JP2026081069A - 情報処理システム、情報処理方法及びプログラム - Google Patents
情報処理システム、情報処理方法及びプログラムInfo
- Publication number
- JP2026081069A JP2026081069A JP2025012748A JP2025012748A JP2026081069A JP 2026081069 A JP2026081069 A JP 2026081069A JP 2025012748 A JP2025012748 A JP 2025012748A JP 2025012748 A JP2025012748 A JP 2025012748A JP 2026081069 A JP2026081069 A JP 2026081069A
- Authority
- JP
- Japan
- Prior art keywords
- information processing
- job
- processing system
- candidate
- unit
- 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
Links
Abstract
【課題】求人者と求職者とのマッチングを効率的に行うことができる情報処理システム等を提供する。
【解決手段】本発明の一態様によれば、情報処理システムであって、少なくとも1つのプロセッサを備え、プロセッサは、プログラムを読み出すことで次の各ステップを実行するように構成され、候補者抽出ステップでは、求人者がスカウト文書を送信済みの複数の求職者の中から、求職者の行動履歴と参照情報とに基づいて、スカウト文書を再送信する少なくとも1人の候補者を抽出し、ここで、参照情報は、行動履歴と、求職者の求職活動意欲との相関関係を含み、提示ステップでは、候補者を求人者に提示する、情報処理システムが提供される。
【選択図】図1
【解決手段】本発明の一態様によれば、情報処理システムであって、少なくとも1つのプロセッサを備え、プロセッサは、プログラムを読み出すことで次の各ステップを実行するように構成され、候補者抽出ステップでは、求人者がスカウト文書を送信済みの複数の求職者の中から、求職者の行動履歴と参照情報とに基づいて、スカウト文書を再送信する少なくとも1人の候補者を抽出し、ここで、参照情報は、行動履歴と、求職者の求職活動意欲との相関関係を含み、提示ステップでは、候補者を求人者に提示する、情報処理システムが提供される。
【選択図】図1
Description
本発明は、情報処理システム、情報処理方法及びプログラムに関する。
特許文献1には、スカウト機能を用いて、企業と求職者とのマッチングを行うことが開示されている。
求人者と求職者とのマッチングをさらに効率的に行う技術が求められている。
本発明では上記事情に鑑み、求人者と求職者とのマッチングを効率的に行うことができる情報処理システム等を提供することとした。
本発明の一態様によれば、情報処理システムであって、少なくとも1つのプロセッサを備え、プロセッサは、プログラムを読み出すことで次の各ステップを実行するように構成され、候補者抽出ステップでは、求人者がスカウト文書を送信済みの複数の求職者の中から、求職者の行動履歴と参照情報とに基づいて、スカウト文書を再送信する少なくとも1人の候補者を抽出し、ここで、参照情報は、行動履歴と、求職者の求職活動意欲との相関関係を含み、提示ステップでは、候補者を求人者に提示する、情報処理システムが提供される。
このような態様によれば、過去にスカウト文書を送信済みの求職者に対して、求職者の求職活動意欲が高まった次点で、求人者がスカウト文書の送信等のアプローチを行うことができる。そのため、求人者と求職者とのマッチングを効率的に行うことができる。
以下、図面を用いて本発明の実施形態について説明する。以下に示す実施形態中で示した各種特徴事項は、互いに組み合わせ可能である。
ところで、一実施形態に登場するソフトウェアを実現するためのプログラムは、コンピュータが読み取り可能な非一時的な記録媒体(Non-Transitory Computer-Readable Medium)として提供されてもよいし、外部のサーバからダウンロード可能に提供されてもよいし、外部のコンピュータで当該プログラムを起動させてクライアント端末でその機能を実現(いわゆるクラウドコンピューティング)するように提供されてもよい。
また、一実施形態に係る種々の情報処理において、入力と、入力に応じた出力とが実現されうる。ここで、入力の結果として出力が得られれば、かかる情報処理において参照される情報(以下、参照情報と称する。)の態様は、限定されない。参照情報は、例えば、データベース、ルックアップテーブル、所定の関数(統計学的手法によって構築された、回帰式等の判定式を含む。)等のルールベースの情報でもよいし、入力と出力との相関を予め学習させた学習済みモデルでもよいし、プロンプトを入力することで所望の結果を出力可能な大規模言語モデルでもよい。
また、一実施形態において「部」とは、例えば、広義の回路によって実施されるハードウェア資源と、これらのハードウェア資源によって具体的に実現されうるソフトウェアの情報処理とを合わせたものも含みうる。また、一実施形態においては様々な情報を取り扱うが、これら情報は、例えば電圧・電流を表す信号値の物理的な値、0又は1で構成される2進数のビット集合体としての信号値の高低、又は量子的な重ね合わせ(いわゆる量子ビット)によって表され、広義の回路上で通信・演算が実行されうる。
さらに、広義の回路とは、回路(Circuit)、回路類(Circuitry)、プロセッサ(Processor)、及びメモリ(Memory)等を少なくとも適当に組み合わせることによって実現される回路である。また、プロセッサは、汎用プロセッサでもよいし、専用の回路でもよい。すなわち、特定用途向け集積回路(Application Specific Integrated Circuit:ASIC)、プログラマブル論理デバイス(例えば、単純プログラマブル論理デバイス(Simple Programmable Logic Device:SPLD)、複合プログラマブル論理デバイス(Complex Programmable Logic Device:CPLD)、及びフィールドプログラマブルゲートアレイ(Field Programmable Gate Array:FPGA))等を含むものである。
1.ハードウェア構成
本節では、ハードウェア構成について説明する。
本節では、ハードウェア構成について説明する。
<情報処理システム1>
図1は、情報処理システム1を表す構成図である。情報処理システム1は、通信回線2と、サーバ装置10と、複数の求人者端末20と、複数の求職者端末30とを備える。サーバ装置10と、求人者端末20と、求職者端末30とは、通信回線2を通じて相互に通信可能に構成されている。サーバ装置10、求人者端末20及び求職者端末30の接続は有線でも無線でもよい。
図1は、情報処理システム1を表す構成図である。情報処理システム1は、通信回線2と、サーバ装置10と、複数の求人者端末20と、複数の求職者端末30とを備える。サーバ装置10と、求人者端末20と、求職者端末30とは、通信回線2を通じて相互に通信可能に構成されている。サーバ装置10、求人者端末20及び求職者端末30の接続は有線でも無線でもよい。
情報処理システム1は、例えば、複数の求人者(第1求人者U1及び第2求人者U2)と、複数の求職者(第1求職者U3及び第2求職者U4)とが利用する求人・求職システムの少なくとも一部を構成する。情報処理システム1は、求人者による求職者の検索、求職者へのスカウト文書の送信等を主に行う。一実施形態において、情報処理システム1とは、1つ又はそれ以上の装置又は構成要素からなるものである。以下、これらの構成要素について説明する。
<サーバ装置10>
図2は、サーバ装置10のハードウェア構成を示すブロック図である。図2に示されるように、サーバ装置10は、制御部11と、記憶部12と、通信部13と、通信バス14とを備える。制御部11、記憶部12、及び通信部13は、サーバ装置10の内部において通信バス14を介して電気的に接続されている。
図2は、サーバ装置10のハードウェア構成を示すブロック図である。図2に示されるように、サーバ装置10は、制御部11と、記憶部12と、通信部13と、通信バス14とを備える。制御部11、記憶部12、及び通信部13は、サーバ装置10の内部において通信バス14を介して電気的に接続されている。
<制御部11>
制御部11は、サーバ装置10に関連する全体動作の処理・制御を行う。制御部11は、例えば中央処理装置(Central Processing Unit:CPU)である。制御部11は、記憶部12に記憶された所定のプログラムを読み出すことによって、サーバ装置10に係る種々の機能を実現する。すなわち、記憶部12に記憶されているソフトウェアによる情報処理が、ハードウェアの一例である制御部11によって具体的に実現されることで、制御部11に含まれる各機能部として実行されうる。これらについては、次節においてさらに詳述する。なお、制御部11は単一であることに限定されず、サーバ装置10は、機能毎に複数の制御部11を有してもよい。また、サーバ装置10は、これらの組合せで構成されてもよい。
制御部11は、サーバ装置10に関連する全体動作の処理・制御を行う。制御部11は、例えば中央処理装置(Central Processing Unit:CPU)である。制御部11は、記憶部12に記憶された所定のプログラムを読み出すことによって、サーバ装置10に係る種々の機能を実現する。すなわち、記憶部12に記憶されているソフトウェアによる情報処理が、ハードウェアの一例である制御部11によって具体的に実現されることで、制御部11に含まれる各機能部として実行されうる。これらについては、次節においてさらに詳述する。なお、制御部11は単一であることに限定されず、サーバ装置10は、機能毎に複数の制御部11を有してもよい。また、サーバ装置10は、これらの組合せで構成されてもよい。
<記憶部12>
記憶部12は、前述の記載により定義される様々な情報を記憶する。これは、例えば、制御部11によって実行されるサーバ装置10に係る種々のプログラム等を記憶するソリッドステートドライブ(Solid State Drive:SSD)等のストレージデバイスとして、あるいは、プログラムの演算に係る一時的に必要な情報(引数、配列等)を記憶するランダムアクセスメモリ(Random Access Memory:RAM)等のメモリとして実施されうる。記憶部12は、制御部11によって実行されるサーバ装置10に係る種々のプログラム、変数等を記憶している。
記憶部12は、前述の記載により定義される様々な情報を記憶する。これは、例えば、制御部11によって実行されるサーバ装置10に係る種々のプログラム等を記憶するソリッドステートドライブ(Solid State Drive:SSD)等のストレージデバイスとして、あるいは、プログラムの演算に係る一時的に必要な情報(引数、配列等)を記憶するランダムアクセスメモリ(Random Access Memory:RAM)等のメモリとして実施されうる。記憶部12は、制御部11によって実行されるサーバ装置10に係る種々のプログラム、変数等を記憶している。
<通信部13>
通信部13は、USB、IEEE1394、Thunderbolt(登録商標)、有線LANネットワーク通信等といった有線型の通信手段が好ましいものの、無線LANネットワーク通信、LTE/5G等のモバイル通信、BLUETOOTH(登録商標)通信等を必要に応じて含めてもよい。すなわち、これら複数の通信手段の集合として実施することがより好ましい。すなわち、サーバ装置10は、通信部13及びネットワークを介して、外部から種々の情報を通信してもよい。
通信部13は、USB、IEEE1394、Thunderbolt(登録商標)、有線LANネットワーク通信等といった有線型の通信手段が好ましいものの、無線LANネットワーク通信、LTE/5G等のモバイル通信、BLUETOOTH(登録商標)通信等を必要に応じて含めてもよい。すなわち、これら複数の通信手段の集合として実施することがより好ましい。すなわち、サーバ装置10は、通信部13及びネットワークを介して、外部から種々の情報を通信してもよい。
サーバ装置10は、オンプレミス形態であってもよく、クラウド形態であってもよい。クラウド形態のサーバ装置10は、例えば、SaaS(Software as a Service)、クラウドコンピューティングという形態で、上述の機能や処理を提供してもよい。
<求人者端末20>
図3は、求人者端末20及び求職者端末30のハードウェア構成を示すブロック図である。求人者端末20は、求人者が使用する情報処理端末である。求人者には、営利法人(例えば、企業等)、非営利法人(例えば、協同組合、財団法人等)、公的法人(例えば、地方公共団体等)等の組織又はその担当者が含まれる。また、求人者には、組織の代理人として、求職者と組織とを仲介する人材仲介業者も含まれる。人材仲介業者は、ヘッドハンター、エージェント等とも呼ばれる。
図3は、求人者端末20及び求職者端末30のハードウェア構成を示すブロック図である。求人者端末20は、求人者が使用する情報処理端末である。求人者には、営利法人(例えば、企業等)、非営利法人(例えば、協同組合、財団法人等)、公的法人(例えば、地方公共団体等)等の組織又はその担当者が含まれる。また、求人者には、組織の代理人として、求職者と組織とを仲介する人材仲介業者も含まれる。人材仲介業者は、ヘッドハンター、エージェント等とも呼ばれる。
図3Aに示されるように、求人者端末20は、制御部21と、記憶部22と、通信部23と、入力部24と、出力部25と、通信バス26とを備える。制御部21、記憶部22、通信部23、入力部24、及び出力部25は、求人者端末20の内部において通信バス26を介して電気的に接続されている。制御部21、記憶部22及び通信部23の説明は、サーバ装置10における各部の説明と同様のため省略する。
<入力部24>
入力部24は、ユーザによってなされた操作入力を受け付ける。操作入力は、命令信号として通信バス26を介して制御部21に転送される。制御部21は、必要に応じて、転送された命令信号に基づいて所定の制御や演算を実行しうる。入力部24は、求人者端末20の筐体に含まれるものであってもよいし、外付けされるものであってもよい。例えば、入力部24は、出力部25と一体となってタッチパネルとして実施されてもよい。入力部24がタッチパネルとして実施される場合、ユーザは、入力部24に対してタップ操作、スワイプ操作等を入力することができる。入力部24としては、タッチパネルに代えて、スイッチボタン、マウス、トラックパッド、QWERTYキーボード等が採用可能である。
入力部24は、ユーザによってなされた操作入力を受け付ける。操作入力は、命令信号として通信バス26を介して制御部21に転送される。制御部21は、必要に応じて、転送された命令信号に基づいて所定の制御や演算を実行しうる。入力部24は、求人者端末20の筐体に含まれるものであってもよいし、外付けされるものであってもよい。例えば、入力部24は、出力部25と一体となってタッチパネルとして実施されてもよい。入力部24がタッチパネルとして実施される場合、ユーザは、入力部24に対してタップ操作、スワイプ操作等を入力することができる。入力部24としては、タッチパネルに代えて、スイッチボタン、マウス、トラックパッド、QWERTYキーボード等が採用可能である。
<出力部25>
出力部25は、ユーザが操作可能なグラフィカルユーザインターフェース(Graphical User Interface:GUI)の画面を表示する。出力部25は、求人者端末20の筐体に含まれるものであってもよいし、外付けされるものであってもよい。具体的には、出力部25は、CRTディスプレイ、液晶ディスプレイ、有機ELディスプレイ、プラズマディスプレイ等の表示デバイスとして実施されうる。これらの表示デバイスは、求人者端末20の種類に応じて使い分けて実施されることが好ましい。
出力部25は、ユーザが操作可能なグラフィカルユーザインターフェース(Graphical User Interface:GUI)の画面を表示する。出力部25は、求人者端末20の筐体に含まれるものであってもよいし、外付けされるものであってもよい。具体的には、出力部25は、CRTディスプレイ、液晶ディスプレイ、有機ELディスプレイ、プラズマディスプレイ等の表示デバイスとして実施されうる。これらの表示デバイスは、求人者端末20の種類に応じて使い分けて実施されることが好ましい。
<求職者端末30>
求職者端末30は、求職者が使用する情報処理端末である。「求職者」には、例えば、在職者(転職希望者)、新卒予定者(就職活動生)等が含まれる。
求職者端末30は、求職者が使用する情報処理端末である。「求職者」には、例えば、在職者(転職希望者)、新卒予定者(就職活動生)等が含まれる。
図3Bに示されるように、求職者端末30は、制御部31と、記憶部32と、通信部33と、入力部34と、出力部35と、通信バス36とを備える。制御部31、記憶部32、通信部33、入力部34、及び出力部35は、求職者端末30の内部において通信バス36を介して電気的に接続されている。制御部31、記憶部32、通信部33、入力部34及び出力部35の説明は、求人者端末20における各部の説明と同様のため省略する。
2.機能構成
本節では、本実施形態の機能構成について説明する。記憶部12に記憶されているソフトウェアによる情報処理がハードウェアの一例である制御部11によって具体的に実現されることで、制御部11(情報処理システム1が備える少なくとも1つのプロセッサ)に含まれる各機能部として実行されうる。
本節では、本実施形態の機能構成について説明する。記憶部12に記憶されているソフトウェアによる情報処理がハードウェアの一例である制御部11によって具体的に実現されることで、制御部11(情報処理システム1が備える少なくとも1つのプロセッサ)に含まれる各機能部として実行されうる。
図4は、サーバ装置10(制御部11)、求人者端末20(制御部21)、及び求職者端末30(制御部31)によって実現される機能を示すブロック図である。
図4Aに示されるように、サーバ装置10(制御部11)は、基本表示制御部111と、候補者抽出部112と、提示部113と、受付部114と、スカウト文書送信部115と、人工知能部120とを備える。図4Bに示されるように、求人者端末20(制御部21)は、表示部211と、操作取得部212とを備える。図4Cに示されるように、求職者端末30(制御部31)は、表示部311と、操作取得部312とを備える。
<基本表示制御部111>
基本表示制御部111は、種々の情報を求人者端末20、又は求職者端末30に表示させるように構成される。例えば、基本表示制御部111は、各ユーザ(求人者U1,U2又は求職者U3,U4)の要求に応じて、データベースに登録されている求職者の登録情報等を、求人者端末20の表示部211、又は求職者端末30の表示部311に表示させる。
基本表示制御部111は、種々の情報を求人者端末20、又は求職者端末30に表示させるように構成される。例えば、基本表示制御部111は、各ユーザ(求人者U1,U2又は求職者U3,U4)の要求に応じて、データベースに登録されている求職者の登録情報等を、求人者端末20の表示部211、又は求職者端末30の表示部311に表示させる。
データベースに登録された求職者の登録情報には、求職者の履歴書、職務経歴書、その他のプロフィール情報等が含まれる。「履歴書」は、主に求職者のプロフィール、現況、学歴、職歴、希望の労働条件等が記載された文書であり、「職務経歴書」は、レジュメとも呼ばれ、求職者が求人者に対して、自身のこれまでの職務に関する経歴、経験、スキル、資格等を伝える文書である。求職者登録情報には、求職者が希望する業種及び職種等の条件が含まれてもよい。
<候補者抽出部112>
候補者抽出部112は、求人者がスカウト文書を送信済みの複数の求職者の中から、求職者の行動履歴と参照情報とに基づいて、スカウト文書を再送信する少なくとも1人の候補者を抽出するように構成される。
候補者抽出部112は、求人者がスカウト文書を送信済みの複数の求職者の中から、求職者の行動履歴と参照情報とに基づいて、スカウト文書を再送信する少なくとも1人の候補者を抽出するように構成される。
「スカウト文書を送信済みの求職者」(以下、「特定求職者」)は、登録情報がデータベースに登録されており、かつ、後述されるスカウト文書送信部115によって、ユーザである求人者が同一のアカウントで作成したスカウト文書が少なくとも1回送信された求職者である。ここで、「スカウト文書」は、スカウトメール、オファーメール、求人案内メール等と呼ばれてもよく、求人者から求職者に送信される文書又はメッセージを意味する。
「求職者の行動履歴」は、求職者が求職者端末30を介して情報処理システム1が提供するサービスへのログイン、当該サービス上で行った操作又は指示、当該サービス上で求人者から受けたアクション等の記録であり、データベースに登録されている。
行動履歴には、求職者の登録情報に対するアクション、求職者が受信したスカウト文書に対するアクション、及び求人に対するアクションのうち少なくとも1つが含まれてもよい。これにより、求職者の求職活動に対する意欲の予測精度を高めることができる。
「登録情報に対するアクション」には、例えば、登録情報の登録、登録情報の更新、登録情報の特定項目の記入又は更新等が含まれる。「特定項目」としては、例えば、就職意欲に関する項目が挙げられる。行動履歴としては、登録情報の登録日、更新日、特定項目の記入日等が記録されてもよい。
「スカウト文書に対するアクション」には、ユーザである求人者から送信されたスカウト文書の開封(確認)又は返信、ユーザ以外の他の求人者から送信されたスカウト文書の開封又は返信等が含まれる。行動履歴としては、スカウト文書の開封日又は開封回数、スカウト文書への返信日又は返信回数(返信率)等が記録されてもよい。
「求人に対するアクション」には、求人への応募、面接(面談)の実施、求人の検索又は閲覧等が含まれる。行動履歴としては、求人への応募日又は応募数、面接の実施日又は実施数、求人の検索日又は検索回数、求人の閲覧日又は閲覧数等が記録されてもよい。
また、行動履歴には、上述のアクション以外に、ログインに関するアクションとして、最終ログイン日時、ログイン頻度等が記録されてもよい。
行動履歴には、求職者が行った、互いに異なる複数のアクションごとの履歴情報が含まれてもよい。「互いに異なる複数のアクション」は、対象が異なるアクション(例えば、スカウト文書に対するアクションと、求人に対するアクションとの組み合わせ)であってもよいし、行動内容が異なるアクション(例えば、求人への応募と、求人の検索との組み合わせ)であってもよい。「履歴情報」としては、例えば、特定のアクションの実行日時(例えば、登録情報の登録日等)、特定のアクションの実行回数(例えば、面接の実施数)、特定のアクションの実行頻度(例えば、特定の期間でのスカウト文書への返信回数)等が挙げられる。
参照情報は、行動履歴と、求職者の求職活動意欲との相関関係を含む情報である。参照情報は、例えば、記憶部12に記憶されている。参照情報は、例えば、求職者の行動履歴を入力として、当該求職者の求職活動意欲を出力可能なように構築された推定器である。また、参照情報は、例えば、複数の求職者とそれらの行動履歴とを入力として、求職活動意欲が高いと推定される少なくとも1人の候補者を出力可能なように構築された推定器である。なお、「求職活動意欲」は、求職者の就職活動又は転職活動への積極性の大きさを示す。また、「求職活動意欲」は、求職者のスカウト文書への返信可能性、又は求職者の採用可能性と読み替えられてもよく、求職者がスカウト文書に対して返信を行う可能性の大きさや、求職者が採用される可能性の大きさを示してもよい。
参照情報は、例えば、求職者の行動履歴から抽出される特徴量(例えば、ベクトルデータ)と、求職活動意欲、スカウト文書への返信可能性、又は採用可能性との相関関係を示す、テーブル、関数、単純アルゴリズム等を含んでもよい。参照情報に含まれる相関関係は、例えば、実際の求職者の行動履歴と求職活動意欲、スカウト文書の返信可能性、又は採用可能性を示す指標とを記録したデータを統計学的に解析することで構築することができる。
後述される受付部114において求人者端末20から特定アクションが受け付けられている場合、候補者抽出部112は、特定アクションについての行動履歴と参照情報とに基づいて候補者を抽出してもよい。「特定アクション」は、求職者のアクションの中から、ユーザである求人者が指定したアクションである。つまり、候補者抽出部112は、求人者が設定したアクションに関する行動履歴(例えば、スカウト文書への返信)に基づいて、候補者を抽出してもよい。なお、候補者抽出部112は、複数の特定アクションそれぞれの行動履歴に基づいて候補者を抽出してもよい。
候補者抽出部112は、参照情報を用いた下記の第1抽出パターン及び第2抽出パターンのいずれかによって、候補者を抽出する。
<第1抽出パターン>
第1抽出パターンでは、候補者抽出部112は、特定求職者の行動履歴と参照情報とに基づいて、特定求職者の求職活動意欲の大きさを示す活動スコアを算出し、特定求職者の中から、活動スコアに基づいて候補者を抽出する。これにより、活動スコアの閾値の変更によって、抽出される候補者の調整が可能となる。活動スコアは、求職活動意欲の高さ、スカウト文書への返信可能性の大きさ、又は求人組織への採用可能性の大きさを示すスコアである。
第1抽出パターンでは、候補者抽出部112は、特定求職者の行動履歴と参照情報とに基づいて、特定求職者の求職活動意欲の大きさを示す活動スコアを算出し、特定求職者の中から、活動スコアに基づいて候補者を抽出する。これにより、活動スコアの閾値の変更によって、抽出される候補者の調整が可能となる。活動スコアは、求職活動意欲の高さ、スカウト文書への返信可能性の大きさ、又は求人組織への採用可能性の大きさを示すスコアである。
候補者抽出部112は、複数の特定求職者(典型的には、全ての特定求職者)の活動スコアを算出し、活動スコアが閾値を超える特定求職者を候補者として判定する。また、候補者抽出部112は、活動スコアの順位が所定範囲(例えば、上位10人)の特定求職者を候補者として判定してもよい。
候補者抽出部112は、特定求職者の活動スコアを判定モデルに入力し、判定モデルに当該特定求職者が候補者であるか否か(候補者の判定結果)を出力させてもよい。判定モデルは、活動スコアを入力とし、候補者の判定結果を出力することが可能なように学習された、人工知能部120に含まれる学習モデルである。判定モデルは、例えば、活動スコアと、それに対応する候補者の判定結果のデータとを教師データとして学習した学習モデルである。
判定モデルは、大規模言語モデルを含む生成AIであってもよい。この場合、候補者抽出部112は、活動スコアを入力とし、当該活動スコアに基づいて候補者を判定する指示を含むプロンプトを判定モデルに入力し、判定結果を判定モデルに出力させる。候補者抽出部112は、活動スコアから候補者を判定する指示を判定モデルへ与えるプロンプトを生成し、当該プロンプトを判定モデルへ入力してもよい。また、候補者抽出部112は、候補者の判定・出力指示と活動スコアとに加え、入力及び出力のペアの例、サンプル又は教師データとして、例えば、1以上の活動スコアのサンプルと、それに対応する1以上の判定結果のサンプルとを挿入したプロンプトを判定モデルに入力してもよい。判定モデルは、入力されたプロンプトにしたがって、活動スコアから候補者を判定する。
第1抽出パターンでは、候補者抽出部112は、参照情報に含まれる、求職者の行動履歴ごとのスコアの算出式及び/又は重み付け係数を定義したテーブルを用いて、活動スコアを算出してもよい。候補者抽出部112は、例えば、行動履歴ごとのスコアの単純合計、行動履歴ごとのスコアに重み付け係数を乗じた数値の合計、行動履歴ごとのスコアの平均値等として、活動スコアを算出する。
第1抽出パターンでは、参照情報は、求職者の行動履歴を入力とし、活動スコアを出力することが可能なように学習されたスコア算出モデルを含んでもよい。この場合、候補者抽出部112は、特定求職者の行動履歴をスコア算出モデルに入力し、スコア算出モデルに活動スコアを出力させる。これにより、求職者の行動解析(例えば、求職者の行動データから導かれる、特定の行動とスカウト文書への返信との関連性等)、又は自然言語処理に基づいた、活動スコアの算出が可能となる。
スコア算出モデルは、人工知能部120に含まれる学習モデルである。スコア算出モデルは、例えば、行動履歴と、それに対応する求職活動意欲、スカウト文書への返信可能性、又は求人組織への採用可能性を示す実績(例えば、求職活動意欲の有無、スカウト文書への返信の有無、採用の有無等)のデータとを教師データとして学習した学習モデルである。これにより、求職者の行動履歴に基づいて、求職活動意欲、スカウト返信可能性、又は採用可能性の予測に最適なパラメータを算出し、学習モデルを構築することができる。スコア算出モデルの学習では、例えば、求職者の行動履歴からスカウト文書への返信、採用(求人の成約)等の確率が算出され、最も実績に整合するパラメータが探索されることで、モデルのパラメータが決定される。活動スコアは、例えば、求職活動意欲が高い求職者、スカウト文書に返信している求職者、又は求人組織へ採用されている求職者の特徴値との類似度として出力される。なお、スコア算出モデルは、行動履歴と、それに対応する活動スコアのデータとを教師データとして学習したものであってもよい。また、スコア算出モデルは、行動履歴に加え、求職者の属性(例えば、年齢、学歴、現在の所属組織、現在の業種、現在の職種、現在の役職、現在の年収、保有スキル、保有資格、経験した組織(組織ごとの在席年数)、経験した業種(業種ごとの経験年数)、経験した職種(職種ごとの経験年数)、希望の業種、希望の職種、希望の年収、希望の勤務地など)を教師データとして、求職者の属性及び行動履歴から、求職活動意欲、スカウト文書への返信可能性、採用可能性等の確率を算出するように学習されてもよい。
スコア算出モデルは、大規模言語モデルを含む生成AIであってもよい。この場合、候補者抽出部112は、求職者の行動履歴を入力とし、当該行動履歴に基づいて活動スコアを算出する指示を含むプロンプトをスコア算出モデルに入力し、活動スコアをスコア算出モデルに出力させる。候補者抽出部112は、行動履歴から活動スコアを算出する指示をスコア算出モデルへ与えるプロンプトを生成し、当該プロンプトをスコア算出モデルへ入力してもよい。候補者抽出部112が生成するプロンプトには、出力する活動スコアの例が含まれていてもよい。また、候補者抽出部112は、活動スコアの算出・出力指示と行動履歴とに加え、入力及び出力のペアの例、サンプル又は教師データとして、例えば、1以上の行動履歴のサンプルと、それに対応する1以上の活動スコアのサンプルとを挿入したプロンプトをスコア算出モデルに入力してもよい。スコア算出モデルは、入力されたプロンプトにしたがって、行動履歴から活動スコアを算出する。スコア算出モデルにおいて、学習によって算出、チューニング等されたパラメータが、参照情報の相関関係を構成する。
スコア算出モデルと判定モデルとは共通の生成AI(大規模言語モデル)であってもよい。この場合、候補者抽出部112は、当該生成AIに活動スコアを算出させるプロンプトを入力して活動スコアを出力させ、この活動スコアを用いて候補者を判定するプロンプトをさらに当該生成AIに入力してもよい。
スコア算出モデルは、複数のアクションごとの履歴情報を入力とし、履歴情報の評価値を出力することが可能なように学習された第1算出モデルと、複数の履歴情報それぞれの評価値から活動スコアを算出する第2算出モデルと、を含んでもよい。これにより、複数のアクションごとの評価に基づいて活動スコアが算出されるため、多角的に求職者の求職活動意欲を推測することができる。
第1算出モデルは、人工知能部120に含まれる学習モデルである。第1算出モデルは、例えば、履歴情報と、それに対応する評価値のデータとを教師データとして学習した学習モデルである。なお、第1算出モデルは、1つの履歴情報を入力とし、当該履歴情報の評価値を出力してもよいし、複数の履歴情報を入力とし、複数の履歴情報それぞれの評価値を同時に出力してもよい。
第1算出モデルは、大規模言語モデルを含む生成AIであってもよい。この場合、候補者抽出部112は、履歴情報を入力とし、当該履歴情報に基づいて評価値を算出する指示を含むプロンプトを第1算出モデルに入力し、評価値を第1算出モデルに出力させる。候補者抽出部112は、履歴情報から評価値を算出する指示を第1算出モデルへ与えるプロンプトを生成し、当該プロンプトを第1算出モデルへ入力してもよい。また、候補者抽出部112は、評価値の算出・出力指示と履歴情報とに加え、入力及び出力のペアの例、サンプル又は教師データとして、例えば、1以上の履歴情報のサンプルと、それに対応する1以上の評価値のサンプルとを挿入したプロンプトを第1算出モデルに入力してもよい。第1算出モデルは、入力されたプロンプトにしたがって、履歴情報から評価値を算出する。
第2算出モデルは、例えば、人工知能部120に含まれる学習モデルである。例えば、第2算出モデルは、複数の評価値(評価値群)と、それらに対応する活動スコアのデータとを教師データとして学習した学習モデルである。
第2算出モデルは、大規模言語モデルを含む生成AIであってもよい。この場合、候補者抽出部112は、評価値群を入力とし、当該評価値群に基づいて活動スコアを算出する指示を含むプロンプトを第2算出モデルに入力し、活動スコアを第2算出モデルに出力させる。候補者抽出部112は、評価値群から活動スコアを算出する指示を第2算出モデルへ与えるプロンプトを生成し、当該プロンプトを第2算出モデルへ入力してもよい。また、候補者抽出部112は、活動スコアの算出・出力指示と評価値群とに加え、入力及び出力のペアの例、サンプル又は教師データとして、例えば、1以上の評価値群のサンプルと、それに対応する1以上の活動スコアのサンプルとを挿入したプロンプトを第2算出モデルに入力してもよい。第2算出モデルは、入力されたプロンプトにしたがって、評価値群から活動スコアを算出する。
第2算出モデルは、第1算出モデルが出力した複数の評価値と、履歴情報の種類(つまり、アクションの種類又は内容)ごとに設定された重み付けとに基づいて、活動スコアを算出する計算モデル(アルゴリズム)であってもよい。例えば、第2算出モデルは、複数の評価値にそれぞれの重み付け係数を乗じた数値の和を、活動スコアとして算出してもよい。重み付け係数は、例えば、求職活動意欲との相関が高いアクションほど、高く設定される。
<第2抽出パターン>
第2抽出パターンでは、候補者抽出部112は、複数の特定求職者(典型的には、全ての特定求職者)の行動履歴と参照情報とに基づいて、複数の特定求職者の中から候補者を直接抽出する。
第2抽出パターンでは、候補者抽出部112は、複数の特定求職者(典型的には、全ての特定求職者)の行動履歴と参照情報とに基づいて、複数の特定求職者の中から候補者を直接抽出する。
第2抽出パターンでは、参照情報は、複数の求職者の行動履歴を入力とし、これらの求職者の中から候補者を出力することが可能なように学習された候補者抽出モデルを含んでもよい。この場合、候補者抽出部112は、スカウト文書を送信済みの複数の求職者(特定求職者)の行動履歴を候補者抽出モデルに入力し、候補者抽出モデルに候補者を出力させる。これにより、行動履歴に基づいて候補者が直接抽出されるため、候補者を抽出するための情報処理の負荷を低減できる。
候補者抽出モデルは、人工知能部120に含まれる学習モデルである。候補者抽出モデルは、例えば、スコア算出モデルと同様に、求職者の行動履歴と、それに対応する求職活動意欲、スカウト文書への返信可能性、又は求人組織への採用可能性を示す実績のデータとを教師データとして学習した学習モデルである。候補者抽出モデルは、例えば、入力された行動履歴に基づいて、求職活動意欲が高い求職者、スカウト文書に返信している求職者、又は求人組織へ採用されている求職者の特徴値との類似度を表す内部スコアを算出し、さらにこの内部スコアの大きさに基づいて、行動履歴が入力された求職者が候補者であるか否か判定する。なお、スコア算出モデルは、行動履歴と、それに対応する候補者であるか否かのデータとを教師データとして学習したものであってもよい。また、候補者抽出モデルには、行動履歴以外の複数の特定求職者の情報(例えば、特定求職者を特定するID、氏名等)が含まれるリストが入力されてもよい。また、候補者抽出モデルは、スコア算出モデルと同様に、行動履歴に加え、求職者の属性を教師データとして、求職者の属性及び行動履歴から、求職活動意欲、スカウト文書への返信可能性、採用可能性等の確率(内部スコア)を算出するように学習されてもよい。
候補者抽出モデルは、大規模言語モデルを含む生成AIであってもよい。この場合、候補者抽出部112は、求職者の行動履歴を入力とし、当該行動履歴に基づいて求職活動意欲の高さ、スカウト文書への返信可能性の大きさ、又は求人組織への採用可能性の大きさを示すスコアを算出し、さらに当該スコアに基づいて当該求職者が候補者であるか否か判定する指示を含むプロンプトを候補者抽出モデルに入力し、判定結果を候補者抽出モデルに出力させる。候補者抽出部112は、行動履歴(スコア)に基づいて候補者を判定する指示を候補者抽出モデルへ与えるプロンプトを生成し、当該プロンプトを候補者抽出モデルへ入力してもよい。また、候補者抽出部112は、候補者の判定・出力指示と行動履歴とに加え、入力及び出力のペアの例、サンプル又は教師データとして、例えば、1以上の行動履歴のサンプルと、それに対応する1以上の候補者の判定結果のサンプル及び/又は1以上のスコアのサンプルとを挿入したプロンプトを候補者抽出モデルに入力してもよい。候補者抽出モデルは、入力されたプロンプトにしたがって、行動履歴に基づいて求職者が候補者であるか否か判定する。候補者抽出モデルにおいて、学習によって算出、チューニング等されたパラメータが、参照情報の相関関係を構成する。
候補者抽出部112は、第1抽出パターン及び第2抽出パターンのいずれかによって、所定の間隔で候補者の抽出を実行(つまり、候補者を更新)する。「所定の間隔」としては、例えば、1日等である。つまり、候補者抽出部112は、日替わりで候補者を抽出してもよい。また、候補者抽出部112は、求人者ごと(つまり、求人者のアカウントごと)に、候補者を抽出する。
なお、候補者として抽出された求職者に対し、ユーザである求人者がスカウト文書を再送した場合、当該求職者は、候補者抽出部112が候補者を抽出し直すまでは、候補者のままである。また、スカウト文書が再送された後も、候補者抽出部112は当該求職者を候補者として抽出しうる。当該求職者を候補者として提示させないようにするには、ユーザである求人者が後述される絞り込む条件でスカウト文書の送信日を設定する必要がある。また、後述される提示部113によって当該求職者がリストから除外されてもよい。
一方で、候補者抽出部112は、スカウト文書の送信日時又は送信回数を候補者の判定条件としてもよい。例えば、候補者抽出部112は、最後にスカウト文書を送信した日時から現在までの期間が所定値未満の求職者、スカウト文書の送信回数が所定値以上の求職者等を候補者から除外する(つまり、候補者として抽出しない)ように構成されてもよい。
<提示部113>
提示部113は、候補者抽出部112が抽出した候補者を求人者に提示するように構成される。具体的には、提示部113は、少なくとも1人の候補者の情報(例えば、登録情報の一部)を求人者端末20に表示させる。提示部113は、候補者抽出部112が抽出した複数の候補者すべてを提示してもよいし、その一部を提示してもよい。
提示部113は、候補者抽出部112が抽出した候補者を求人者に提示するように構成される。具体的には、提示部113は、少なくとも1人の候補者の情報(例えば、登録情報の一部)を求人者端末20に表示させる。提示部113は、候補者抽出部112が抽出した複数の候補者すべてを提示してもよいし、その一部を提示してもよい。
提示部113は、複数の候補者のうち、特定求人票が添付されたスカウト文書が送信された候補者を求人者端末20において優先表示させてもよい。ここで、「特定求人票」は、所定の期間に求人者が送信したスカウト文書に添付された求人票と同一又は類似する求人票である。これにより、ユーザである求人者が所定の期間にスカウト文書に添付した求人票について、当該スカウト文書を送信した求職者の求職活動意欲が高まった段階で、再度アプローチを行うことができる。
「所定の期間」は、例えば、現時点から一定範囲の期間であり、例えば、現時点から1月以内、現時点から1週間以内等である。
求人票の類否は、2つの求人票それぞれの特徴量の差(例えば、単語又は文のベクトル化により得られる特徴ベクトルの距離)で判断される。例えば、特徴量の差が予め定めた閾値未満(例えば、コサイン類似度が閾値以上)の求人票は互いに類似すると判断される。
提示部113は、複数の候補者を活動スコアが大きい順に求人者端末20に表示させてもよい。これにより、ユーザである求人者が求職活動意欲の高い求職者にアプローチしやすくなる。なお、提示部113は、候補者の情報とともに、候補者の活動スコアを表す情報(例えば、数値、アイコン等)を求人者端末20に表示させてもよい。
提示部113は、求人者(求人者端末20)から、候補者へのスカウト文書の送信日時又は送信回数についての絞り込み条件の入力を受け付け、候補者のうち、入力された絞り込み条件を満たす候補者を求人者端末20に表示させてもよい。これにより、スカウト文書を送信(又は再送)したばかりの候補者をユーザである求人者側でアプローチ候補から除外することができる。
例えば、提示部113は、絞り込み条件として、最後にスカウト文書を送信した日時(期間)又はスカウト文書の送信回数(例えば、指定値、上限値、下限値等)の入力を受け付ける。また、提示部113は、候補者の属性(例えば、応募履歴、審査履歴等)についての絞り込み条件の入力を受け付けてもよい。
また、提示部113は、提示した候補者に対し、ユーザである求人者がスカウト文書を再送した場合は、当該候補者の提示を行わない(リストから除外する)ようにしてもよい。この場合、提示部113は、例えば、スカウト文書の再送から所定期間経過しても当該候補者から返信がない場合等に、当該候補者を再提示してもよい。
提示部113は、ターゲットリストに含まれる候補者の数をターゲットリストごとに求人者端末20に表示させてもよい。ここで、ターゲットリストは、求人者が任意の求職者を登録したリストである。これにより、ユーザである求人者が、自身のターゲットリストのうち、候補者の多いターゲットリストの中身を優先的に確認することができる。
ターゲットリスト(ブックマークリストやお気に入りリスト等とも呼ばれてもよい)は、求人者がスカウト候補として検討している任意の求職者が登録されたリストである。求人者は、複数のターゲットリストを作成及び登録することができる。提示部113は、例えば、候補者の数を情報として含むターゲットリストの一覧を求人者端末20に表示させる。
提示部113は、求人票ごとに、当該求人票を添付したスカウト文書を送信した求職者から抽出された候補者又はその数を求人者端末20に表示させてもよい。これにより、ユーザである求人者が、自身の求人票の中で候補者の多い求人票を把握することができる。提示部113は、例えば、候補者の数を情報として含む求人票の一覧を求人者端末20に表示させる。
図5は、求人者端末20に表示される候補者表示画面CDの一例を示す図である。候補者表示画面CDは、求人票リストJLを含む。求人票リストJLには、候補者抽出部112によって抽出された候補者に対し、スカウト文書を送信した求人票の情報がリスト表示される。求人票の情報には、例えば、募集ポジション名、対象候補者数等が含まれる。求人票リストJLにおいて、求人票は、例えば、最新のスカウト送信日が新しい(最後に送信したスカウト文書の送信日が現時点から近い)順に表示される。
求人票リストJLの任意の求人票を求人者が選択することで、当該求人票における候補者の一覧が求人者端末20に表示される。この一覧においてさらに候補者が選択されることで、当該候補者へのスカウト文書の作成、当該候補者のターゲットリストへの追加等を行う操作画面が求人者端末20に表示される。また、図5の候補者表示画面CDは、例えば、求人者が求人票の管理、求職者の検索、スカウト文書の作成及び送信等を行う管理画面において、求人者のログイン時に初期画面(ホーム画面)やいわゆるマイページの画面として表示される。
図6は、求人者端末20に表示される候補者表示画面CDの別の例を示す図である。図6の候補者表示画面CDは、条件設定領域CAと、候補者リストCLとを含む。
条件設定領域CAは、候補者リストCLに表示させる候補者の絞り込み条件を設定する領域である。条件設定領域CAには、対象選択領域TA、送信日選択領域DA、送信回数選択領域NA、及び評価選択領域EAが含まれる。
対象選択領域TAには、候補者リストCLに表示させる対象の選択を受け付けるオブジェクト(タブ)が表示される。図6の例では、候補者抽出部112によって抽出された候補者が対象者として選択された(「送信済み」タブが選択された)状態が示されている。「すべて」のタブが選択されると、候補者に限定されない、スカウト文書が送信可能なすべての求職者が候補者リストCLに表示される。
送信日選択領域DAには、候補者リストCLに表示させる候補者を絞り込むための、最後に送信したスカウト文書の送信日の期間の入力を受け付けるオブジェクト(日付入力欄)が表示される。図6の例では、送信日選択領域DAに入力された「2023年6月1日から2024年6月30日まで」に、スカウト文書が送信された候補者のみが候補者リストCLに表示される。
送信回数選択領域NAには、候補者リストCLに表示させる候補者を絞り込むための、スカウト文書の送信回数の入力を受け付けるオブジェクト(プルダウンメニュー)が表示される。図6の例では、送信日選択領域DAに入力された、スカウト文書の送信回数が「1回以上」である候補者のみが候補者リストCLに表示される。
評価選択領域EAには、候補者リストCLに表示させる候補者を絞り込むための、求職者の属性の選択を受け付けるオブジェクト(チェックボックス)が表示される。図6の例では、求職者に付与された評価値が、候補者リストCLに候補者として表示させる求職者の属性条件として表示されている。したがって、候補者リストCLには、評価選択領域EAにてチェックされたいずれかの属性を有する候補者のみが表示される。
図6の候補者リストCLでは、候補者の情報として、例えば、候補者の基本情報と、過去に送信したスカウト文書の情報と、スカウト文書の総送信回数とが表示される。候補者の基本情報には、例えば、年齢、年収、所属組織、所属部署、役職等が含まれる。スカウト文書の情報には、例えば、スカウト文書ごとの送信日時、件名、送信アカウント等が含まれる。なお、「活動再開時期」は、例えば、ログイン日時、登録情報の更新日時、求人の閲覧日時、スカウト文書への返信日時等によって判定される。
また、図6の候補者リストCLは、アクション選択領域AAと、表示順選択領域SAとを含む。アクション選択領域AAには、候補者の一括選択、選択した候補者へのスカウト文書の一括送信、選択した候補者の候補者リストCLからの削除、選択した候補者のターゲットリストから削除等のアクションそれぞれを受け付けるオブジェクトが表示される。
表示順選択領域SAには、候補者リストCLにおける候補者の表示順の選択を受け付けるオブジェクト(プルダウンメニュー)が表示される。表示順の選択肢には、例えば、活動再開日順、スカウト文書の最終送信日時順、スカウト文書の送信回数順、活動意欲(活動スコア)順等が挙げられる。
図7は、求人者端末20に表示されるターゲットリスト表示画面TDの一例を示す図である。ターゲットリスト表示画面TDは、メッセージMGと、ターゲットリスト一覧TLとを含む。
メッセージMGは、求人者が登録しているターゲットリストのいずれかに、候補者抽出部112が抽出した候補者が少なくとも1人含まれることを伝える文章を含む。メッセージMGには、候補者が含まれるターゲットリストの数が表示されてもよい。なお、候補者が含まれるターゲットリストが存在しない場合は、メッセージMGは表示されない。
ターゲットリスト一覧TLには、求人者が作成したターゲットリストの情報がリスト表示される。ターゲットリストの情報には、例えば、ターゲットリスト名、候補者数、求職者の最終追加日(ターゲットリストの最終編集日)、対象とするポジション名等が含まれる。ターゲットリスト一覧TLの任意のターゲットリストを求人者が選択することで、当該ターゲットリストに登録されている求職者(候補者を含む)のリストが求人者端末20に表示される。
<受付部114>
受付部114は、求人者(求人者端末20)から、求職者のアクションのうち、候補者抽出部112が候補者を抽出するための特定アクションの入力を受け付ける。これにより、ユーザである求人者が重視する求職者のアクションに基づいて候補者を抽出させることができるため、再アプローチをかける求職者とのマッチング精度が高められる。
受付部114は、求人者(求人者端末20)から、求職者のアクションのうち、候補者抽出部112が候補者を抽出するための特定アクションの入力を受け付ける。これにより、ユーザである求人者が重視する求職者のアクションに基づいて候補者を抽出させることができるため、再アプローチをかける求職者とのマッチング精度が高められる。
例えば、受付部114は、求人者端末20に求職者の複数のアクションの選択肢(特定アクションの候補)を表示させ、求人者端末20において選択されたアクションを特定アクションとして受け付ける。受付部114が受け付けた特定アクションについての行動履歴が、候補者抽出部112によって候補者抽出モデル、スコア算出モデル等に入力される。
<スカウト文書送信部115>
スカウト文書送信部115は、求人者が作成したスカウト文書を求職者端末30に送信するように構成される。スカウト文書は、例えば、求人者端末20におけるテキスト入力のほか、求人票等の情報に基づいた学習モデルによる生成等によって作成されてもよい。
スカウト文書送信部115は、求人者が作成したスカウト文書を求職者端末30に送信するように構成される。スカウト文書は、例えば、求人者端末20におけるテキスト入力のほか、求人票等の情報に基づいた学習モデルによる生成等によって作成されてもよい。
<人工知能部120>
人工知能部120は、各機能部から入力を受け付け、指示された出力を返すように構成されている。なお、サーバ装置10が各機能部において使用する人工知能は、共通のものであってもよいし、機能部毎に個別に用意されたものであってもよい。
人工知能部120は、各機能部から入力を受け付け、指示された出力を返すように構成されている。なお、サーバ装置10が各機能部において使用する人工知能は、共通のものであってもよいし、機能部毎に個別に用意されたものであってもよい。
人工知能部120は、GPT(Generative Pretrained Transformer、GPT-1、GPT-2、GPT-3及びGPT-4を含む)、BERT(Bidirectional Encoder Representations from Transformers)、BART(Bidirectional and Auto-regressive Transformer)等を含むトランスフォーマ(Transformer)や再帰型ニューラルネットワーク(Recurrent Neural Network(RNN))等の言語モデル等の学習モデルを備えるAI(Artificial Intelligence)であって、大規模言語モデルを含む、生成AIを含んでもよい。大規模言語モデルは、生成AIの一種であり、OpenAI社のGPT、Google社のGemini、Microsoft社のAzure AI Studio等のサービスによって提供されるモデルを含む。その他、人工知能部120は、任意の機械学習モデル、深層学習モデル、人工知能モデル等を含むことが可能である。
言語モデルは、機械学習アルゴリズムによる学習モデルの一例である。機械学習の具体的なアルゴリズムとしては、最近傍法、ナイーブベイズ法、決定木、サポートベクターマシン、ニューラルネットワークを利用した深層学習(ディープラーニング)等が挙げられる。人工知能部120は、上記のアルゴリズムを適宜適用することができる。
人工知能部120は、教師あり学習、教師なし学習、又は自己教師あり学習等の学習方法によって構築された学習済みモデルを有してもよい。教師あり学習では、教師データ(学習データ)を用いて機械学習を行う。教師データは、学習用の入力データ及び出力データ(正解データ)のペアで構成される。また、言語モデルは、特定のタスクのために訓練されたものだけでなく、幅広いタスクに対して汎用的に用いることができる汎用モデルであってもよい。
人工知能部120は、人工知能として、膨大なデータを学習した大規模言語モデル(Large Language Models(LLM))のような汎用的な自然言語処理の学習モデルであってもよい。LLMは、テキストデータ等で構成される大規模なデータ(例えば、(i)インターネット上にあるWebコンテンツ、又は、(ii)所定のデータベースに蓄積されたデータ)を事前に大量に学習した学習モデルであり、タスクを与えることで様々な言語処理タスクを実行することができるものであり、与えられたプロンプトにしたがって、文章のパターンや文脈の把握、質問への応答、文章の生成等の幅広い自然言語処理タスクを行うことができる。このような汎用的な学習モデルは、One-shot LearningやFew-shot Learning等により、ファインチューニングなしで様々なタスクに対応可能な言語モデルを含む。また、汎用的な学習モデルは、Zero-shot Learningによっても、様々なタスクに対応可能に構成されてもよい。制御部11の各機能部において用いられる人工知能は、それぞれ別個の学習モデルであってもよいし、共通した汎用的な学習モデルであってもよい。
人工知能部120に含まれる学習モデル(スコア算出モデル、候補者抽出モデル等の、各機能部において使用される学習モデル)は、転移学習又はファインチューニングとして追加の学習を行うことが可能である。例えば、人工知能部120は、新たな求職者の行動履歴の記録等が発生する都度、これらを新たな教師データとして、追加の学習を行ってファインチューニングされてもよい。これにより、学習モデルから出力される情報の精度が向上する。
人工知能部120に含まれる学習モデルは、元となる学習モデルを用いた知識蒸留(Knowledge Distillation)により得られた学習モデル(蒸留モデル)であってもよい。知識蒸留では、大規模言語モデルなどの、学習済みモデルを教師モデルとし、教師モデルの出力(Sоft Target)に対する生徒モデル(蒸留モデル)の出力の損失(Sоft Target Loss)が小さくなるように、生徒モデルのパラメータを調整することで、生徒モデルの学習が行われ、その生徒モデルが蒸留モデルとなる。また、教師データ(学習モデルの入力データと出力データとの組合わせ)の正解ラベル(Hard Target)に対する生徒モデルの出力の損失(Hard Target Loss)が小さくなるように生徒モデルの学習が行われてもよい。蒸留モデルは、元となる学習モデル(教師モデル)に比べて、当該学習モデルと近い性能をもちつつ、パラメータ数が小さく、処理負荷が小さくなる。そのため、蒸留モデルを用いることで、情報処理システム1のコストを低減できる。
例えば、各機能部において使用される学習モデルは、大規模言語モデルにおける入力データと出力データとの組み合わせを教師データとして学習された蒸留モデルであってもよい。また、情報処理システム1の導入時には各機能部において使用される学習モデルとして大規模言語モデルを使用し、当該大規模言語モデルによる教師データが蓄積された時点で、当該教師データによる知識蒸留によって得られた蒸留モデルを各機能部において使用される学習モデルとして使用してもよい。
<表示部>
求人者端末20の表示部211、及び求職者端末30の表示部311は、それぞれ、サーバ装置10から送信されてきた画面データが示す画面を表示する。
求人者端末20の表示部211、及び求職者端末30の表示部311は、それぞれ、サーバ装置10から送信されてきた画面データが示す画面を表示する。
<操作取得部>
求人者端末20の操作取得部212は、求人者端末20を使用する求人者による操作を受け付ける。求職者端末30の操作取得部312は、求職者端末30を使用する求職者による操作を受け付ける。
求人者端末20の操作取得部212は、求人者端末20を使用する求人者による操作を受け付ける。求職者端末30の操作取得部312は、求職者端末30を使用する求職者による操作を受け付ける。
3.情報処理方法
本節では、サーバ装置10の情報処理方法について説明する。この情報処理方法は、サーバ装置10の各部が、各ステップとしてコンピュータにより実行される。
本節では、サーバ装置10の情報処理方法について説明する。この情報処理方法は、サーバ装置10の各部が、各ステップとしてコンピュータにより実行される。
この情報処理は、候補者抽出ステップと、提示ステップとを備える。候補者抽出ステップでは、求人者がスカウト文書を送信済みの複数の求職者の中から、求職者の行動履歴と参照情報とに基づいて、スカウト文書を再送信する少なくとも1人の候補者を抽出する。提示ステップでは、候補者を求人者に提示する。
図8は、情報処理システム1によって実行される情報処理(候補者提示処理)の流れの一例を示すアクティビティ図である。以下では、このアクティビティ図の各アクティビティに沿って、情報処理を説明する。
候補者提示処理は、所定のタイミング(例えば、日次の決められた時刻)に実行される。サーバ装置10は、データベースの情報に基づいて、求職者の中から、求人者ごとの候補者を抽出する(アクティビティA101)。候補者の抽出後、サーバ装置10は、候補者を求人者端末20に出力する(アクティビティA102)。これにより、求人者端末20に候補者が表示(提示)される(アクティビティA103)。
求人者は、求人者端末20に表示された候補者の中から、スカウト文書を作成する求職者を選択する(アクティビティA104)。さらに、求人者は、求人者端末20を用いてスカウト文書を作成するか、又はスカウト文書の作成をサーバ装置10に指示する(アクティビティA105)。サーバ装置10は、作成されたスカウト文書を指定された候補者(求職者)に送信する(アクティビティA106)。
4.作用
本実施形態の作用をまとめると、次の通りとなる。すなわち、過去にスカウト文書を送信済みの求職者に対して、求職者の求職活動意欲が高まった次点で、求人者がスカウト文書の送信等のアプローチを行うことができる。そのため、求人者と求職者とのマッチングを効率的に行うことができる。
本実施形態の作用をまとめると、次の通りとなる。すなわち、過去にスカウト文書を送信済みの求職者に対して、求職者の求職活動意欲が高まった次点で、求人者がスカウト文書の送信等のアプローチを行うことができる。そのため、求人者と求職者とのマッチングを効率的に行うことができる。
以上、本発明の実施形態について説明したが、本発明はこれに限定されることなく、その発明の技術的思想を逸脱しない範囲で適宜変更可能である。
5.その他
上記実施形態では、サーバ装置10が種々の記憶・制御を行ったが、サーバ装置10に代えて、複数の外部装置が用いられてもよい。すなわち、種々の情報やプログラムは、ブロックチェーン技術等を用いて複数の外部装置に分散して記憶されてもよい。特に、人工知能部120は、サーバ装置10の外部構成であってもよい。その場合、外部構成である人工知能部120は、例えば、人工知能のサービスサーバによって提供され、サーバ装置10の各機能部から入力を受け付け、人工知能のサービスを実行する要求を受け付け、処理結果として指示された出力をサーバ装置10に返すように構成される。人工知能のサービスサーバは、学習モデルとして言語モデルを用いてサービスを提供するサーバであってもよいし、言語モデルを用いて言語処理タスクを実行するサーバであってもよい。人工知能のサービスサーバは、LLMによって構築されてもよい。人工知能のサービスサーバは、テキスト、画像、音声等によるプロンプトの入力を受け付け、当該プロンプトに対する回答を生成して応答する。
上記実施形態では、サーバ装置10が種々の記憶・制御を行ったが、サーバ装置10に代えて、複数の外部装置が用いられてもよい。すなわち、種々の情報やプログラムは、ブロックチェーン技術等を用いて複数の外部装置に分散して記憶されてもよい。特に、人工知能部120は、サーバ装置10の外部構成であってもよい。その場合、外部構成である人工知能部120は、例えば、人工知能のサービスサーバによって提供され、サーバ装置10の各機能部から入力を受け付け、人工知能のサービスを実行する要求を受け付け、処理結果として指示された出力をサーバ装置10に返すように構成される。人工知能のサービスサーバは、学習モデルとして言語モデルを用いてサービスを提供するサーバであってもよいし、言語モデルを用いて言語処理タスクを実行するサーバであってもよい。人工知能のサービスサーバは、LLMによって構築されてもよい。人工知能のサービスサーバは、テキスト、画像、音声等によるプロンプトの入力を受け付け、当該プロンプトに対する回答を生成して応答する。
サーバ装置10は、必ずしも受付部114を備えなくてもよい。例えば、サーバ装置10は、予め定められたアクションの行動履歴のみに基づいて候補者を抽出してもよい。
本実施形態の態様は、情報処理システム1に限定されず、情報処理方法であっても、プログラムであってもよい。情報処理方法は、情報処理システム1が実行する各ステップを備える。プログラムは、コンピュータに、情報処理システム1の各ステップを実行させる。
次に記載の各態様で提供されてもよい。
(1)情報処理システムであって、少なくとも1つのプロセッサを備え、前記プロセッサは、プログラムを読み出すことで次の各ステップを実行するように構成され、候補者抽出ステップでは、求人者がスカウト文書を送信済みの複数の求職者の中から、求職者の行動履歴と参照情報とに基づいて、スカウト文書を再送信する少なくとも1人の候補者を抽出し、ここで、前記参照情報は、前記行動履歴と、求職者の求職活動意欲との相関関係を含み、提示ステップでは、前記候補者を前記求人者に提示する、情報処理システム。
(2)上記(1)に記載の情報処理システムにおいて、前記参照情報は、複数の求職者の前記行動履歴を入力とし、これらの求職者の中から抽出される前記候補者を出力することが可能なように学習された候補者抽出モデルを含み、前記候補者抽出ステップでは、スカウト文書を送信済みの複数の求職者の前記行動履歴を前記候補者抽出モデルに入力し、前記候補者抽出モデルに前記候補者を出力させる、情報処理システム。
(3)上記(1)に記載の情報処理システムにおいて、前記候補者抽出ステップでは、前記行動履歴と前記参照情報とに基づいて、前記求職活動意欲の大きさを示す活動スコアを算出し、前記活動スコアに基づいて前記候補者を抽出する、情報処理システム。
(4)上記(3)に記載の情報処理システムにおいて、前記参照情報は、前記行動履歴を入力とし、前記活動スコアを出力することが可能なように学習されたスコア算出モデルを含み、前記候補者抽出ステップでは、前記行動履歴を前記スコア算出モデルに入力し、前記スコア算出モデルに前記活動スコアを出力させる、情報処理システム。
(5)上記(4)に記載の情報処理システムにおいて、前記行動履歴には、求職者が行った、互いに異なる複数のアクションごとの履歴情報が含まれ、前記スコア算出モデルは、前記履歴情報を入力とし、前記履歴情報の評価値を出力することが可能なように学習された第1算出モデルと、複数の前記履歴情報それぞれの前記評価値から前記活動スコアを算出する第2算出モデルと、を含む、情報処理システム。
(6)上記(1)から(5)のいずれか1つに記載の情報処理システムにおいて、前記行動履歴には、求職者の登録情報に対するアクション、求職者が受信したスカウト文書に対するアクション、及び求人に対するアクションのうち少なくとも1つが含まれる、情報処理システム。
(7)上記(1)から(6)のいずれか1つに記載の情報処理システムにおいて、前記提示ステップでは、複数の前記候補者のうち、特定求人票が添付されたスカウト文書が送信された前記候補者を優先表示させ、ここで、前記特定求人票は、所定の期間に前記求人者が送信したスカウト文書に添付された求人票と同一又は類似する求人票である、情報処理システム。
(8)上記(3)に記載の情報処理システムにおいて、前記提示ステップでは、複数の前記候補者を前記活動スコアが大きい順に表示させる、情報処理システム。
(9)上記(1)から(8)のいずれか1つに記載の情報処理システムにおいて、前記提示ステップでは、前記求人者から、前記候補者へのスカウト文書の送信日時又は送信回数についての絞り込み条件の入力を受け付け、前記候補者のうち前記絞り込み条件を満たす前記候補者を表示させる、情報処理システム。
(10)上記(1)から(9)のいずれか1つに記載の情報処理システムにおいて、前記提示ステップでは、ターゲットリストに含まれる前記候補者の数を前記ターゲットリストごとに表示させ、ここで、前記ターゲットリストは、前記求人者が任意の求職者を登録したリストである、情報処理システム。
(11)上記(1)から(10)のいずれか1つに記載の情報処理システムにおいて、前記プロセッサは、次のステップをさらに実行するように構成され、受付ステップでは、前記求人者から、求職者のアクションのうち、前記候補者を抽出するための特定アクションの入力を受け付け、前記候補者抽出ステップでは、前記特定アクションについての前記行動履歴と前記参照情報とに基づいて前記候補者を抽出する、情報処理システム。
(12)情報処理方法であって、上記(1)から(11)のいずれか1つに記載の情報処理システムが実行する各ステップを備える、情報処理方法。
(13)プログラムであって、コンピュータに、上記(1)から(11)のいずれか1つに記載の情報処理システムの各ステップを実行させるための、プログラム。
もちろん、この限りではない。
もちろん、この限りではない。
最後に、本開示に係る種々の実施形態を説明したが、これらは、例として提示したものであり、発明の範囲を限定することは意図していない。当該新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。当該実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
1 :情報処理システム
2 :通信回線
10 :サーバ装置
11 :制御部
12 :記憶部
13 :通信部
14 :通信バス
20 :求人者端末
21 :制御部
22 :記憶部
23 :通信部
24 :入力部
25 :出力部
26 :通信バス
30 :求職者端末
31 :制御部
32 :記憶部
33 :通信部
34 :入力部
35 :出力部
36 :通信バス
111 :基本表示制御部
112 :候補者抽出部
113 :提示部
114 :受付部
115 :スカウト文書送信部
120 :人工知能部
211 :表示部
212 :操作取得部
311 :表示部
312 :操作取得部
AA :アクション選択領域
CA :条件設定領域
CD :候補者表示画面
CL :候補者リスト
DA :送信日選択領域
EA :評価選択領域
JL :求人票リスト
MG :メッセージ
NA :送信回数選択領域
SA :表示順選択領域
TA :対象選択領域
TD :ターゲットリスト表示画面
TL :ターゲットリスト一覧
2 :通信回線
10 :サーバ装置
11 :制御部
12 :記憶部
13 :通信部
14 :通信バス
20 :求人者端末
21 :制御部
22 :記憶部
23 :通信部
24 :入力部
25 :出力部
26 :通信バス
30 :求職者端末
31 :制御部
32 :記憶部
33 :通信部
34 :入力部
35 :出力部
36 :通信バス
111 :基本表示制御部
112 :候補者抽出部
113 :提示部
114 :受付部
115 :スカウト文書送信部
120 :人工知能部
211 :表示部
212 :操作取得部
311 :表示部
312 :操作取得部
AA :アクション選択領域
CA :条件設定領域
CD :候補者表示画面
CL :候補者リスト
DA :送信日選択領域
EA :評価選択領域
JL :求人票リスト
MG :メッセージ
NA :送信回数選択領域
SA :表示順選択領域
TA :対象選択領域
TD :ターゲットリスト表示画面
TL :ターゲットリスト一覧
Claims (13)
- 情報処理システムであって、
少なくとも1つのプロセッサを備え、
前記プロセッサは、プログラムを読み出すことで次の各ステップを実行するように構成され、
候補者抽出ステップでは、求人者がスカウト文書を送信済みの複数の求職者の中から、求職者の行動履歴と参照情報とに基づいて、スカウト文書を再送信する少なくとも1人の候補者を抽出し、
ここで、前記参照情報は、前記行動履歴と、求職者の求職活動意欲との相関関係を含み、
提示ステップでは、前記候補者を前記求人者に提示する、情報処理システム。 - 請求項1に記載の情報処理システムにおいて、
前記参照情報は、複数の求職者の前記行動履歴を入力とし、これらの求職者の中から抽出される前記候補者を出力することが可能なように学習された候補者抽出モデルを含み、
前記候補者抽出ステップでは、スカウト文書を送信済みの複数の求職者の前記行動履歴を前記候補者抽出モデルに入力し、前記候補者抽出モデルに前記候補者を出力させる、情報処理システム。 - 請求項1に記載の情報処理システムにおいて、
前記候補者抽出ステップでは、前記行動履歴と前記参照情報とに基づいて、前記求職活動意欲の大きさを示す活動スコアを算出し、前記活動スコアに基づいて前記候補者を抽出する、情報処理システム。 - 請求項3に記載の情報処理システムにおいて、
前記参照情報は、前記行動履歴を入力とし、前記活動スコアを出力することが可能なように学習されたスコア算出モデルを含み、
前記候補者抽出ステップでは、前記行動履歴を前記スコア算出モデルに入力し、前記スコア算出モデルに前記活動スコアを出力させる、情報処理システム。 - 請求項4に記載の情報処理システムにおいて、
前記行動履歴には、求職者が行った、互いに異なる複数のアクションごとの履歴情報が含まれ、
前記スコア算出モデルは、
前記履歴情報を入力とし、前記履歴情報の評価値を出力することが可能なように学習された第1算出モデルと、
複数の前記履歴情報それぞれの前記評価値から前記活動スコアを算出する第2算出モデルと、
を含む、情報処理システム。 - 請求項1に記載の情報処理システムにおいて、
前記行動履歴には、求職者の登録情報に対するアクション、求職者が受信したスカウト文書に対するアクション、及び求人に対するアクションのうち少なくとも1つが含まれる、情報処理システム。 - 請求項1に記載の情報処理システムにおいて、
前記提示ステップでは、複数の前記候補者のうち、特定求人票が添付されたスカウト文書が送信された前記候補者を優先表示させ、
ここで、前記特定求人票は、所定の期間に前記求人者が送信したスカウト文書に添付された求人票と同一又は類似する求人票である、情報処理システム。 - 請求項3に記載の情報処理システムにおいて、
前記提示ステップでは、複数の前記候補者を前記活動スコアが大きい順に表示させる、情報処理システム。 - 請求項1に記載の情報処理システムにおいて、
前記提示ステップでは、前記求人者から、前記候補者へのスカウト文書の送信日時又は送信回数についての絞り込み条件の入力を受け付け、前記候補者のうち前記絞り込み条件を満たす前記候補者を表示させる、情報処理システム。 - 請求項1に記載の情報処理システムにおいて、
前記提示ステップでは、ターゲットリストに含まれる前記候補者の数を前記ターゲットリストごとに表示させ、
ここで、前記ターゲットリストは、前記求人者が任意の求職者を登録したリストである、情報処理システム。 - 請求項1に記載の情報処理システムにおいて、
前記プロセッサは、次のステップをさらに実行するように構成され、
受付ステップでは、前記求人者から、求職者のアクションのうち、前記候補者を抽出するための特定アクションの入力を受け付け、
前記候補者抽出ステップでは、前記特定アクションについての前記行動履歴と前記参照情報とに基づいて前記候補者を抽出する、情報処理システム。 - 情報処理方法であって、
請求項1から請求項11のいずれか1項に記載の情報処理システムが実行する各ステップを備える、情報処理方法。 - プログラムであって、
コンピュータに、請求項1から請求項11のいずれか1項に記載の情報処理システムの各ステップを実行させるための、プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2025012748A JP2026081069A (ja) | 2024-10-31 | 2025-01-29 | 情報処理システム、情報処理方法及びプログラム |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2024192292A JP7628653B1 (ja) | 2024-10-31 | 2024-10-31 | 情報処理システム、情報処理方法及びプログラム |
| JP2025012748A JP2026081069A (ja) | 2024-10-31 | 2025-01-29 | 情報処理システム、情報処理方法及びプログラム |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2024192292A Division JP7628653B1 (ja) | 2024-10-31 | 2024-10-31 | 情報処理システム、情報処理方法及びプログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2026081069A true JP2026081069A (ja) | 2026-05-18 |
Family
ID=94531614
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2024192292A Active JP7628653B1 (ja) | 2024-10-31 | 2024-10-31 | 情報処理システム、情報処理方法及びプログラム |
| JP2025012748A Pending JP2026081069A (ja) | 2024-10-31 | 2025-01-29 | 情報処理システム、情報処理方法及びプログラム |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2024192292A Active JP7628653B1 (ja) | 2024-10-31 | 2024-10-31 | 情報処理システム、情報処理方法及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (2) | JP7628653B1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7898640B1 (ja) * | 2026-01-15 | 2026-07-31 | 株式会社ビズリーチ | 情報処理システム、情報処理方法及びプログラム |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5462688B2 (ja) * | 2010-03-31 | 2014-04-02 | 楽天株式会社 | サーバ装置、評価方法、および、評価プログラム |
| JP6652625B1 (ja) * | 2018-11-26 | 2020-02-26 | 楽天株式会社 | アポイントメント対象決定装置、アポイントメント対象決定方法及びアポイントメント対象決定プログラム |
| JP2024008117A (ja) * | 2022-07-07 | 2024-01-19 | 株式会社アペックス | 情報処理装置、情報処理方法、及びコンピュータプログラム |
| JP7329159B1 (ja) * | 2023-02-20 | 2023-08-17 | 株式会社ビズリーチ | 情報処理システム、情報処理方法及びプログラム |
| JP7265101B1 (ja) * | 2023-03-09 | 2023-04-25 | 株式会社ビズリーチ | 検索支援システム、情報処理方法及びプログラム |
-
2024
- 2024-10-31 JP JP2024192292A patent/JP7628653B1/ja active Active
-
2025
- 2025-01-29 JP JP2025012748A patent/JP2026081069A/ja active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| JP2026080503A (ja) | 2026-05-18 |
| JP7628653B1 (ja) | 2025-02-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11663536B2 (en) | Generating a machine-learned model for scoring skills based on feedback from job posters | |
| JP7671403B1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
| JP7488974B1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
| JP7518313B1 (ja) | 検索支援システム、検索支援方法及びプログラム | |
| JP7403027B1 (ja) | 採用支援システム、採用支援方法及びプログラム | |
| JP7490905B1 (ja) | 求職支援システム、求職支援方法及びプログラム | |
| JP7546181B1 (ja) | 採用支援システム、採用支援方法及びプログラム | |
| JP7385077B1 (ja) | 検索支援システム、検索支援方法及びプログラム | |
| JP7628649B1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
| JP7785143B2 (ja) | 情報処理システム、情報処理方法及びプログラム | |
| JP2025146263A (ja) | 求職支援システム、求職支援方法及びプログラム | |
| JP2025160064A (ja) | 情報処理システム、情報処理方法及びプログラム | |
| JP2025128992A (ja) | 求職支援システム、求職支援方法及びプログラム | |
| JP7498876B1 (ja) | 検索支援システム、検索支援方法及びプログラム | |
| JP2026007053A (ja) | 情報処理システム、情報処理方法及びプログラム | |
| JP2026080503A (ja) | 情報処理システム、情報処理方法及びプログラム | |
| JP7736965B1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
| JP7857480B1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
| TWI419071B (zh) | Active knowledge management system, method and computer program product for problem solving | |
| JP7724994B1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
| JP7842512B1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
| JP7747927B1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
| JP7860318B1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
| JP7822510B1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
| JP7822511B1 (ja) | 情報処理システム、情報処理方法及びプログラム |