタスクと、対象タスクとの類似度（タスク間類似度）を求める。
このようにして、タスク間類似度計算部２４は、対象タスクと、各従業員１４が過去実行したタスクとのタスク間類似度を求める。そして、従業員１４ごとにタスク間類似度の合計値を求める。このように、タスク間類似度を合計した類似度を、特に全類似度と呼ぶ。このような処理は、図３で説明した通りである。・
タスク間類似度計算部１２４は、このような処理を、１人、又は複数人の従業員１４に対して実行することによって、図３で説明したような表を作成することができる。この表を、類似度計算済タスク一覧１２６と呼ぶ（図４参照）。
さらに、タスク間類似度計算部１２４は、類似度計算済タスク一覧１２６の推薦度の欄に、その推薦度（全類似度）の値に応じた順位を入れていき、優先付けが行われる。これによって、図３に示す表が完成する。
このようにして、タスク間類似度計算部１２４は、対象タスクに対して類似のタスクを実行した従業員１４の推薦度（全類似度、優先度）を含むリストである「類似度計算済タスク一覧」１２６を作成することができる。この類似度計算済タスク一覧１２６は、例えば、他の項目（経験年数、勤務形態等）が含まれている表であってもよい。

この類似度計算済タスク一覧１２６は、所定の記憶手格に格納しておく。その記憶手段は、タスク間類似度計算部１２４内に備えてもよいし、外部の所定の記憶手段を利用してもよい。また、上述したタスク情報データベース２０等と共通の記憶手段を共用してもよい。
タスク間類似度計算部１２４は、これらの動作を記述したプログラムと、当該プログラムを実行するＣＰＵとから構成することができる。また、タスク間類似度計算部１２４は、類似度計算済タスク一覧１２６を格納する記憶手段を備えていてもよい。

次に、推奨対象従業員抽出部１２８は、類似度計算済タスク一覧１２６から、上位の順位の従業員１４を抽出する。これら抽出した従業員１４は、対象タスクに対して推奨する従業員１４であり、これらの従業員１４をそのままタスクに対して提示することもできる。なお、ここでいう、「対象タスクに対する提示」とは、対象タスクを依頼した顧客に対して「提示」することも含まれる。また、当該対象タスクの依頼を受けた管理者が、対象タスクにマッチする従業員１４を知りたい場合に、その管理者に推奨する従業員１４が提示されることも含まれる。すなわち、対象タスクに対して推奨される従業員１４として出力される場合であれば、その出力先の如何を問わず、本実施形態における「提示」に相当する。

また、推奨対象従業員抽出部１２８は、抽出した従業員１４の一覧をレコメンド対象従業員一覧２６として出力する。このレコメンド対象授業員一覧２６は、実施形態１の図２で説明したレコメンド対象授業員一覧２６と同様のものであり、説明を省略する。
なお、既にレコメンド対象従業員一覧２６が存在する場合は、それにデータを追加するようにしてレコメンド対象授業員一覧２６を構築していくこともよい。
図４に示すように、レコメンド対象授業員一覧２６に基づき、推奨タスク提示部２８が従業員１４に対してマッチするタスクを提示することができる。その動作は、実施形態１の図２と同様であるので、その説明は省略する。

このように、本実施形態２に係るタスクと従業員のマッチング装置１１０は、対象タスクに対してマッチする人を提示することができる。このためには、レコメンド対象授業員一覧２６や、推奨タスク提示部２８は必須構成ではなく、推奨対象従業員抽出部１２８が、対象タスクに対してマッチする人の提示をすればよい。また、本実施形態２に係るタスクと従業員のマッチング装置１１０は、請求の範囲におけるタスクにマッチする人を提示する装置の好適な一例に相当する。また、本実施形態２に係るタスクと従業員のマッチングの動作は、請求の範囲におけるタスクにマッチする人を提示する方法の好適な一例に相当する。
ただし、本実施形態２に係るタスクと従業員のマッチング装置１１０においても、レコメンド対象授業員一覧２６や、推奨タスク提示部２８を保持することによって、実施形態１と同様に、従業員１４（人）に対して、マッチするタスクを提示することもできる。

なお、タスクと従業員のマッチング装置１１０は、顧客１２や従業員１４だけでなく、企業の管理者が用いてもよい。顧客１２が、自己が依頼したタスクにマッチする従業員１４を知ることもできる。また、企業の管理者が、顧客１２の代わりに対象タスクを入力して、マッチする従業員１４を知ることもできる。

実施形態３．過去のタスク消化実績の分析による、共起性の高いタスクを実施した従業員へのタスク推薦
実施形態３においては、従業員の過去のタスクの消化実績を分析し、対象タスクと共起性の高いタスクを実施した従業員にその対象タスクを推奨する手法を説明する。

（１）特徴
まず、この手法の特徴は次のようなものである。
（ａ）ある従業員１４の行動履歴（タスク実績情報）を分析し、タスク間の共起性に着目して、過去のタスク実績から、マッチしやすいタスクを提案する。この実施形態３においては、いわゆるレコメンドエンジンで用いられる協調フィルタリングの技術を応用している。
（ｂ）タスクＸを実施した従業員１４の集合をSetX、タスクＹを実施した従業員１４の集合をSetYとすると、タスクＸとタスクＹとの共起性（タスクＸとタスクＹが同一従業員１４で実施された確率）cooccurrence（指数）は、Jaccard係数を用いて、以下の通りに表される。

このような共起性に着目し、ある対象タスクと共起性の高いタスクを実施している従業員１４を、その対象タスクにマッチする従業員１４と判断することができる。
（ｃ１）次に、動作の流れの一例を説明する。まず、新規で登録されたタスク（以下、対象タスクとも呼ぶ）がある場合、その対象タスクと過去のタスク群とをクラスター分析し、所定のクラスターに分類する。このような分類の説明図が図５に示されている。図５は、クラスター群への分割を模式的に表した図であり、所定の空間（ベクトル空間）中に、各タスク（の特徴ベクトル）がマッピングされている様子が模式的に示されている。上記新規タスク（new task）は、図５においてClusterAに分類されている。図５においては、種々のタスクが、クラスターに分類され、ClusterB、ClusterC、ClusterD、が描かれている。
（ｃ２） 次に、新規で登録された新規タスク（new task）が属するクラスター群と共起性の高いクラスター群を、上述したcooccurrence指数を用いて計算し、抽出する。
例えば、図５の例では新規タスクが属するクラスターはClusterAである。このClusterAと共起性の高いクラスター群をcooccurrence指数を用いて計算し、抽出する。図５の例では、計算の結果、ClusterAとClusterBとのcooccurrence指数（共起指数）は、０．５。ClusterAとClusterCとのcooccurrence指数（共起指数）は、０．９。 ClusterAとClusterDとのcooccurrence指数（共起指数）は、０．７であった。その結果、図５では、共起性指数の大きい順に順位付けがなされている。順位付けは、ClusterCが第１位であり、ClusterDが第２位、ClusterB が第３位である（図５参照）。図５の例では、順位付けが、矩形に囲まれた数字で表されている。このような「順位」を付ける処理を、実施形態２と同様に、「推薦の優先順位付け」と呼ぶ。
このようにして、共起性の高いクラスター群としてClusterCが抽出される（図５）。そして、この抽出されたクラスター群ClusterCとに属するタスクを実施した従業員１４に対象タスクがレコメンドされるのである。

（２）構成と動作
図６には、タスクと従業員のマッチング装置２１０の構成の一例を示す機能ブロック図が示されている。図６は、タスクと従業員１４のマッチング装置２１０の構成でもあり、動作の流れでもある。以下、図６に基づき、タスクと従業員１４のマッチング装置２１０の構成及びその動作を説明する。

まず、顧客１２は、自分が依頼したいタスクをタスク依頼部１６を介して入力する。図４における顧客１２、タスク依頼部１６、タスク情報データベース２０の構成・動作は、実施形態１の図２、実施形態２の図４の説明と同様であるので、ここでは説明を省略する。

次に、従業員１４は、自分のタスクの実績をタスク実績登録部１１８を介して入力する。
タスク実績登録部１１８、タスク実績情報データベース１２２の内容・動作は、実施形態２の図４と同様であるので、その説明を省略する。

次に、タスク間類似度計算部１２４は、タスク情報データベース２０から、現在判断対象となるタスク（以下、対象タスクと呼ぶ）に対して、そのタスクの特徴ベクトルを取り出す。また、タスク間類似度計算部１２４は、タスク実績情報データベース１２２から、１人又は複数人の所定の従業員１４に対して、その従業員１４が過去に実行したタスクの特徴ベクトルを取り出す。そして、タスク間類似度計算部１２４は、上述した式６の計算を実行し、従業員の過去において実行したタスクと、対象タスクとの類似度（タスク間類似度）を求める。
そして、従業員１４ごとにタスク間類似度の合計値を求める。このように、タスク間類似度を合計した類似度を、特に全類似度と呼ぶ。
タスク間類似度計算部１２４の構成・動作は、実施形態２の図４で説魅したとおりであるので、その詳細な説明は省略する。また、類似度計算済タスク一覧１２６も、実施形態２の図４で説明した構成・動作と同様であるのでその説明を省略する。

タスク共起性計算部２０２は、上述した（ｃ１）（ｃ２）等の処理を実行する。
まず、類似度計算済みタスク一覧１２６の内容に基づき、タスクのクラスター分析を行い、タスクをクラスター群に分ける（例えば図５）。
次に、新規タスクが追加されたクラスター群と、共起性が高いクラスター群を探索し、これをリストにする。つまり、この共起性の高いクラスター群（図５の例では、ClusterC）含まれるタスクのリストであり、このリストは、共起性の高いタスク一覧２０４と呼ぶ。１る。
次に、推奨対象従業員抽出部１２８が、この共起性の高いタスク一覧２０４に記載されるタスクを実施した従業員１４を抽出する。そして、抽出した従業員１４のリストであるレコメンド対象従業員一覧２６を生成する。
この推奨対象従業員抽出部１２８以降の構成は、実施形態２の図４で説明した構成・動作と同様であるので、その説明を省略する。

このようにして、本実施形態３に係るタスクと従業員のマッチング装置２１０は、対象タスクに対してマッチする人を提示することができる。この動作は、実施形態２と同様に、推奨対象従業員抽出部１２８が実行する。
また、本実施形態に係るタスクと従業員のマッチング装置１１０においても、レコメンド対象授業員一覧２６や、推奨タスク提示部２８を保持することによって、実施形態１と同様に、従業員１４（人）に対して、マッチするタスクを提示することもできる。
本実施形態３に係るタスクと従業員のマッチング装置２１０は、請求の範囲における人にマッチするタスクを提示する装置の好適な一例に相当する。また、本実施形態３に係るタスクと従業員のマッチングの動作は、請求の範囲における人にマッチするタスクを提示する方法の好適な一例に相当する。

なお、タスクと従業員のマッチング装置２１０は、顧客１２や従業員１４だけでなく、企業の管理者が用いてもよい。顧客１２が、自己が依頼したタスクにマッチする従業員１４を知ることもできる。また、企業の管理者が、顧客１２の代わりに対象タスクを入力して、マッチする従業員１４を知ることもできる。

実施形態４．担当者のスキルに対するタスクの難易度の自動計算の仕組み
実施形態１〜３では、人（従業員）と、タスクとのマッチングを取る技術を説明した。 本実施形態４では、実際にそのタスクを実行した従業員（これを担当者と呼ぶ）１４のスキルに対して、タスクの難易度がどの程度を知ることができれば便利である。特に類似度が一定の閾値を超えた場合（例えば、cosθ＞＝０．９の場合等）にいて、このような難易度を数値化するメリットは大きい。
例えば、実施形態１〜３の仕組みを用いて、レコメンドを出しつつ、その従業員１４が、そのタスクの担当者になった場合の難易度も提示することができれば、便利である。
（１）スキルのベクトル軸に対して、タスクのベクトルを射影した場合の、スキルのベクトルの長さに対するタスクの長さの比率で算出する。このようにして算出した難易度を、上記マッチするタスクの提示や人の提示と共に提示すれば、その提案がどの程度妥当か判断するための材料とすることができ、便利である。
（２）すなわち、タスクの難易度を

で表すと、この難易度は、

の式９で表すことができる。
（３）但し、スキルとタスクの類似度が高い場合は、

が成り立つので、以下の通りの近似式が成立する。

このような難易度を人やタスクの提示（推薦）とともに提示することが好適である。
この計算及び提示は、実施形態１では、スキル／タスク類似度計算部２４が計算してよいし、推奨タスク提示部２８が計算・提示してもよい。これらが、請求の範囲の計算部の好適な一例に相当する。
実施形態２では、タスク間類似度計算部１２４が計算してもよいし、推奨対象従業員抽出部１２８が計算・提示してもよい。また、推奨タスク提示部２８が計算・提示してもよい。これらが、請求の範囲の計算部の好適な一例に相当する。
実施形態３でも、タスク間類似度計算部１２４が計算してもよいし、推奨対象従業員抽出部１２８が計算・提示してもよい。また、推奨タスク提示部２８が計算・提示してもよい。これらが、請求の範囲の計算部の好適な一例に相当する。

以上に示した本実施形態は、発明の構成の一例を示したものであり、構成は発明の範囲内において適宜変更することができる。

６…スキルの特徴ベクトル
８…タスクの特徴ベクトル
１０、１１０、２１０…タスクと従業員のマッチング装置
１２…顧客
１４…従業員
１６…タスク依頼部
１８…スキル登録部
２０…タスク情報データベース
２２…スキル情報データベース
２４…スキル／タスク類似度計算部
２６…レコメンド対象従業員一覧
１８…スキル登録部
２０…タスク情報データベース
２２…スキル情報データベース
２４…スキル／タスク類似度計算部
１１８…タスク実績登録部
１２２…タスク実績情報データベース
１２４…タスク間類似度計算部
１２６…類似度計算済みタスク一覧
１２８…推奨従業員抽出部
２０２…タスク共起性計算部
１２８…共起性の高いタスク一覧

Claims (15)

1. 人に対して、前記人にマッチするタスクを提示する方法であって、
   前記人のスキルの特徴ベクトルを求めるステップと、
   前記タスクの特徴ベクトルを求めるステップと、
   前記人のスキルの特徴ベクトルと、前記タスクの特徴ベクトルと、の類似度を求めるステップと、
   前記類似度を求めるステップを、複数のタスクの特徴ベクトルに対して実行するステップと、
   類似度を求めた前記タスクの特徴ベクトルうち、前記人のスキルの特徴ベクトルとの前記類似度が大きい前記タスクの特徴ベクトルの前記タスクを、前記人に対して提示するステップと、
   を含む人にマッチするタスクを提示する方法。
2. 前記タスクの特徴ベクトルは、前記タスクに対する１又は２以上のタグ付けと、タグ付けされたそれぞれの前記タグに対して求められるレベルと、からなるベクトルであることを特徴とする請求項１記載の人にマッチするタスクを提示する方法。
3. 前記人の特徴ベクトルは、前記人に対する１又は２以上のタグ付けと、タグ付けされたそれぞれの前記タグに対して、前記人が現状保持するレベルと、からなるベクトルであることを特徴とする請求項１または２記載の人にマッチするタスクを提示する方法。
4. 前記類似度は、前記人のスキルの特徴ベクトルと、前記タスクの特徴ベクトルとのコサイン類似度（cosine similarity）であることを特徴とする請求項１から３のいずれか１項に記載の人にマッチするタスクを提示する方法。
5. 人に対して、前記人にマッチするタスクを提示する装置であって、
   前記人のスキルの特徴ベクトルを登録するスキル情報データベースと、
   １又は２以上の前記タスクの特徴ベクトルを登録するタスク情報データベースと、
   前記スキル情報データベースから、前記人のスキルの特徴ベクトルを取り出し、前記タスク情報データベースから複数の前記タスクの特徴ベクトルを取り出し、取り出した前記人のスキルの特徴ベクトルと、取り出した前記タスクの特徴ベクトルと、の類似度を求めるスキル−タスク類似度計算部と、
   類似度を求めた前記タスクの特徴ベクトルうち、前記人のスキルの特徴ベクトルとの前記類似度が大きい前記タスクの特徴ベクトルの前記タスクを、前記人に対して提示する推奨タスク提示部と、
   を含む人にマッチするタスクを提示する装置。
6. 対象タスクに対して、前記対象タスクにマッチする人を提示する方法であって、
   １人又は複数人の前記人のタスク消化実績の特徴ベクトルを求めるステップと、
   前記対象タスクの特徴ベクトルを求めるステップと、
   前記人のタスク消化実績の特徴ベクトルと、前記対象タスクの特徴ベクトルと、のタスク間類似度を求めるステップと、
   前記タスク間類似度を求めるステップを、１又は複数の前記人のタスク消化実績の特徴ベクトルに対して実行するステップと、
   前記タスク間類似度が大きいタスク消化実績の特徴ベクトルを有する前記人を、前記対象タスクに対して提示するステップと、
   を含む、タスクにマッチする人を提示する方法。
7. 前記人のタスク消化実績の特徴ベクトルは、前記人の複数の過去実績タスクの特徴ベクトルであり、
   前記タスク間類似度は、前記対象タスクの特徴ベクトルと、前記人の複数の過去実績タスクの特徴ベクトルとの類似度を、前記複数の過去実績タスクの特徴ベクトルごとに求め、求めた複数の類似度の合計値である全類似度であることを特徴とする請求項６記載のタスクにマッチする人を提示する方法。
8. 前記人のタスク消化実績の特徴ベクトルは、前記人の複数の過去実績タスクの特徴ベクトルであり、
   前記タスク間類似度は、前記対象タスクの特徴ベクトルと、前記人の複数の過去実績タスクの特徴ベクトルとの類似度を、前記複数の過去実績タスクの特徴ベクトルごとに求め、求めた複数の類似度のうち、所定の基準値以上の前記類似度のみを合計した合計値である全類似度であることを特徴とする請求項６記載のタスクにマッチする人を提示する方法。
9. 対象タスクに対して、前記対象タスクにマッチする人を提示する装置であって、
   １人又は複数人の前記人のタスク消化実績の特徴ベクトルを登録するタスク実績情報データベースと、
   前記対象タスクの特徴ベクトルを登録するタスク情報データベースと、
   前記人のタスク消化実績の特徴ベクトルと、前記対象タスクの特徴ベクトルと、のタスク間類似度を求めるタスク間類似度計算部と、
   前記タスク間類似度が大きいタスク消化実績の特徴ベクトルを有する前記人を、前記対象タスクに対して提示する推奨対象従業員抽出部と、
   を備えたタスクにマッチする人を提示する装置。
10. 人に対して、前記人にマッチするタスクを提示する方法であって、
    前記人のタスク消化実績の特徴ベクトルを求めるステップと、
    前記タスクの特徴ベクトルを求めるステップと、
    前記人のタスク消化実績の特徴ベクトルと、前記タスクの特徴ベクトルと、のタスク間ン類似度を求めるステップと、
    前記タスク間類似度を求めるステップを、複数のタスクの特徴ベクトルに対して実行するステップと、
    前記タスク間類似度を求めた前記タスクを、クラスター群に分解するステップと、
    前記タスク間類似度を求めた前記タスク中において、ある所定の一つの前記タスクが属するクラスター群と共起性の高い他のクラスター群を抽出するステップと、
    前記抽出したクラスター群に属する前記タスクの特徴ベクトルうち、前記人のタスク消化実績の特徴ベクトルとの前記タスク間類似度が大きい場合に、前記ある所定の一つの前記タスクを、前記人に対して提示するステップと、
    を含む人にマッチするタスクを提示する方法。
11. 前記クラスター群に分解するステップは、前記タスクをクラスター分析することによって、複数のクラスター群に分解することを特徴とする請求項１０記載の人にマッチするタスクを提示する方法。
12. 前記共起性は、所定の前記クラスター群に属するタスクを実行した人の第１集合と、他の前記クラスター群に属するタスクを実行した人との第２集合とに対して、前記第１集合と前記第２集合との全体集合に属する人の数に対する、前記第１集合と前記第２集合とに共通に属する人の数の割合であることを特徴とする請求項１０又は１１に記載の人にマッチするタスクを提示する方法。
13. 人に対して、前記人にマッチするタスクを提示する装置であって、
    前記人のタスク消化実績の特徴ベクトルを登録するタスク実績情報データベースと、
    １又は２以上の前記タスクの特徴ベクトルを登録するタスク情報データベースと、
    前記人のタスク消化実績の特徴ベクトルと、複数の前記タスクの特徴ベクトルと、のタスク間類似度を求めるタスク−タスク類似度計算部と、
    前記タスク間類似度を求めた前記タスクを、クラスター群に分解し、前記タスク間類似度を求めた前記タスク中において、ある所定の一つの前記タスクが属するクラスター群と共起性の高い他のクラスター群を抽出する共起性計算部と、
    前記抽出したクラスター群に属する前記タスクの特徴ベクトルうち、前記人のタスク消化実績の特徴ベクトルとの前記タスク間類似度が大きい場合に、前記ある所定の一つの前記タスクを、前記人に対して提示する推奨タスク提示部と、
    を含む人にマッチするタスクを提示する装置。
14. タスクに対する人の難易度を求める方法であって、
    前記人のスキルの特徴ベクトルに対して前記タスクの特徴ベクトルを射影した場合のその射影の長さを、スキルの特徴ベクトルの長さで除算した値を、前記難易度として計算するステップ、
    を含むタスクに対する人の難易度を求める方法。
15. タスクに対する人の難易度を求める装置であって、
    前記人のスキルの特徴ベクトルに対して前記タスクの特徴ベクトルを射影した場合のその射影の長さを、スキルの特徴ベクトルの長さで除算した値を、前記難易度として計算する計算部、
    を含むタスクに対する人の難易度を求める装置。