JP7349219B1 - 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
- JP7349219B1 JP7349219B1 JP2023115320A JP2023115320A JP7349219B1 JP 7349219 B1 JP7349219 B1 JP 7349219B1 JP 2023115320 A JP2023115320 A JP 2023115320A JP 2023115320 A JP2023115320 A JP 2023115320A JP 7349219 B1 JP7349219 B1 JP 7349219B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- job
- job posting
- formatted
- text data
- 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 abstract description 40
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000000605 extraction Methods 0.000 claims abstract description 28
- 230000004044 response Effects 0.000 claims description 67
- 238000000034 method Methods 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 36
- 238000013473 artificial intelligence Methods 0.000 claims description 27
- 230000003993 interaction Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 19
- 238000007493 shaping process Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 7
- 238000007790 scraping Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000002316 cosmetic surgery Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 31
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000009193 crawling Effects 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- LFYJSSARVMHQJB-QIXNEVBVSA-N bakuchiol Chemical compound CC(C)=CCC[C@@](C)(C=C)\C=C\C1=CC=C(O)C=C1 LFYJSSARVMHQJB-QIXNEVBVSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
この情報処理技術では、求人票等の求人情報を言語解析した上で、複数の第二アクティビティ情報、複数の第二タスク情報又は複数の第二スキル情報を自動入力する自動入力部を有してもよいとしている。また、求人情報はWEB上で公開されているものであってもよいとしている。この場合、自動入力部はクローリングやスクレイピング等を行って、自動でWEBをサーチして求人情報を読み出し、当該求人情報の内容を言語解析して、当該就転職・異動候補先の第二アクティビティ情報又は第二タスク情報を入力するようにしてもよいとしている。また、WEB上で公開されている求人情報を記憶部で記憶しておき、記憶部で記憶された求人情報を用いて自動入力部によって自動入力するようにしてもよいとしている。WEB上の求人情報を読み出して第二アクティビティ情報、第二タスク情報又は第二スキル情報を入力する態様を採用する場合には、WEB上で公開されている多くの求人情報に基づいて求職・異動希望者へのマッチングを判断することができ、圧倒的多数の情報に基づいたマッチングを実現することができるとしている。
また、この情報処理装置では、複数のアクティビティ情報、複数のタスク情報又は複数のスキル情報に関連した複数の質問を提供する質問部を有してもよく、この質問部はAIチャットボット等であってもよいとしている。
具体的には、求人票原データ取得部101は、図1に示されるように、インターネット120に接続されている#1~#N(N:2以上の自然数)の複数の求人票データ提供ウェブサイト(以下、「求人票データ提供Webサイト」と記載)121に対して自動的に巡回アクセスし、夫々の求人票データ提供ウェブサイト121から求人票原データを取得するウェブスクレイピング処理を実行する。
ウェブスクレイピング処理は、インターネットに接続されるウェブサイトから情報を抽出するコンピュータソフトウェア技術として良く知られており、例えば、低レベルのHTTP(Hyper Text Transfer Protocol)を実装することで、もしくはウェブブラウザを埋め込むことによって、WWW(World Wide Web)のコンテンツを取得する。ウェブスクレイピング処理では、一般的にはボットやクローラを利用した複数のウェブサイトに対する自動巡回アクセス処理を実行する。
例えば、図3Aでは、図2Aの給料カテゴリの求人票原データを、数値型又はヌル型(データが無いことを示す状態)の「minimum_monthly_salary」(最低給料額を示す)と「maximum_monthly_salary」(最高給料額を示す)という2つからなる第1のメタデータへの第1の分類をすることが指定されている。また、それに続く文章によって、第1の分類は、第1のメタデータを示すキーと、その第1のメタデータに対応する値のペアからなる、JSON(Jav Script Object Notation)形式のフォーマットで構造化して出力することが指定されている。更に、第1のメタデータのフィールドが見つからない場合にはメタデータの特定をしないようにすることが指定されている。加えて、応答の精度を高めるために、応答に至る思考プロセスもアウトプットさせており、JSON形式の内容についての説明も求めている。
また、図3Bでは、図2Bの勤務地カテゴリの求人票原データを、文字列の配列型の「prefectures」(都道府県を示す)である1つの第1のメタデータに分類することが指定されている。また、それに続く文章によって、図3Aの場合と同様に、第1の分類は、第1のメタデータを示すキーと、その第1のメタデータに対応する値のペアからなる、JSON形式のフォーマットで構造化して出力することが指定されている。更に、第1のメタデータのフィールドが見つからない場合にはメタデータの特定をしないようにすることが指定されている。
また、図3Cでは、図2Cの業種カテゴリの求人票原データを、文字列の配列型で${産業}で示される産業分類から複数選択され得る「industries」(業種を示す)である1つの第1のメタデータに分類することが指定されている。また、それに続く文章によって、図3Aの場合と同様に、第1の分類は、第1のメタデータを示すキーと、その第1のメタデータに対応する値のペアからなる、JSON形式のフォーマットで構造化して出力することが指定されている。更に、第1のメタデータのフィールドが見つからない場合にはメタデータの特定をしないようにすることが指定されている。
更に、図3Dでは、図2Dの職種カテゴリの求人票原データを、文字列の配列型で${職業}で示される職業分類から複数選択され得る「occupations」(職種を示す)である1つの第1のメタデータに分類することが指定されている。また、それに続く文章によって、図3Aの場合と同様に、第1の分類は、第1のメタデータを示すキーと、その第1のメタデータに対応する値のペアからなる、JSON形式のフォーマットで構造化して出力することが指定されている。更に、第1のメタデータのフィールドが見つからない場合にはメタデータの特定をしないようにすることが指定されている。
そして、図3Eでは、図2Eのスキルカテゴリの求人票原データを、夫々文字列の配列型である「required_soft_skills」(必須のソフトスキルを示す)、「required_hard_skills」(必須のハードスキルを示す)、「welcomd_soft_skills」(歓迎されるソフトスキルを示す)、及び「welcomd_hard_skills」(歓迎されるハードスキルを示す)からなる4つの第1のメタデータに分類することが指定されている。また、それに続く文章によって、図3Aの場合と同様に、第1の分類は、第1のメタデータを示すキーと、その第1のメタデータに対応する値のペアからなる、JSON形式のフォーマットで構造化して出力することが指定されている。更に、第1のメタデータのフィールドが見つからない場合にはメタデータの特定をしないようにすることが指定されている。
なお、第1のシステムプロンプトは、生成AIシステム122に対するその他のシステム的な条件指定を含んでもよい。
例えば、図4Aでは、図4A(a)に例示される給料カテゴリの求人票原データを入力した場合には、前述した図3Aの第1のシステムプロンプトによる第1のメタデータ指定とデータフォーマット指定に従って、図4A(b)に例示される後述する第1の応答テキストデータを返すように、後述する生成AIシステム122に学習が指示される。
また、図4Bでは、図4B(a)に例示される勤務地カテゴリの求人票原データを入力した場合には、前述した図3Bの第1のシステムプロンプトによる第1のメタデータ指定とデータフォーマット指定に従って、図4B(b)に例示される後述する第1の応答テキストデータを応答するように、後述する生成AIシステム122に学習が指示される。
また、図4Cでは、図4C(a)に例示される業種カテゴリの求人票原データを入力した場合には、前述した図3Cの第1のシステムプロンプトによる第1のメタデータ指定とデータフォーマット指定に従って、図4C(b)に例示される後述する第1の応答テキストデータを応答するように、後述する生成AIシステム122に学習が指示される。
更に、図4Dでは、図4D(a)に例示される職種カテゴリの求人票原データを入力した場合には、前述した図3Dの第1のシステムプロンプトによる第1のメタデータ指定とデータフォーマット指定に従って、図4D(b)に例示される後述する第1の応答テキストデータを応答するように、後述する生成AIシステム122に学習が指示される。
そして、図4Eでは、図4E(a)に例示される業種カテゴリの求人票原データを入力した場合には、前述した図3Eの第1のシステムプロンプトによる第1のメタデータ指定とデータフォーマット指定に従って、図4E(b)に例示される後述する第1の応答テキストデータを応答するように、後述する生成AIシステム122に学習が指示される。
なお、生成AIシステム122は、情報処理システム100が運用される組織内でローカルに構築されローカルエリアネットワーク等の組織内ネットワークを介してアクセスされてもよい。
図5Aから図5Eに例示される各第1の応答テキストデータでは、図2Aから図2Eに例示されるように元々様々な形式であった求人票原データのテキストデータが、第1の分類指示用プロンプトを構成する図3Aから図3Eに例示される第1のシステムプロンプトと図4Aから図4Eに例示される第1のFew-shotプロンプトとに従ったフォーマット形式で、1つ以上の第1のメタデータの夫々に綺麗に分類整形されていることがわかる。
求人票データ整形部102は、例えば、図2Aに例示される給料カテゴリの求人票原データに対して生成AIシステム122から返された図5Aに例示される2つの第1のメタデータ「minimum_monthly_salary」及び「maximum_monthly_salary」に分類整形された各テキストデータ「190000」と「400000」を上記2つのメタデータの夫々に対応する各データベースフィールド「minimum_monthly_salary」及び「maximum_monthly_salary」の各値として有する整形済み求人票データの新規レコードを、整形済み求人票データベースに格納する。
このとき、上記新規レコードには、後述するおすすめ求人票データ出力部106での出力処理のために、求人票原DB110上の対応する給料カテゴリの求人票原データ(図2A)のレコードを紐付ける情報(例えば求人票原データのレコードの求人票原DB110上でのレコードID(識別子)等)が記憶されてよい。
また、求人票データ整形部102は、例えば、図2Bに例示される勤務地カテゴリの求人票原データに対して生成AIシステム122から返された図5Bに例示される1つの第1のメタデータ「prefectures」に分類整形されたテキストデータ「“千葉県”,“神奈川県”」を上記1つのメタデータに対応するデータベースフィールド「prefectures」の値として有する整形済み求人票データの新規レコードを、整形済み求人票データベースに格納する。
このとき、図5Aの場合と同様に、上記新規レコードには、後述するおすすめ求人票データ出力部106での出力処理のために、求人票原DB110上の対応する勤務地カテゴリの求人票原データ(図2B)のレコードを紐付ける情報が記憶されてよい。
また、求人票データ整形部102は、例えば、図2Cに例示される業種カテゴリの求人票原データに対して生成AIシステム122から返された図5Cに例示される1つの第1のメタデータ「industries」に分類整形されたテキストデータ「“IT”,“通信系” ,“メーカー系(電気・電子・機械系)”」を上記1つのメタデータに対応するデータベースフィールド「industries」の値として有する整形済み求人票データの新規レコードを、整形済み求人票データベースに格納する。
このとき、図5Aの場合と同様に、上記新規レコードには、後述するおすすめ求人票データ出力部106での出力処理のために、求人票原DB110上の対応する業種カテゴリの求人票原データ(図2C)のレコードを紐付ける情報が記憶されてよい。
更に、求人票データ整形部102は、例えば、図2Dに例示される職種カテゴリの求人票原データに対して生成AIシステム122から返された図5Dに例示される1つの第1のメタデータ「occupations」に分類整形されたテキストデータ「“営業”,“企画/管理” ,“IT/通信系エンジニア”」を上記1つのメタデータに対応するデータベースフィールド「industries」の値として有する整形済み求人票データの新規レコードを、整形済み求人票データベースに格納する。
このとき、図5Aの場合と同様に、上記新規レコードには、後述するおすすめ求人票データ出力部106での出力処理のために、求人票原DB110上の対応する職種カテゴリの求人票原データ(図2D)のレコードを紐付ける情報が記憶されてよい。
そして、求人票データ整形部102は、例えば、図2Eに例示されるスキルカテゴリの求人票原データに対して生成AIシステム122から返された図5Eに例示される4つの第1のメタデータ「required_soft_skills」、「welcomd_soft_skills」、「required_hard_skills」、及び「welcomd_hard_skills」に分類整形された各テキストデータ「“周囲と協力して業務に携われる方”,“円滑なコミュニケーションが取れる方”,“自ら課題解決に取り組める方”,“物事を前向き捉え行動できる方”」、「“語学力(英語TOEIC600点程度)がある方”」、「“資料作成スキル”,“基本的なPCスキル”,“組織マネジメント経験”」、及び「“経営企画又は広報分野での実務経験がある方”」を上記4つのメタデータの夫々に対応する各データベースフィールド「required_soft_skills」、「welcomd_soft_skills」、「required_hard_skills」、及び「welcomd_hard_skills」の各値として有する整形済み求人票データの新規レコードを、整形済み求人票データベースに格納する。
このとき、図5Aの場合と同様に、上記新規レコードには、後述するおすすめ求人票データ出力部106での出力処理のために、求人票原DB110上の対応する職種カテゴリの求人票原データ(図2E)のレコードを紐付ける情報が記憶されてよい。
本実施形態では、生成AIシステム122の優れたテキストデータの整形能力を活用することにより、求人票原データを統一的に整形された整形済み求人票データに変換することが可能となる。
求職ユーザ対話部103は例えば、ユーザ端末装置123上で動作するLINE(「LINE」は日本国LINE社の登録商標)アプリとの間でLINEメッセージの送受信を実行する。
図7では例えば、図6のユーザの発言履歴のテキストデータを、文字列の配列型で${OCCUPATIONS}で示される職種分類からのみ複数選択され得る「desired_occupations」(希望する職種を示す)と、夫々数値型又はヌル型である「desired_monthly_salary」(希望する月額報酬を示す)及び「desired_annual_salary」(希望する年額報酬を示す)と、文字列の配列型で日本の都道府県を選択する「desired_prefectures」(希望する都道府県(勤務地)を示す)と、文字列の配列型で${INDUSTRIES}で示される業種分類からのみ複数選択され得る「desired_industries」(希望する業種を示す)と、文字列の配列型である「other_confitions」(その他の条件を示す)からなる6つの第2のメタデータに分類することが指定されている。また、それに続く文章によって、図3A等の場合と同様に、第2の分類は、第2のメタデータを示すキーと、その第2のメタデータに対応する値にペアからなる、JSON形式のフォーマットで構造化して出力することが指定されている。更に、条件が競合する場合には、後で表示される条件を優先する必要があることが指定される。加えて、応答に至る思考プロセスとJSON形式の内容についての説明を求めている。
なお、第2のシステムプロンプトは、生成AIシステム122に対するその他のステム的な条件指定を含んでもよい。
図8では例えば、図8(a)に例示されるユーザの発言履歴を入力した場合には、前述した図7の第2のシステムプロンプトによる第2のメタデータ指定とデータフォーマット指定に従って、図8(b)に例示される後述する第2の応答テキストデータを返すように、後述する生成AIシステム122に学習が指示される。
図9に例示される第2の応答テキストデータでは、例えば図6に例示されるユーザの発言履歴が、図7に例示される第2のシステムプロンプトと図8に例示される第2のFew-shotプロンプトとに従って、5つの第2のメタデータ「desired_industries」、「desired_occupations」、「desired_prefectures」、「desired_annual_salary」、及び「desired_monthly_salary」に、各値が「None(無し)」、「IT/通信系エンジニア」、「東京都」又は「埼玉県」、「3000000」円、及び「250000」円として分類される。
なお、各第2のメタデータに分類されているテキストデータの羅列は、それに対応するデータベースフィールドに対する検索条件問合せは、各テキストデータをOR結合して得られる。また、第2のメタデータ「desired_monthly_salary」に分類された値に対応する検索条件問合せは、その値が整形済み求人票DB111中のデータベースフィールド「minimum_monthly_salary」の値と「maximum_monthly_salary」の値の間にあるレコードを検索する条件として指定される。
このライブラリは、例えばPythonによって提供されるChatGPT APIライブラリである。このライブラリは、例えば予め図10の外部記憶装置1003にインストールされている。CPU1001は、ステップS1101において、上記ライブラリを、図10の外部記憶装置1003からメモリ1002にインポートする処理、例えば「import openai」命令を実行する。
また、CPU1001は、ステップS1101において、予め例えばChatGPTサービスに登録して取得したAPI認証情報データをセットする命令を、プログラムの先頭で実行する。
この結果、例えば前述した図3Aから図3Eとして例示される第1のシステムプロンプトが生成される。
この結果、例えば前述した図4Aから図4Eとして例示される第1のFew-shotプロンプトが生成される。
この結果、例えば前述した図7として例示される第2のシステムプロンプトが生成される。
この結果、例えば前述した図8として例示される第2のFew-shotプロンプトが生成される。
101 求人票原データ取得部
102 求人票データ整形部
103 求職ユーザ対話部
104 求職検索条件取得部
105 整形済み求人票データ検索部
106 おすすめ求人票データ出力部
110 求人票原DB
111 整形済み求人票DB
112 対話内容DB
120 インターネット
121 求人票データ提供Webサイト
122 生成AIシステム
123 ユーザ端末装置
Claims (19)
- 求人票原データを取得して求人票原データベースに格納する求人票原データ取得部と、
前記求人票原データベースに格納された前記求人票原データ毎に、1つ以上の第1のメタデータの第1の抽出を指示する1つ以上の第1の抽出指示用プロンプトと、該求人票原データのテキストデータを含む第1の入力プロンプトと、を含む第1の問合せデータを生成し、該第1の問合せデータによって第1の生成的人工知能システムに問合せを行うことにより、該求人票原データのテキストデータが1つ以上の前記第1のメタデータの夫々に分類整形された第1の応答テキストデータを取得し、該第1の応答テキストデータ中の前記第1のメタデータの夫々に分類整形されたテキストデータを前記第1のメタデータの夫々に対応する各データベースフィールドの各値として有する整形済み求人票データの新規レコードを整形済み求人票データベースに格納する求人票データ整形部と、
を備える情報処理装置。 - 1つ以上の第2のメタデータの第2の抽出を指示する1つ以上の第2の抽出指示用プロンプトと、入力される求職情報データのテキストデータを含む第2の入力プロンプトと、を含む第2の問合せデータを生成し、該第2の問合せデータによって第2の生成的人工知能システムに問合せを行うことにより、前記求職情報データのテキストデータが前記整形済み求人票データベースの前記データベースフィールドの何れか1つ以上に対応する1つ以上の前記第2のメタデータの夫々に分類された第2の応答テキストデータを取得する求職検索条件取得部と、
前記求職検索条件取得部で取得された前記第2の応答テキストデータ中の前記第2のメタデータの夫々に対応するテキストデータを該第2のメタデータに対応する前記整形済み求人票データベース中のデータベースフィールドに対する検索キーワードとして指定する検索条件問合せを生成し、該検索条件問合せに合致する前記整形済み求人票データのレコードを前記整形済み求人票データベースから抽出する整形済み求人票データ検索部と、
前記整形済み求人票データ検索部が抽出した前記整形済み求人票データのレコードの前記データベースフィールドの値の夫々のテキストデータに基づいて、前記求職情報データに対応するおすすめ求人票データを出力するおすすめ求人票データ出力部と、
を更に備える請求項1に記載の情報処理装置。 - 求職を希望等するユーザが操作するユーザ端末装置との間で対話のテキストデータの送受信を実行する求職ユーザ対話部を更に備え、
前記求職検索条件取得部は、前記対話のテキストデータのうち前記求職ユーザ対話部が前記ユーザ端末装置から受信した前記ユーザの発言履歴を前記求職情報データとして入力する、
請求項2に記載の情報処理装置。 - 前記第1の抽出指示用プロンプトは、
前記第1の抽出に使用される1つ以上の前記第1のメタデータの指定と、前記第1の応答テキストデータのデータフォーマットの指定を少なくとも含む第1のシステムプロンプトと、
前記第1の生成的人工知能システムに、前記第1の抽出のための入力の例と該入力の例に対する応答の例を学習させるプロンプトである第1のFew?shotプロンプトと、
を含む請求項1に記載の情報処理装置。 - 前記第2の抽出指示用プロンプトは、
前記第2の抽出に使用される1つ以上の前記第2のメタデータの指定と、前記第2の応答テキストデータのデータフォーマットの指定を少なくとも含む第2のシステムプロンプトと、
前記第2の生成的人工知能システムに、前記第2の抽出のための入力の例と該入力の例に対する応答の例を学習させるプロンプトである第2のFew?shotプロンプトと、
を含む請求項2に記載の情報処理装置。 - 前記求職ユーザ対話部が前記ユーザ端末装置に対して送受信する前記対話のテキストデータを保存する対話内容データベースを更に備える請求項3に記載の情報処理装置。
- 前記求人票原データ取得部は、インターネットに接続されている複数の求人票データ提供ウェブサイトを自動的に巡回アクセスし、夫々の前記求人票データ提供ウェブサイトから前記求人票原データを取得するウェブスクレイピング処理を実行する、請求項1に記載の情報処理装置。
- 前記第1の生成的人工知能システムはインターネットに接続され、
前記求人票データ整形部は、前記インターネットを介して前記第1の生成的人工知能システムのアプリケーション・プログラミング・インターフェース機能にアクセスする、
請求項1に記載の情報処理装置。 - 前記第2の生成的人工知能システムはインターネットに接続され、
前記求職検索条件取得部は、前記インターネットを介して前記第2の生成的人工知能システムのアプリケーション・プログラミング・インターフェース機能にアクセスする、
請求項2に記載の情報処理装置。 - 前記第1の生成的人工知能システムと前記第2の生成的人工知能システムは、互いに同一の又は異なる生成的人工知能システムである、請求項2に記載の情報処理装置。
- 前記ユーザ端末装置はインターネットに接続され、
前記求職ユーザ対話部は、前記インターネットを介して前記ユーザ端末装置との間で前記対話のテキストデータの送受信を実行する、
請求項3に記載の情報処理装置。 - 前記求職ユーザ対話部は、前記ユーザ端末装置から受信した前記対話のテキストデータに応答する前記対話のテキストデータを、人工知能プログラムを用いることにより生成して前記ユーザ端末装置に返信する人工知能チャットボット処理を実行することを含む、請求項3に記載の情報処理装置。
- 前記おすすめ求人票データ出力部は、前記整形済み求人票データ検索部が抽出した前記整形済み求人票データのレコードに対応する前記求人票原データベース内の前記求人票原データを合わせて、前記求職情報データに対応するおすすめ求人票データとして出力する、請求項2に記載の情報処理装置。
- 情報処理装置が、
求人票原データを取得して求人票原データベースに格納する求人票原データ取得処理と、
前記求人票原データベースに格納された前記求人票原データ毎に、1つ以上の第1のメタデータの第1の抽出を指示する1つ以上の第1の抽出指示用プロンプトと、該求人票原データのテキストデータを含む第1の入力プロンプトと、を含む第1の問合せデータを生成し、該第1の問合せデータによって第1の生成的人工知能システムに問合せを行うことにより、該求人票原データのテキストデータが1つ以上の前記第1のメタデータの夫々に分類整形された第1の応答テキストデータを取得し、該第1の応答テキストデータ中の前記第1のメタデータの夫々に分類整形されたテキストデータを前記第1のメタデータの夫々に対応する各データベースフィールドの各値として有する整形済み求人票データの新規レコードを整形済み求人票データベースに格納する求人票データ整形処理と、
を実行する情報処理方法。 - 前記情報処理装置が、
1つ以上の第2のメタデータの第2の抽出を指示する1つ以上の第2の抽出指示用プロンプトと、入力される求職情報データのテキストデータを含む第2の入力プロンプトと、を含む第2の問合せデータを生成し、該第2の問合せデータによって第2の生成的人工知能システムに問合せを行うことにより、前記求職情報データのテキストデータが前記整形済み求人票データベースの前記データベースフィールドの何れか1つ以上に対応する1つ以上の前記第2のメタデータの夫々に分類された第2の応答テキストデータを取得する求職検索条件取得処理と、
前記求職検索条件取得処理により取得された前記第2の応答テキストデータ中の前記第2のメタデータの夫々に対応するテキストデータを該第2のメタデータに対応する前記整形済み求人票データベース中のデータベースフィールドに対する検索キーワードとして指定する検索条件問合せを生成し、該検索条件問合せに合致する前記整形済み求人票データのレコードを前記整形済み求人票データベースから抽出する整形済み求人票データ検索処理と、
前記整形済み求人票データ検索処理により抽出された前記整形済み求人票データのレコードの前記各データベースフィールドの値の夫々のテキストデータに基づいて、前記求職情報データに対応するおすすめ求人票データを出力するおすすめ求人票データ出力処理と、
を更に実行する請求項14に記載の情報処理方法。 - 前記情報処理装置が、
求職を希望等するユーザが操作するユーザ端末装置との間で対話のテキストデータの送受信を実行する求職ユーザ対話処理を更に実行し、
前記求職検索条件取得処理において、前記求職ユーザ対話処理で前記ユーザ端末装置から受信された前記対話のテキストデータを前記求職情報データとして入力する、
請求項15に記載の情報処理方法。 - 求人票原データを取得して求人票原データベースに格納する求人票原データ取得処理と、
前記求人票原データベースに格納された前記求人票原データ毎に、1つ以上の第1のメタデータの第1の抽出を指示する1つ以上の第1の抽出指示用プロンプトと、該求人票原データのテキストデータを含む第1の入力プロンプトと、を含む第1の問合せデータを生成し、該第1の問合せデータによって第1の生成的人工知能システムに問合せを行うことにより、該求人票原データのテキストデータが1つ以上の前記第1のメタデータの夫々に分類整形された第1の応答テキストデータを取得し、該第1の応答テキストデータ中の前記第1のメタデータの夫々に分類整形されたテキストデータを前記第1のメタデータの夫々に対応する各データベースフィールドの各値として有する整形済み求人票データの新規レコードを整形済み求人票データベースに格納する求人票データ整形処理と、
をコンピュータに実行させるためのプログラム。 - 1つ以上の第2のメタデータの第2の抽出を指示する1つ以上の第2の抽出指示用プロンプトと、入力される求職情報データのテキストデータを含む第2の入力プロンプトと、を含む第2の問合せデータを生成し、該第2の問合せデータによって第2の生成的人工知能システムに問合せを行うことにより、前記求職情報データのテキストデータが前記整形済み求人票データベースの前記データベースフィールドの何れか1つ以上に対応する1つ以上の前記第2のメタデータの夫々に分類された第2の応答テキストデータを取得する求職検索条件取得処理と、
前記求職検索条件取得処理により取得された前記第2の応答テキストデータ中の前記第2のメタデータの夫々に対応するテキストデータを該第2のメタデータに対応する前記整形済み求人票データベース中のデータベースフィールドに対する検索キーワードとして指定する検索条件問合せを生成し、該検索条件問合せに合致する前記整形済み求人票データのレコードを前記整形済み求人票データベースから抽出する整形済み求人票データ検索処理と、
前記整形済み求人票データ検索処理により抽出された前記整形済み求人票データのレコードの前記各データベースフィールドの値の夫々のテキストデータに基づいて、前記求職情報データに対応するおすすめ求人票データを出力するおすすめ求人票データ出力処理と、
を更に前記コンピュータに実行させるための請求項17に記載のプログラム。 - 求職を希望等するユーザが操作するユーザ端末装置との間で対話のテキストデータの送受信を実行する求職ユーザ対話処理を更に前記コンピュータに実行させ、
前記求職検索条件取得処理において、前記求職ユーザ対話処理で前記ユーザ端末装置から受信された前記対話のテキストデータを前記求職情報データとして入力する、
請求項18に記載のプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023115320A JP7349219B1 (ja) | 2023-07-13 | 2023-07-13 | 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 |
---|---|---|---|
JP2023115320A JP7349219B1 (ja) | 2023-07-13 | 2023-07-13 | 情報処理装置、情報処理方法、及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7349219B1 true JP7349219B1 (ja) | 2023-09-22 |
Family
ID=88021811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023115320A Active JP7349219B1 (ja) | 2023-07-13 | 2023-07-13 | 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) | JP7349219B1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022110930A (ja) * | 2021-01-19 | 2022-07-29 | 株式会社三菱総合研究所 | 情報処理システム、情報処理方法、情報処理装置及びプログラム |
US20230022845A1 (en) * | 2021-07-13 | 2023-01-26 | Bill.Com, Llc | Model for textual and numerical information retrieval in documents |
-
2023
- 2023-07-13 JP JP2023115320A patent/JP7349219B1/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022110930A (ja) * | 2021-01-19 | 2022-07-29 | 株式会社三菱総合研究所 | 情報処理システム、情報処理方法、情報処理装置及びプログラム |
US20230022845A1 (en) * | 2021-07-13 | 2023-01-26 | Bill.Com, Llc | Model for textual and numerical information retrieval in documents |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10896212B2 (en) | System and methods for automating trademark and service mark searches | |
US8219516B2 (en) | Interactive intelligent searching with executable suggestions | |
US10565533B2 (en) | Systems and methods for similarity and context measures for trademark and service mark analysis and repository searches | |
US11100124B2 (en) | Systems and methods for similarity and context measures for trademark and service mark analysis and repository searches | |
US9384245B2 (en) | Method and system for assessing relevant properties of work contexts for use by information services | |
US20180032606A1 (en) | Recommending topic clusters for unstructured text documents | |
KR100882582B1 (ko) | 시맨틱 웹 기반 연구정보 서비스 시스템 및 그 방법 | |
US6826566B2 (en) | Identifier vocabulary data access method and system | |
CN109284363A (zh) | 一种问答方法、装置、电子设备及存储介质 | |
US20050055321A1 (en) | System and method for providing an intelligent multi-step dialog with a user | |
US20080215564A1 (en) | Query rewrite | |
CN106951503A (zh) | 信息提供方法、装置、设备以及存储介质 | |
KR20070109207A (ko) | 연관모델을 이용한 검색어 제시 시스템 및 그 제시 방법 | |
CN113190692B (zh) | 一种知识图谱的自适应检索方法、系统及装置 | |
CN110245357A (zh) | 主实体识别方法和装置 | |
KR20240020166A (ko) | Esg 보조 툴을 이용하여 정형화된 esg 데이터로 기계학습 모델을 학습하는 방법 및 기계학습 모델로 자동완성된 esg 문서를 생성하는 서비스 서버 | |
CN115329753B (zh) | 一种基于自然语言处理的智能数据分析方法和系统 | |
JP7349219B1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN116304347A (zh) | 一种基于群智知识的Git命令推荐方法 | |
Ma et al. | API prober–a tool for analyzing web API features and clustering web APIs | |
JP2002117061A (ja) | 情報提供装置および情報提供方法 | |
Ho et al. | A GA-based dynamic personalized filtering for Internet search service on multi-search engine | |
CN117668242A (zh) | 一种数据分析方法、系统及相关设备 | |
CN114936289A (zh) | 文本分析方法及装置 | |
Tharp | Augmented Transition Networks as a design tool for personalized database systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230713 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230713 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230801 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230823 |
|
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: 20230829 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230904 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7349219 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |