JP7349219B1 - 情報処理装置、情報処理方法、及びプログラム - Google Patents

Abstract

【課題】求人情報と求職情報とをマッチングさせる情報処理技術に関し、自動サーチにより取得される求人情報であっても、十分なマッチング精度を確保でき、求職希望者等が望む求人情報を提供する。【解決手段】求人票データ整形部１０２及び求職検索条件取得部１０４は、生成ＡＩシステム１２２を活用して、求人票原データの整形や、整形済み求人票データを検索するための求職検索条件の抽出を行う。これに基づいて、精度の高い整形済み求人票データを検索でき、求職ユーザに合ったおすすめ求人票データを出力できる。【選択図】図１

Description

本発明は、求人情報と求職情報とをマッチングさせる情報処理装置、情報処理方法、及びプログラムに関する。

従来、求人企業等による求人情報と求職希望者等による求職情報とをマッチングさせる情報処理技術が知られている（例えば、特許文献１）。この情報処理技術は、複数の第一アクティビティ情報又は複数の第一タスク情報を入力するための第一入力部と、複数の第二アクティビティ情報又は複数の第二タスク情報を入力するための第二入力部と、複数の第一アクティビティ情報と複数の第二アクティビティ情報との間、又は複数の第一タスク情報と複数の第二タスク情報との間のマッチング処理を行うマッチング部と、を備える。
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。

特開２０２２－１１１０５９号公報

しかしながら、マッチングを行う従来の情報処理技術では、クローリングやスクレイピング等の自動技術によってインターネットをサーチして取得された多くの求人情報に基づいて求職希望者等へのマッチングを判断する場合に、次のような課題がある。インターネットの自動サーチにより取得された求人情報には、さまざまなフォーマットのものがあり、また例えば、求人票の記入担当者が自由記述で記載する場合が多い。このため、取得された求人情報に表記揺れが発生し、そのようなデータが収集されても、データベースとしての価値を持たない場合が多い。このため、それらの求人情報を用いた自動マッチングでは十分なマッチング精度を確保できず、求職希望者等が望む求人情報を必ずしも提供できないという課題があった。

そこで、本発明は、自動サーチにより取得される求人情報であっても、十分なマッチング精度を確保でき、求職希望者等に最適な求人情報を提供することを目的とする。

態様の一例の情報処理装置は、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、求人票原データベースに格納された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、その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、その第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、その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、その第１の応答テキストデータ中の第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。

また、態様の他の一例の情報処理装置は、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、その第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、求職情報データのテキストデータが整形済み求人票データベースの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、求職検索条件取得部で取得された第２の応答テキストデータ中の第２のメタデータの夫々に対応するテキストデータをその第２のメタデータに対応する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、その検索条件問合せに合致する整形済み求人票データのレコードを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、整形済み求人票データ検索部が抽出した整形済み求人票データのレコードの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、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。

加えて、態様の更に他の一例の情報処理装置は、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、求職検索条件取得部は、求職ユーザ対話部がユーザ端末装置から受信した対話のテキストデータを求職情報データとして入力する。

本発明によれば、自動サーチにより取得される求人情報であっても、十分なマッチング精度を確保でき、また、求職希望者等との対話や対話に基づく求職情報からの求職検索条件の抽出により、求職希望者に最適な求人情報を提供することが可能となる。

情報処理装置の実施形態の機能ブロック図である。 求人票原データのテキストデータの例（給料）を示す図である。 求人票原データのテキストデータの例（勤務地）を示す図である。 求人票原データのテキストデータの例（業種）を示す図である。 求人票原データのテキストデータの例（職種）を示す図である。 求人票原データのテキストデータの例（スキル）を示す図である。 第１のシステムプロンプトの例（給料）を示す図である。 第１のシステムプロンプトの例（勤務地）を示す図である。 第１のシステムプロンプトの例（業種）を示す図である。 第１のシステムプロンプトの例（職種）を示す図である。 第１のシステムプロンプトの例（スキル）を示す図である。 第１のＦｅｗ－ｓｈｏｔプロンプトの例（給料）を示す図である。 第１のＦｅｗ－ｓｈｏｔプロンプトの例（勤務地）を示す図である。 第１のＦｅｗ－ｓｈｏｔプロンプトの例（業種）を示す図である。 第１のＦｅｗ－ｓｈｏｔプロンプトの例（職種）を示す図である。 第１のＦｅｗ－ｓｈｏｔプロンプトの例（スキル）を示す図である。 第１の応答テキストデータの例（給料）を示す図である。 第１の応答テキストデータの例（勤務地）を示す図である。 第１の応答テキストデータの例（業種）を示す図である。 第１の応答テキストデータの例（職種）を示す図である。 第１の応答テキストデータの例（スキル）を示す図である。 ユーザの発言履歴の例を示す図である。 第２のシステムプロンプトの例を示す図である。 第２のＦｅｗ－ｓｈｏｔプロンプトの例を示す図である。 第２の応答テキストデータの例を示す図である。 情報処理装置の実施形態を実行するコンピュータの構成例を示すハードウェアブロック図である。 求人票データ整形処理の例を示すフローチャートである。 生成ＡＩ ＡＰＩアクセス処理の例を示すフローチャートである。 求職検索条件取得処理の例を示すフローチャートである。

以下、本発明を実施するための形態（以下「本実施形態」と記載）について図面を参照しながら詳細に説明する。図１は、情報処理装置の実施形態、情報処理装置１００の機能ブロック図である。

図１において、求人票原データ取得部１０１は、求人票原データを取得して求人票原データベース（以下、「求人票原ＤＢ」と記載）１１０に格納する。
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。

図２Ａ、図２Ｂ、図２Ｃ、図２Ｄ、又は図２Ｅは、求人票原データ取得部１０１により取得された求人票原データの例を示す図である。この例では、求人票原データ取得部１０１が、例えば「給料」、「勤務地」、「業種」、「職種」、又は「スキル」などの求人カテゴリ別に、求人票原データを取得する場合の例について示されている。勿論、求人票原データ取得部１０１は、これらのような求人カテゴリによらずに、求人票原データを取得してもよい。取得される求人票原データは、図２Ａ～図２Ｅに示されるように、求人カテゴリ毎に、更には求人票データ提供Ｗｅｂサイト１２１毎に、フォーマットは統一されておらず、バラバラであり得る。

求人票原データ取得部１０１は、図２Ａ～図２Ｅに例示されるような求人カテゴリ別の求人票原データがそのまま例えば１つのデータベースフィールドの値とされるレコードを、求人票原ＤＢ１１０に格納する。

図１において、求人票データ整形部１０２は、１つ以上の第１のメタデータへの第１の分類を指示する１つ以上の第１の分類指示用プロンプトと、その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する。

より具体的には、この第１の分類指示用プロンプトは例えば、次のような第１のシステムプロンプトと第１のＦｅｗ－ｓｈｏｔプロンプトから構成される。

第１のシステムプロンプトは、第１の分類に使用される１つ以上の第１のメタデータの指定と、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。

図３Ａ、図３Ｂ、図３Ｃ、図３Ｄ、及び図３Ｅは、図２Ａ、図２Ｂ、図２Ｃ、図２Ｄ、又は図２Ｅの各求人票原データから第１の問合せデータを生成するために指定される第１のシステムプロンプトの例を示す図である。
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。

このように、第１のシステムプロンプトは、第１の分類に使用される１つ以上の第１のメタデータの指定と、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ものである。
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。

次に、第１のＦｅｗ－ｓｈｏｔプロンプトは、後述する第１の生成的人工知能システムである生成ＡＩシステム１２２に、第１の分類のための入力の例とその入力の例に対する応答の例を学習させる。

図４Ａ、図４Ｂ、図４Ｃ、図４Ｄ、及び図４Ｅは、図２Ａ、図２Ｂ、図２Ｃ、図２Ｄ、又は図２Ｅの各求人票原データから第１の問合せデータを生成するために指定される第１のＦｅｗ－ｓｈｏｔプロンプトの例を示す図である。
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。

次に、図１の求人票データ整形部１０２は、図３Ａ～図３Ｅに例示した第１のシステムプロンプトと図４Ａ～図４Ｅに例示した第１のＦｅｗ－ｓｈｏｔプロンプトとを含む第１の分類指示用プロンプトと、求人票原ＤＢ１１０から順次読み出される図２Ａ～図２Ｅに例示した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する。

そして、求人票データ整形部１０２は、生成した第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である生成ＡＩシステム１２２に問合せを行うことにより、その求人票原データのテキストデータが１つ以上の第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する。

ここで、生成ＡＩシステム１２２は例えばインターネット１２０に接続され、求人票データ整形部１０２は、インターネット１２０を介して生成ＡＩシステム１２２のアプリケーション・プログラミング・インターフェース（以下、「ＡＰＩ」と記載）機能にアクセスする。生成ＡＩシステム１２２のＡＰＩとしては、例えばＣｈａｔＧＰＴ－３．５又はＣｈａｔＧＰＴ－４（「ＧＰＴ」はアメリカ合衆国オープンエイアイ オプコ エルエルシー社の商標登録出願）のＡＰＩサービスを利用することができる。
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、図５Ｂ、図５Ｃ、図５Ｄ、又は図５Ｅは夫々、図３Ａ、図３Ｂ、図３Ｃ、図３Ｄ、又は図３Ｅに例示される第１のシステムプロンプトと、図４Ａ、図４Ｂ、図４Ｃ、図４Ｄ、又は図４Ｅに例示される第１のＦｅｗ－ｓｈｏｔプロンプトと、図２Ａ、図２Ｂ、図２Ｃ、図２Ｄ、又は図２Ｅに例示される求人票原データとを夫々含む各第１の問合せデータによる生成ＡＩシステム１２２へのアクセスの結果得られる、第１の応答テキストデータの例を示す図である。
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。

続いて、図１の求人票データ整形部１０２は、第１の応答テキストデータ中の第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ＤＢ１１１に格納する。
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。

以上のように、本実施形態では、インターネットから得られる全ての求人票原データを、第１の分類指示用プロンプトを構成する例えば第１のシステムプロンプト及び第１のＦｅｗ－ｓｈｏｔプロンプトによって指定される１つ以上の第１のメタデータに対応する夫々の観点で分類された整形済み求人票データに整形して、整形済み求人票ＤＢ１１１に格納することが可能となる。
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。

図１において、求職ユーザ対話部１０３は、例えばインターネット１２０を介して接続される、求職を希望等するユーザが操作する＃１～＃Ｍ（Ｍ：２以上の自然数）の複数のユーザ端末装置１２３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。

求職ユーザ対話部１０３は例えば、ユーザ端末装置１２３から受信した対話のテキストデータに応答する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ユーザ端末装置１２３に返信する人工知能チャットボット（以下、「ＡＩチャットボット」と記載）処理を実行することを含むことができる。

求職ユーザ対話部１０３がユーザ端末装置１２３に対して送受信する対話のテキストデータは、対話内容データベース（以下、「対話内容ＤＢ」と記載）１１２に保存されるようにすることができる。

図１において、求職検索条件取得部１０４は、上述の対話のテキストデータのうち例えば求職ユーザ対話部１０３がユーザ端末装置１２３から受信したユーザの発言履歴を求職情報データとして入力する。

図６は、求職ユーザ対話部１０３がユーザ端末装置１２３から受信するユーザの発言履歴の例を示す図である。図６に示されるように、求職を希望等するユーザは会話形式で自分の求職希望を発言することができる。

次に、求職検索条件取得部１０４は、１つ以上の第２のメタデータへの第２の分類を指示する１つ以上の第２の分類指示用プロンプトと、入力される求職情報データである上記ユーザの発言履歴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する。

より具体的には、この第２の分類指示用プロンプトは例えば、次のような第２のシステムプロンプトと第２のＦｅｗ－ｓｈｏｔプロンプトから構成される。

第２のシステムプロンプトは、第２の分類に使用される１つ以上の第２のメタデータの指定と、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。

図７は、図６のユーザの発言履歴から第２の問合せデータを生成するために指定される第２のシステムプロンプトの例を示す図である。
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。

このように、第２のシステムプロンプトは、第２の分類に使用される１つ以上の第２のメタデータの指定と、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ものである。
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。

次に、第２のＦｅｗ－ｓｈｏｔプロンプトは、後述する第２の生成的人工知能システムである生成ＡＩシステム１２２に、第２の分類のための入力の例とその入力の例に対する応答の例を学習させる。ここで、本実施例では、第２の生成的人工知能システムは、図１の求人票データ整形部１０２がアクセスする第１の生成的人工知能システムと同じ生成ＡＩシステム１２２としている。これは、生成ＡＩシステム１２２を実現する例えばＣｈａｔＧＰＴシステムが、求人票原データに対する第１の応答テキストデータの応答と、ユーザの発言履歴に対する第２の応答テキストデータの応答の両方に対応できるためである。これに対して、それぞれの応答テキストデータをより高い精度で得るために、第１の生成的人工知能システムと第２の生成的人工知能システムが、異なる生成ＡＩシステムに問合せをするようにしてもよい。例えば、図１の求人票データ整形部１０２はＣｈａｔＧＰＴ－３．５サービスを提供する生成ＡＩシステム１２２に問合せを行い、求職検索条件取得部１０４はＣｈａｔＧＰＴ－４サービスを提供する他の生成ＡＩシステム１２２に問合せを行ってもよい。

図８は、図６のユーザの発言履歴から第２の問合せデータを生成するために指定される第２のＦｅｗ－ｓｈｏｔプロンプトの例を示す図である。
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。

次に、図１の求職検索条件取得部１０４は、図７に例示した第２のシステムプロンプトと図８に例示した第２のＦｅｗ－ｓｈｏｔプロンプトとを含む第２の分類指示用プロンプトと、例えば図１の求職ユーザ対話部１０３から入力される求職情報データであるユーザの発言履歴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する。

そして、図１の求職検索条件取得部１０４は、生成した第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である生成ＡＩシステム１２２に問合せを行うことにより、ユーザの発言履歴のテキストデータが整形済み求人票データベースの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。

ここで、求人票データ整形部１０２の場合と同様に、生成ＡＩシステム１２２はインターネット１２０に接続され、求職検索条件取得部１０４は、インターネット１２０を介して生成ＡＩシステム１２２のＡＰＩ機能にアクセスする。前述したように、生成ＡＩシステム１２２のＡＰＩとしては、例えばＣｈａｔＧＰＴ－３．５又はＣｈａｔＧＰＴ－４のＡＰＩサービスを利用することができる。

図９は、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、図６に例示されるユーザの発言履歴とを含む第２の問合せデータによる生成ＡＩシステム１２２へのアクセスの結果得られる、第２の応答テキストデータの例を示す図である。
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。

続いて、図１において、整形済み求人票データ検索部１０５は、求職検索条件取得部１０４で取得された図９に例示される第２の応答テキストデータ中の第２のメタデータの夫々に対応するテキストデータをその第２のメタデータに対応する整形済み求人票ＤＢ１１１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する。

図９に例示される第２のメモリフィールド「ｄｅｓｉｒｅｄ＿ｉｎｄｕｓｔｒｉｅｓ」、「ｄｅｓｉｒｅｄ＿ｏｃｃｕｐａｔｉｏｎｓ」、「ｄｅｓｉｒｅｄ＿ｐｒｅｆｅｃｔｕｒｅｓ」、及び「ｄｅｓｉｒｅｄ＿ｍｏｎｔｈｌｙ＿ｓａｌａｒｙ」は夫々、整形済み求人票ＤＢ１１１中の各データベースフィールド「ｉｎｄｕｓｔｒｉｅｓ」、「ｏｃｃｕｐａｔｉｏｎｓ」、「ｐｒｅｆｅｃｔｕｒｅｓ」、及び「ｍｉｎｉｍｕｍ＿ｍｏｎｔｈｌｙ＿ｓａｌａｒｙ」と「ｍａｘｉｍｕｍ＿ｍｏｎｔｈｌｙ＿ｓａｌａｒｙ」に対応する（図３Ａから図３Ｅを参照）。なお、図９の例では、整形済み求人票ＤＢ１１１中のデータベースフィールド「ｄｅｓｉｒｅｄ＿ａｎｎｕａｌ＿ｓａｌａｒｙ」に対応する第２のメタデータは無いが、勿論これがあってもよい。

上述の対応関係に従って、整形済み求人票データ検索部１０５は、上記検索条件問合せに合致する整形済み求人票データのレコードを、整形済み求人票ＤＢ１１１から抽出する。
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。

図１において、おすすめ求人票データ出力部１０６は、整形済み求人票データ検索部１０５が抽出した整形済み求人票データのレコードの所定のデータベースフィールドの夫々に対応する各データベースフィールドの値のテキストデータに基づいて、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。

ここで、おすすめ求人票データ出力部１０６は、整形済み求人票データ検索部１０５が抽出した整形済み求人票データのレコードに対応する求人票原ＤＢ１１０内の求人票原データを合わせて、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ようにしてもよい。

図１０は、図１の情報処理装置１００の機能を実行するコンピュータの構成例を示すハードウェアブロック図である。このハードウェアは、ＣＰＵ（中央演算処理装置）１００１と、プログラムがロードされて実行されるメモリ１００２と、プログラムや図１の求人票原ＤＢ１１０、整形済み求人票ＤＢ１１１、及び対話内容ＤＢ１１２などの各データベースを記憶する外部記憶装置１００３と、図１のインターネット１２０へのアクセスを制御するネットワークインタフェース回路１００４が、システムバス１００５によって相互に接続されたサーバコンピュータの構成を備える。なお、特には図示しないが、キーボードやマウスなどの入力装置やディスプレイなどの出力装置が接続されてもよい。

図１１は、図１の求人票データ整形部１０２の機能を実現する求人票データ整形処理の例を示すフローチャートである。このフローチャートは、図１０のＣＰＵ１００１が外部記憶装置１００３からメモリ１００２にロードした、例えばＰｙｔｈｏｎ（「Ｐｙｔｈｏｎ」はアメリカ合衆国パイソン ソフトウェア ファウンデーションの登録商標）コンピュータプログラミング言語によって記述される求人票データ整形プログラムを実行する処理である。

まず、ＣＰＵ１００１は、生成ＡＩ ＡＰＩへのアクセス用ライブラリ及びＡＰＩ認証情報を設定する（ステップＳ１１０１）。
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。

次に、ＣＰＵ１００１は、ステップＳ１１０２で、図１０の外部記憶装置１００３に記憶されている図１の求人票原ＤＢ１１０から１レコードずつ求人票原データを読み込みながら、ステップＳ１１０３で読み込むレコードが無くなったと判定（ＮＯの判定）するまで、ステップＳ１１０２からステップＳ１１０８までの一連の処理を繰り返し実行する。

この繰り返し処理において、ＣＰＵ１００１はまず、１つ以上の第１のメタデータの指定と、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を設定する（ステップＳ１１０４）。
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。

次に、ＣＰＵ１００１は、図１の生成ＡＩシステム１２２に第１の分類のための入力の例とその入力の例に対する応答の例を学習させるための第１のＦｅｗ－ｓｈｏｔプロンプトを設定する（ステップＳ１１０５）。
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。

続いて、ＣＰＵ１００１は、ステップＳ１１０４で設定した第１のシステムプロンプトとステップＳ１１０５で設定した第１のＦｅｗ－ｓｈｏｔプロンプトと、ステップＳ１１０２で求人票原ＤＢ１１０から読み込んだ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する（ステップＳ１１０６）。

そして、ＣＰＵ１００１は、ステップＳ１１０６で生成した第１の問合せデータを引数として、生成ＡＩ ＡＰＩアクセス処理のプログラムをコールする（ステップＳ１１０７）。この処理については、図１２のフローチャートを用いて後述する。

最後に、ＣＰＵ１００１は、前述した図５Ａ～図５Ｅに例示されるように第１の応答テキストデータ中の第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から、挿入用ＳＱＬ（Ｓｔｒｕｃｔｕｒｅｄ Ｑｕｅｒｙ Ｌａｎｇｕａｇｅ：構造化照会言語）データ（ＩＮＳＥＲＴ文）を生成し、その挿入用ＳＱＬデータによって整形済み求人票ＤＢ１１１にアクセスし、新規レコードを挿入する（ステップＳ１１０８）。

その後、ＣＰＵ１００１は、ステップＳ１１０２の処理に戻り、求人票原ＤＢ１１０上から次に読み込んだ求人票原データのレコードに対する整形処理を繰り返し実行する。

図１２は、図１１のステップＳ１１０７及び後述する図１３のステップＳ１３０６の各処理からサブルーチンコールされる、生成ＡＩ ＡＰＩアクセスプログラムの処理例を示すフローチャートである。図１１と同様に、このフローチャートも、図１０のＣＰＵ１００１が外部記憶装置１００３からメモリ１００２にロードした、例えばＰｙｔｈｏｎコンピュータプログラミング言語によって作成される生成ＡＩ ＡＰＩアクセスプログラムを実行する処理である。

図１２において、まずＣＰＵ１００１は、生成ＡＩモデルを設定する（ステップＳ１２０１）。これは例えば、生成ＡＩモデルとしてＣｈａｔＧＰＴ－３．５（例えば図１１のフローチャートからコールの場合）又はＣｈａｔＧＰＴ－４（例えば図１３のフローチャートからコールの場合）の何れかを指定する命令である。

次に、ＣＰＵ１００１は、図１１のステップＳ１１０７及び後述する図１３のステップＳ１３０６の各処理からのサブルーチンコールによって引き渡された問合せデータ（前述した第１の問合せデータ又は第２の問合せデータ）をメモリ１００２上の所定の変数に設定する（ステップＳ１２０２）。

そして、ＣＰＵ１００１は、例えばＣｈａｔＧＰＴ ＡＰＩ用のその他の制御パラメータ群をメモリ１００２上の他の所定の変数群に設定する（ステップＳ１２０３）。

上記ステップＳ１２０１からＳ１２０３の処理の後、ＣＰＵ１００１は、ステップＳ１２０１からＳ１２０３で変数に設定されたテキストデータ又はパラメータ群を引数として、前述した図１１のステップＳ１１０１又は後述する図１３のステップＳ１３０１で読み込んだＡＰＩライブラリ中の応答設定関数をコールする（ステップＳ１２０４）。

続いて、ＣＰＵ１００１は、ＡＰＩライブラリの応答取得関数をコールする（ステップＳ１２０５）。

最後に、ＣＰＵ１００１は、ステップＳ１２０５のコールにより取得した生成ＡＩシステム１２２（図１、例えばＣｈａｔＧＰＴシステム）からの応答を、前述した第１の応答テキストデータ又は第２の応答テキストデータとしてリターンし、前述した図１１又は後述する図１３のフローチャートの処理に戻る（ステップＳ１２０６）。

図１３は、図１の求職検索条件取得部１０４、整形済み求人票データ検索部１０５、及びおすすめ求人票データ出力部１０６の各機能を実現する検索出力処理の例を示すフローチャートである。図１１、図１２と同様に、このフローチャートは、図１０のＣＰＵ１００１が外部記憶装置１００３からメモリ１００２にロードした、例えばＰｙｔｈｏｎコンピュータプログラミング言語によって作成される検索出力処理プログラムを実行する処理である。

まず、ＣＰＵ１００１は、生成ＡＩ ＡＰＩへのアクセス用ライブラリ及びＡＰＩ認証情報を設定する（ステップＳ１３０１）。この処理は、図１１のステップＳ１１０１の処理と同じである。

次に、ＣＰＵ１００１は、図１の求職ユーザ対話部１０３の機能を実行する特には図示しない求職ユーザ対話処理から引き渡される、図６で例示したユーザの発言履歴のテキストデータを読み込む（ステップＳ１３０２）。

次に、ＣＰＵ１００１は、１つ以上の第２のメタデータの指定と、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を設定する（ステップＳ１３０３）。
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。

次に、ＣＰＵ１００１は、図１の生成ＡＩシステム１２２に第２の分類のための入力の例とその入力の例に対する応答の例を学習させるための第２のＦｅｗ－ｓｈｏｔプロンプトを設定する（ステップＳ１３０４）。
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。

続いて、ＣＰＵ１００１は、ステップＳ１３０３で設定した第２のシステムプロンプトとステップＳ１３０４で設定した第２のＦｅｗ－ｓｈｏｔプロンプトと、ステップＳ１３０２で求職ユーザ対話部１０３から入力したユーザの発言履歴のテキストデータとを含む第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する（ステップＳ１３０５）。

続いて、ＣＰＵ１００１は、ステップＳ１３０５で生成した第２の問合せデータを引数として、生成ＡＩ ＡＰＩアクセス処理のプログラムをサブルーチンコールする（ステップＳ１３０６）。この処理は、前述した図１２のフローチャートで示される。

そして、ＣＰＵ１００１は、ステップＳ１３０６により得られる、ユーザの発言履歴のテキストデータが整形済み求人票ＤＢ１１１の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つ以上の第２のメタデータの夫々に分類された、図９に例示される第２の応答テキストデータから、抽出用ＳＱＬデータ（ＳＥＬＥＣＴ文）を生成し、その抽出用ＳＱＬデータによって整形済み求人票ＤＢ１１１にアクセスして、検索条件に合致する整形済み求人票データを抽出する（ステップＳ１３０７）。

更に、ＣＰＵ１００１は、抽出した夫々の整形済み求人票データに対応して紐付けられている求人票原データを、求人票原ＤＢ１１０から抽出する（ステップＳ１３０８）。

最後に、ＣＰＵ１００１は、抽出した夫々の整形済み求人票データと求人票原データの組から、おすすめ求人票データを生成し、図１の求職ユーザ対話部１０３の機能を実行する求職ユーザ対話処理に引き渡す（ステップＳ１３０９）。この求職ユーザ対話処理は、ステップＳ１３０９で引き渡されたおすすめ求人票データを、対応する求職ユーザのユーザ端末１０３に送信する。

以上説明した実施形態において、整形済み求人票データ検索部１０５による整形済み求人票ＤＢ１１１の検索は、所定のデータベースフィールド毎のキーワードマッチングとして説明した。この場合の検索条件のキーワードは、例えば、求職情報データに対する形態素解析に基づいて抽出することができる。これに対して、一般的な形態素解析によるマッチングだけでなく、求人情報と求職情報の相談内容の双方の自然言語の単語やテキスト文を例えば夫々の語句の出現回数や出現確率等を要素とするベクトルに変換し、ベクトル同士を比較して双方の類似性を見つけることにより検索処理が実行されてもよい。

以上説明したようにして、本実施形態によれば、求人票原データに対する整形処理のみならず、ユーザからの求職情報データについても適切な検索条件を抽出して整形済み求人票ＤＢ１１１に対して検索処理を実行でき、この場合に生成ＡＩシステム１２２の高度な整形機能及び検索条件抽出機能を活用することができる。これにより、自動サーチにより取得される求人情報であっても、十分なマッチング精度を確保でき、求職希望者等が望む求人情報を提供することが可能となる。

１００ 情報処理装置
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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。
11. 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。
12. 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。
13. 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。
14. 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。
15. 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。
16. 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。
17. 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。
18. 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。
19. 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。