JP7198788B2 - 情報処理装置、情報処理方法、及びプログラム - Google Patents
情報処理装置、情報処理方法、及びプログラム Download PDFInfo
- Publication number
- JP7198788B2 JP7198788B2 JP2020031480A JP2020031480A JP7198788B2 JP 7198788 B2 JP7198788 B2 JP 7198788B2 JP 2020031480 A JP2020031480 A JP 2020031480A JP 2020031480 A JP2020031480 A JP 2020031480A JP 7198788 B2 JP7198788 B2 JP 7198788B2
- Authority
- JP
- Japan
- Prior art keywords
- group
- recruiting
- user
- users
- task
- 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.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 43
- 238000003672 processing method Methods 0.000 title claims description 5
- 239000013598 vector Substances 0.000 claims description 199
- 238000004364 calculation method Methods 0.000 claims description 24
- 239000000284 extract Substances 0.000 claims description 20
- 230000007115 recruitment Effects 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 13
- 238000000034 method Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
実施の形態の概要を述べる。実施の形態に係る情報処理装置は、グループの参加メンバーに欠員が生じたとき、人員補充の候補となる複数のユーザの中から、人員補充を望むグループに参加した場合にそのグループのタスクが成功する蓋然性が高いユーザを選択する。このため、情報処理装置は、複数のグループに関する情報を格納するグループデータベースと、複数のユーザに関する情報を格納するユーザデータベースとにアクセスすることができる。実施の形態に係る情報処理装置は、これらのデータベースに格納されている情報を参照することにより、複数の候補ユーザの中から、人員補充を望むグループにマッチするユーザを選択する。
(3)情報処理装置は、ユーザデータベースに格納されているユーザの中から、募集グループに参加させるユーザの候補となる1以上の候補ユーザを抽出する。
(7)情報処理装置は、候補ユーザを補充した場合に、各参照ベクトルの統合ベクトルと最も類似する統合特徴ベクトルが生成された候補ユーザを、募集グループに補充する候補ユーザとして選択する。
図2は、実施の形態に係る情報処理装置1の機能構成を模式的に示す図である。情報処理装置1は、記憶部2と制御部3とを備える。図2において、矢印は主なデータの流れを示しており、図2に示していないデータの流れがあってもよい。図2において、各機能ブロックはハードウェア(装置)単位の構成ではなく、機能単位の構成を示している。そのため、図2に示す機能ブロックは単一の装置内に実装されてもよく、あるいは複数の装置内に分かれて実装されてもよい。機能ブロック間のデータの授受は、データバス、ネットワーク、可搬記憶媒体等、任意の手段を介して行われてもよい。
続いて、統合特徴ベクトルの生成方法について説明する。第1統合ベクトルと第2統合ベクトルとはともに、複数の特徴ベクトルを並べて生成された一つのベクトルである。実施の形態に係る類似度算出部33は、統合特徴ベクトルの生成に用いる各特徴ベクトルのノルムを算出し、ノルムの大きさに基づいて各特徴ベクトルを並べる。ここで、類似度算出部33が算出するノルムはいずれのノルムでもよいが、例えば2ノルムである。
類似度算出部33は、まず、募集グループを構成する参加ユーザそれぞれの特徴ベクトルのノルムと候補ユーザのノルムとを算出する。続いて、類似度算出部33は、算出したノルムの大きさの順に特徴ベクトルの要素を並べたベクトルを第1統合ベクトルとして作成する。
続いて、第2統合ベクトルの生成方法について説明する。第2統合ベクトルの生成方法は、第1統合ベクトルの生成方法と類似している。具体的には、類似度算出部33は、まず、参照グループを構成する参加ユーザそれぞれの特徴ベクトルのノルムを算出する。類似度算出部33は、算出したノルムの大きさの順に特徴ベクトルの要素を並べたベクトルを第2統合ベクトルとして作成する。
図6は、実施の形態に係る情報処理装置1が実行する情報処理の流れを説明するためのフローチャートである。本フローチャートにおける処理は、例えば情報処理装置1が起動したときに開始する。
以上説明したように、実施の形態に係る情報処理装置1によれば、参加者とグループのマッチング精度を高めることができる。
上記では、参照グループ抽出部32は、募集グループの参加者の数が一致するグループを参照グループとして抽出する場合につて説明した。しかしながら、例えばグループデータベースに格納されているグループのサンプル数が少ないとき等は、グループデータベースに格納されているいずれのグループの参加人数も、募集グループの参加人数と一致しないという状況も起こり得る。
2・・・記憶部
20・・・ユーザ情報記憶部
21・・・グループ情報記憶部
3・・・制御部
30・・・募集グループ情報取得部
31・・・候補ユーザ抽出部
32・・・参照グループ抽出部
33・・・類似度算出部
34・・・ユーザ特定部
Claims (7)
- 複数のユーザそれぞれを特定するためのユーザ識別子と、各ユーザが参加したことがあるグループにおいて実施されたタスクの種類を示すタスク識別子と、前記グループを構成する参加者の数と、前記ユーザのインタラクションの特徴を表す特徴ベクトルと、を紐づけたユーザデータベースを格納するユーザ情報記憶部と、
複数のグループそれぞれを特定するためのグループ識別子と、各グループにおいて実施されたタスクの種類を示すタスク識別子と、各グループにおいて実施されたタスクの成否を示す成否情報と、各グループを構成する参加ユーザの数と、前記参加ユーザそれぞれの前記特徴ベクトルと、を紐づけたグループデータベースを格納するグループ情報記憶部と、
人員を募集するグループである募集グループを構成する参加ユーザの数と、前記募集グループが実施するタスクの種類を示すタスク識別子と、前記募集グループを構成する参加ユーザそれぞれの前記特徴ベクトルと、を取得する募集グループ情報取得部と、
前記募集グループの参加者の数及び前記募集グループのタスク識別子に基づいて、前記ユーザデータベースに格納されているユーザの中から、前記募集グループに参加させるユーザの候補となる1以上の候補ユーザを抽出する候補ユーザ抽出部と、
前記グループデータベースに格納されているグループのうち前記成否情報が成功を示すグループの中から、前記募集グループの参加者の数及び前記募集グループのタスク識別子に基づいて、1以上の参照グループを抽出する参照グループ抽出部と、
前記募集グループを構成する参加ユーザそれぞれの前記特徴ベクトルと、前記1以上の候補ユーザのそれぞれの前記特徴ベクトルとを並べて構成される1以上の第1統合ベクトルと、前記1以上の参照グループを構成する参加ユーザそれぞれの前記特徴ベクトルを並べて構成される1以上の第2統合ベクトルとの類似性を示す指標を、前記1以上の第1統合ベクトルと前記1以上の第2統合ベクトルとの組み合わせ毎に算出する類似度算出部と、
前記類似度算出部が算出した1以上の指標のうち、最も類似することを示す指標の算出に用いられた第1統合ベクトルを構成する前記特徴ベクトルに対応する候補ユーザを、前記募集グループに参加させるユーザとして特定するユーザ特定部と、
を備える情報処理装置。 - 前記候補ユーザ抽出部は、前記ユーザデータベースに格納されているユーザの中から、前記募集グループのタスクと参加者の数とが同一のグループに参加したことがあるユーザを前記候補ユーザとして抽出する、
請求項1に記載の情報処理装置。 - 前記参照グループ抽出部は、前記グループデータベースに格納されているグループのうち前記成否情報が成功を示すグループの中から、前記募集グループのタスク識別子と参加者の数とが一致するグループを前記参照グループとして抽出する、
請求項1又は2に記載の情報処理装置。 - 前記類似度算出部は、前記募集グループを構成する参加ユーザそれぞれの前記特徴ベクトルのノルムと前記候補ユーザのノルムとを算出し、前記ノルムの大きさの順に前記特徴ベクトルの要素を並べたベクトルを前記第1統合ベクトルとして作成する、
請求項1から3のいずれか1項に記載の情報処理装置。 - 前記類似度算出部は、前記参照グループを構成する参加ユーザそれぞれの前記特徴ベクトルのノルムを算出し、前記ノルムの大きさの順に前記特徴ベクトルの要素を並べたベクトルを前記第2統合ベクトルとして作成する、
請求項1から4のいずれか1項に記載の情報処理装置。 - プロセッサが、
複数のユーザそれぞれを特定するためのユーザ識別子と、各ユーザが参加したことがあるグループにおいて実施されたタスクの種類を示すタスク識別子と、前記グループを構成する参加者の数と、前記ユーザのインタラクションの特徴を表す特徴ベクトルと、を紐づけたユーザデータベースをユーザ情報記憶部から読み出して取得するステップと、
複数のグループそれぞれを特定するためのグループ識別子と、各グループにおいて実施されたタスクの種類を示すタスク識別子と、各グループにおいて実施されたタスクの成否を示す成否情報と、各グループを構成する参加ユーザの数と、前記参加ユーザそれぞれの前記特徴ベクトルと、を紐づけたグループデータベースをグループ情報記憶部から読み出して取得するステップと、
人員を募集するグループである募集グループを構成する参加ユーザの数と、前記募集グループが実施するタスクの種類を示すタスク識別子と、前記募集グループを構成する参加ユーザそれぞれの前記特徴ベクトルと、を取得するステップと、
前記募集グループの参加者の数及び前記募集グループのタスク識別子に基づいて、前記ユーザデータベースに格納されているユーザの中から、前記募集グループに参加させるユーザの候補となる1以上の候補ユーザを抽出するステップと、
前記グループデータベースに格納されているグループのうち前記成否情報が成功を示すグループの中から、前記募集グループの参加者の数及び前記募集グループのタスク識別子に基づいて、1以上の参照グループを抽出するステップと、
前記募集グループを構成する参加ユーザそれぞれの前記特徴ベクトルと、前記1以上の候補ユーザのそれぞれの前記特徴ベクトルとを並べて構成される1以上の第1統合ベクトルを算出するステップと、
前記1以上の参照グループを構成する参加ユーザそれぞれの前記特徴ベクトルを並べて構成される1以上の第2統合ベクトルを算出するステップと、
前記第1統合ベクトルと前記第2統合ベクトルとの類似性を示す指標を、前記1以上の第1統合ベクトルと前記1以上の第2統合ベクトルとの組み合わせ毎に算出するステップと、
算出した前記1以上の指標のうち、最も類似することを示す指標の算出に用いられた第1統合ベクトルを構成する前記特徴ベクトルに対応する候補ユーザを、前記募集グループに参加させるユーザとして特定するステップと、
を実行する情報処理方法。 - コンピュータに、
複数のユーザそれぞれを特定するためのユーザ識別子と、各ユーザが参加したことがあるグループにおいて実施されたタスクの種類を示すタスク識別子と、前記グループを構成する参加者の数と、前記ユーザのインタラクションの特徴を表す特徴ベクトルと、を紐づけたユーザデータベースをユーザ情報記憶部から読み出して取得する機能と、
複数のグループそれぞれを特定するためのグループ識別子と、各グループにおいて実施されたタスクの種類を示すタスク識別子と、各グループにおいて実施されたタスクの成否を示す成否情報と、各グループを構成する参加ユーザの数と、前記参加ユーザそれぞれの前記特徴ベクトルと、を紐づけたグループデータベースをグループ情報記憶部から読み出して取得する機能と、
人員を募集するグループである募集グループを構成する参加ユーザの数と、前記募集グループが実施するタスクの種類を示すタスク識別子と、前記募集グループを構成する参加ユーザそれぞれの前記特徴ベクトルと、を取得する機能と、
前記募集グループの参加者の数及び前記募集グループのタスク識別子に基づいて、前記ユーザデータベースに格納されているユーザの中から、前記募集グループに参加させるユーザの候補となる1以上の候補ユーザを抽出する機能と、
前記グループデータベースに格納されているグループのうち前記成否情報が成功を示すグループの中から、前記募集グループの参加者の数及び前記募集グループのタスク識別子に基づいて、1以上の参照グループを抽出する機能と、
前記募集グループを構成する参加ユーザそれぞれの前記特徴ベクトルと、前記1以上の候補ユーザのそれぞれの前記特徴ベクトルとを並べて構成される1以上の第1統合ベクトルを算出する機能と、
前記1以上の参照グループを構成する参加ユーザそれぞれの前記特徴ベクトルを並べて構成される1以上の第2統合ベクトルを算出する機能と、
前記第1統合ベクトルと前記第2統合ベクトルとの類似性を示す指標を、前記1以上の第1統合ベクトルと前記1以上の第2統合ベクトルとの組み合わせ毎に算出する機能と、
算出した前記1以上の指標のうち、最も類似することを示す指標の算出に用いられた第1統合ベクトルを構成する前記特徴ベクトルに対応する候補ユーザを、前記募集グループに参加させるユーザとして特定する機能と、
を実現させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020031480A JP7198788B2 (ja) | 2020-02-27 | 2020-02-27 | 情報処理装置、情報処理方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020031480A JP7198788B2 (ja) | 2020-02-27 | 2020-02-27 | 情報処理装置、情報処理方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021135748A JP2021135748A (ja) | 2021-09-13 |
JP7198788B2 true JP7198788B2 (ja) | 2023-01-04 |
Family
ID=77661404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020031480A Active JP7198788B2 (ja) | 2020-02-27 | 2020-02-27 | 情報処理装置、情報処理方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7198788B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001282965A (ja) | 2000-03-30 | 2001-10-12 | Fuji Xerox Co Ltd | チーム生成支援装置、チーム生成支援方法及び記録媒体 |
JP2007042059A (ja) | 2005-06-28 | 2007-02-15 | National Institute Of Advanced Industrial & Technology | 組織管理支援のシステムおよび方法 |
JP2007122144A (ja) | 2005-10-25 | 2007-05-17 | Toyota Motor Corp | プロジェクトメンバーの選定を支援するシステムと方法 |
JP2019061606A (ja) | 2017-09-28 | 2019-04-18 | エヌ・ティ・ティ・コムウェア株式会社 | 人材配置支援システム、人材配置支援方法、および人材配置支援プログラム |
-
2020
- 2020-02-27 JP JP2020031480A patent/JP7198788B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001282965A (ja) | 2000-03-30 | 2001-10-12 | Fuji Xerox Co Ltd | チーム生成支援装置、チーム生成支援方法及び記録媒体 |
JP2007042059A (ja) | 2005-06-28 | 2007-02-15 | National Institute Of Advanced Industrial & Technology | 組織管理支援のシステムおよび方法 |
JP2007122144A (ja) | 2005-10-25 | 2007-05-17 | Toyota Motor Corp | プロジェクトメンバーの選定を支援するシステムと方法 |
JP2019061606A (ja) | 2017-09-28 | 2019-04-18 | エヌ・ティ・ティ・コムウェア株式会社 | 人材配置支援システム、人材配置支援方法、および人材配置支援プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021135748A (ja) | 2021-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Burmania et al. | Increasing the reliability of crowdsourcing evaluations using online quality assessment | |
Wang et al. | Multi-perspective context matching for machine comprehension | |
Loukides | What is data science? | |
Jiang et al. | Neurips 2020 competition: Predicting generalization in deep learning | |
Chen et al. | Overcoming calibration problems in pattern labeling with pairwise ratings: application to personality traits | |
Carneiro et al. | Using mouse dynamics to assess stress during online exams | |
Church et al. | Emerging trends: A gentle introduction to fine-tuning | |
CN109472305A (zh) | 答案质量确定模型训练方法、答案质量确定方法及装置 | |
CN111738001A (zh) | 同义词识别模型的训练方法、同义词确定方法及设备 | |
Collins et al. | Past challenges and the future of discrete event simulation | |
CN114387061A (zh) | 产品推送方法、装置、电子设备及可读存储介质 | |
Liao et al. | Course drop-out prediction on MOOC platform via clustering and tensor completion | |
Servajean et al. | Crowdsourcing thousands of specialized labels: A Bayesian active training approach | |
Law et al. | Defining (human) computation | |
CN115222443A (zh) | 客户群体划分方法、装置、设备及存储介质 | |
Xu et al. | From social to individuals: A parsimonious path of multi-level models for crowdsourced preference aggregation | |
Osborn et al. | Visualizing the strategic landscape of arbitrary games | |
JP7198788B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
Rabinovich et al. | Gaining insights into unrecognized user utterances in task-oriented dialog systems | |
Lee et al. | Transformer-based screenplay summarization using augmented learning representation with dialogue information | |
CN110008972A (zh) | 用于数据增强的方法和装置 | |
Barrios | Optimal stratification in randomized experiments | |
Deng et al. | On the Multi-turn Instruction Following for Conversational Web Agents | |
Daniati | Decision support system to deciding thesis topic | |
Sharmilan et al. | Generate bioinformatics data using Generative Adversarial Network: a review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211220 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221125 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221219 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7198788 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |