JP7447348B1 - 求人データ管理システム及び求人データ管理方法 - Google Patents
求人データ管理システム及び求人データ管理方法 Download PDFInfo
- Publication number
- JP7447348B1 JP7447348B1 JP2023147304A JP2023147304A JP7447348B1 JP 7447348 B1 JP7447348 B1 JP 7447348B1 JP 2023147304 A JP2023147304 A JP 2023147304A JP 2023147304 A JP2023147304 A JP 2023147304A JP 7447348 B1 JP7447348 B1 JP 7447348B1
- Authority
- JP
- Japan
- Prior art keywords
- job
- data
- job offer
- offer data
- recruitment
- 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
- 230000007115 recruitment Effects 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000013523 data management Methods 0.000 title claims abstract description 44
- 238000007726 management method Methods 0.000 claims abstract description 112
- 238000010586 diagram Methods 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 37
- 238000012545 processing Methods 0.000 description 20
- 238000013473 artificial intelligence Methods 0.000 description 15
- 230000014509 gene expression Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 description 1
- 101710096214 Alanine aminotransferase 1 Proteins 0.000 description 1
- 102100033814 Alanine aminotransferase 2 Human genes 0.000 description 1
- 101710096000 Alanine aminotransferase 2 Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010195 expression analysis Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】 求人者の採用活動の効率性を高めることを可能とする求人データ管理システム及び求人データ管理方法を提供する。【解決手段】 求人データ管理システムは、対象求人者によって登録される第1求人データを管理する第1求人データベースと、前記対象求人者によって登録される第2求人データを管理する第2求人データベースと、前記第1求人データベース及び前記第2求人データベースの双方にアクセス可能な管理装置と、を備え、前記管理装置は、前記第1求人データと前記第2求人データとの一致度に基づいて、前記第1求人データに対応する求人データが前記第2求人データとして前記第2求人データベースで管理されているか否かを判定する。【選択図】 図２
Description
本発明は、求人データ管理システム及び求人データ管理方法に関する。
近年、インターネット上の求人サイトなどの求人媒体に掲載された求人データに対する求職者の応募状況を管理することによって、企業などの求人者による採用活動を支援するシステムが知られている。このようなシステムは、ATS（Applicant Tracking System）と称されることもある。
例えば、複数の求人媒体と連携することによって、複数の求人媒体の各々に掲載された求人データに対する求職者の応募状況を収集し、一元的に管理する管理装置が提案されている（例えば、特許文献１）。
ここで、求人データを登録（又は、掲載）する求人データベースとして、2以上の求人データベース（例えば、第1求人データベース及び第2求人データベース）を求人者が利用する場合が考えられる。求人データベースは、求人媒体に対応するデータベースであると考えてもよく、ATS（上述した管理装置）に対応するデータベースであると考えてもよい。
このようなケースにおいて、第1求人データベースにある求人データを登録しているが、第2求人データベースには当該求人データを登録していないといった事態が生じ得る。逆に、第2求人データベースにある求人データを登録しているが、第1求人データベースに当該求人データを登録していないといった事態も生じ得る。
上述した事態が生じると、作成した求人データを求人データベースに登録できていないために、求職者が閲覧する求人媒体への掲載漏れが生じてしまい、求人者の採用活動が非効率となってしまう可能性がある。
そこで、本発明は、求人者の採用活動の効率性を高めることを可能とする求人データ管理システム及び求人データ管理方法を提供することを目的とする。
開示の一態様は、対象求人者によって登録される第1求人データを管理する第1求人データベースと、前記対象求人者によって登録される第2求人データを管理する第2求人データベースと、前記第1求人データベース及び前記第2求人データベースの双方にアクセス可能な管理装置と、を備え、前記管理装置は、前記第1求人データと前記第2求人データとの一致度に基づいて、前記第1求人データに対応する求人データが前記第2求人データとして前記第2求人データベースで管理されているか否かを判定する、求人データ管理システムである。
開示の一態様は、第1求人データベースが、対象求人者によって登録される第1求人データを管理するステップAと、第2求人データベースが、前記対象求人者によって登録される第2求人データを管理するステップBと、前記第1求人データベース及び前記第2求人データベースの双方にアクセス可能な管理装置が、前記第1求人データと前記第2求人データとの一致度に基づいて、前記第1求人データに対応する求人データが前記第2求人データとして前記第2求人データベースで管理されているか否かを判定するステップCと、を備える、求人データ管理方法である。
本発明によれば、求人者の採用活動の効率性を高めることを可能とする求人データ管理システム及び求人データ管理方法を提供することができる。
以下において、実施形態について図面を参照しながら説明する。なお、以下の図面の記載において、同一又は類似の部分には、同一又は類似の符号を付している。
但し、図面は模式的なものであり、各寸法の比率などは現実のものとは異なる場合があることに留意すべきである。従って、具体的な寸法などは以下の説明を参酌して判断すべきである。また、図面相互間においても互いの寸法の関係又は比率が異なる部分が含まれている場合があることは勿論である。
［開示の概要］
開示の概要に係る求人データ管理システムは、対象求人者によって登録される第1求人データを管理する第1求人データベースと、前記対象求人者によって登録される第2求人データを管理する第2求人データベースと、前記第1求人データベース及び前記第2求人データベースの双方にアクセス可能な管理装置と、を備え、前記管理装置は、前記第1求人データと前記第2求人データとの一致度に基づいて、前記第1求人データに対応する求人データが前記第2求人データとして前記第2求人データベースで管理されているか否かを判定する。
開示の概要に係る求人データ管理システムは、対象求人者によって登録される第1求人データを管理する第1求人データベースと、前記対象求人者によって登録される第2求人データを管理する第2求人データベースと、前記第1求人データベース及び前記第2求人データベースの双方にアクセス可能な管理装置と、を備え、前記管理装置は、前記第1求人データと前記第2求人データとの一致度に基づいて、前記第1求人データに対応する求人データが前記第2求人データとして前記第2求人データベースで管理されているか否かを判定する。
開示の概要に係る求人データ管理方法は、第1求人データベースが、対象求人者によって登録される第1求人データを管理するステップAと、第2求人データベースが、前記対象求人者によって登録される第2求人データを管理するステップBと、前記第1求人データベース及び前記第2求人データベースの双方にアクセス可能な管理装置が、前記第1求人データと前記第2求人データとの一致度に基づいて、前記第1求人データに対応する求人データが前記第2求人データとして前記第2求人データベースで管理されているか否かを判定するステップCと、を備える。
開示の概要では、管理装置は、第1求人データと第2求人データとの一致度に基づいて、第1求人データに対応する求人データが第2求人データとして第2データベースで管理されているか否かを判定する。このような構成によれば、管理装置が第1データベース及び第2データベースの双方にアクセス可能であるという利点を活かして、第1データベースで管理されているにもかかわらず、第2データベースで管理されていない求人データを特定することができ、求人者の採用活動の効率性を高めることができる。
［実施形態］
（求人データ管理システム）
以下において、実施形態に係る求人データ管理システムについて説明する。図１は、実施形態に係る求人データ管理システム100を示す図である。
（求人データ管理システム）
以下において、実施形態に係る求人データ管理システムについて説明する。図１は、実施形態に係る求人データ管理システム100を示す図である。
図１に示すように、求人データ管理システム100は、第1端末10と、第2端末20と、管理装置30と、第1DB40と、第2DB50と、を有する。第1端末10、第2端末20、管理装置30、第1DB40、第2DB50は、ネットワーク200によって接続される。特に限定されるものではないが、ネットワーク200は、インターネット網によって構成されてもよい。ネットワーク200は、ローカルエリアネットワークを含んでもよく、移動体通信網を含んでもよく、VPN（Virtual Private Network）を含んでもよい。
第1端末10は、求職者が使用する端末である。例えば、第1端末10は、パーソナルコンピュータであってもよく、スマートフォンであってもよく、タブレット端末であってもよい。求職者は、第1端末10を用いて、第1DB40及び第2DB50の少なくともいずれか1つに登録された求人データを閲覧してもよい。
第2端末20は、求人者が使用する端末である。第2端末20は、パーソナルコンピュータであってもよく、スマートフォンであってもよく、タブレット端末であってもよい。求人者は、第2端末を用いて、第1DB40及び第2DB50の少なくともいずれか1つに求人データを登録してもよい。
管理装置30は、第1DB40及び第2DB50の双方にアクセス可能な装置である。管理装置30は、ATS（Applicant Tracking System）と読み替えられてもよい。管理装置30の詳細については後述する（図２を参照）。
第1DB40は、対象求人者によって登録される求人データ（以下、第1求人データ）を管理するデータベースである。第1DB40は、対象求人者以外の求人者によって登録される求人データを管理してもよい。実施形態では、第1DB40は、第1求人データを管理する第1求人データベースの一例である。第1DB40は、第1求人媒体と読み替えられてもよい。第1求人媒体は、インターネット上の求人サイト又は求人広告、紙媒体の求人広告、求人者自身のウェブサイト（採用ウェブサイト）を含む。また、第1DB40は、ATSを含んでもよい。ATSは、他の求人媒体と連携しており、求人者は、ATSで作成した求人データを、ATSと連携している他の求人媒体に掲載してもよい。第1求人データは、求人者が人材を募集するために作成する求人票に関するデータであって、対象求人者の名称、人材を募集する職種、役職、年収、求人票の文章などを含んでもよい。人材を募集する職種、役職、年収は、第1求人データのカテゴリ情報であると考えてもよい。カテゴリ情報は、予め定められた項目の中から選択又は入力される情報である。求人票の文章は、仕事内容、求人者のミッション、募集背景などの文章情報であると考えてもよい。
第2DB50は、対象求人者によって登録される求人データ（以下、第2求人データ）を管理するデータベースである。第2DB50は、対象求人者以外の求人者によって登録される求人データを管理してもよい。実施形態では、第2D50は、第2求人データを管理する第2求人データベースの一例である。第2DB50は、第2求人媒体と読み替えられてもよい。第2求人媒体は、インターネット上の求人サイト又は求人広告、紙媒体の求人広告、求人者自身のウェブサイト（採用ウェブサイト）を含む。また、第2DB50は、ATSを含んでもよい。ATSは、他の求人媒体と連携しており、求人者は、ATSで作成した求人データを、ATSと連携している他の求人媒体に掲載してもよい。第2求人データは、求人者が人材を募集するために作成する求人票に関するデータであって、対象求人者の名称、人材を募集する職種、役職、年収、求人票の文章などを含んでもよい。人材を募集する職種、役職、年収は、第2求人データのカテゴリ情報であると考えてもよい。カテゴリ情報は、予め定められた項目の中から選択又は入力される情報である。求人票の文章は、仕事内容、求人者のミッション、募集背景などの文章情報であると考えてもよい。
ここで、求人者は、求人データを作成したり、登録したりする主体であればよく、企業などの単位の求人者であってもよく、企業の部門などの単位の求人者であってもよい。また、求人者は、エージェントなどの仲介者であってもよい。対象求人者は、第1DB40で管理される第1求人データに対応する求人データが第2求人データとして第2DB50で管理されるか否かを確認する求人者を示す。
（管理装置）
以下において、実施形態に係る管理装置について説明する。図２は、実施形態に係る管理装置30を示す図である。図２に示すように、管理装置30は、通信部31と、管理部32と、制御部33と、を有する。
以下において、実施形態に係る管理装置について説明する。図２は、実施形態に係る管理装置30を示す図である。図２に示すように、管理装置30は、通信部31と、管理部32と、制御部33と、を有する。
通信部31は、通信モジュールによって構成される。通信モジュールは、IEEE802.11a/b/g/n/ac/ax、LTE、5G、6Gなどの規格に準拠する無線通信モジュールであってもよく、IEEE802.3などの規格に準拠する有線通信モジュールであってもよい。
例えば、通信部31は、第1DB40から第1求人データを受信してもよい。通信部31は、第2DB50から第2求人データを受信してもよい。
管理部32は、SSD（Solid State Drive）、HDD（Hard Disk Drive）などの記憶媒体によって構成されており、様々な情報を格納する。
例えば、管理部32は、第1求人データについて、求職者を採用できる可能性を示すスコアを管理してもよい。スコアは、後述する制御部33によって算出されてもよい。
管理部32は、第1求人データの稼働状況を示すデータを管理してもよい。稼働状況を示すデータは、第1求人データに関するスカウトメールの送受信に関する履歴、第1求人データに関する求職者からの応募の履歴、第1求人データに関する求人者と求職者との面談の履歴などを含んでもよい。
管理部32は、第2求人データの稼働状況を示すデータを管理してもよい。稼働状況を示すデータは、第2求人データに関するスカウトメールの送受信に関する履歴、第2求人データに関する求職者からの応募の履歴、第2求人データに関する求人者と求職者との面談の履歴などを含んでもよい。
制御部33は、少なくとも１つのプロセッサを含んでもよい。少なくとも１つのプロセッサは、CPU（Central Processing Unit）、MPU（Micro Processing Unit）、GPU（Graphics Processing Unit）、１以上のIntegrated Circuit、１以上のDiscrete Circuit、及び、これらの組合せによって構成されてもよい。
実施形態では、制御部33は、以下に示す動作を実行してもよい。
第1に、制御部33は、第1求人データと第2求人データとの一致度に基づいて、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されているか否かを判定する。このような判定処理は、名寄せ判定処理と称されてもよい。第1求人データと第2求人データとの一致度は、類似度と読み替えられてもよい。
例えば、制御部33は、第1求人データのテキストデータ及び第2求人データのテキストデータの比較によって、第1求人データと第2求人データとがどの程度一致しているか（一致の程度）を示す、第1求人データと第2求人データとの一致度を算出する。制御部33は、第1求人データと第2求人データとの一致度が閾値以上である場合に、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されていると判定する。制御部33は、第1求人データと第2求人データとの一致度が閾値未満である場合に、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されていないと判定する。
具体的には、名寄せ判定処理は、以下に示す手順を含んでもよい。
第1手順において、制御部33は、第1求人データの求人者の名称と第2求人データの求人者の名称が一致するか否かを判定する。具体的には、第1求人データの求人者の名称として記載されている企業名などと、第2求人データの求人者の名称として記載されている企業名などとが一致するか否かを判定する。制御部33は、第1求人データの求人者の名称と第2求人データの求人者の名称が一致する場合に次の手順に進む。制御部33は、第1求人データの求人者の名称と第2求人データの求人者の名称が一致しない場合に、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されていないと判定する。制御部33は、第1求人データの求人者の名称と第2求人データの求人者の名称とが一致しない場合には、第1求人データの求人票の文章と第2求人データの求人票の文章との一致度が0%であると判定してもよい。
ここで、第1求人データ及び第2求人データの求人者の名称はテキストデータの一例であると考えてもよい。求人者の名称は、正式名称を含んでもよく、略式名称を含んでもよい。正式名称及び略式名称は一致するものとして判定されてもよい。例えば、「〇〇株式会社」及び「〇〇」は一致するものとして判定されてもよい。
第2手順において、制御部33は、第1求人データによって募集される職種と第2求人データによって募集される職種とが一致するか否かを判定する。具体的には、第1求人データの募集職種として記載されている職種名と、第2求人データの募集職種として記載されている職種名とが一致するか否かを判定する。制御部33は、第1求人データによって募集される職種と第2求人データによって募集される職種とが一致する場合に次の手順に進む。制御部33は、第1求人データによって募集される職種と第2求人データによって募集される職種とが一致しない場合に、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されていないと判定する。制御部33は、第1求人データによって募集される職種と第2求人データによって募集される職種とが一致しない場合には、第1求人データの求人票の文章と第2求人データの求人票の文章との一致度が0%であると判定してもよい。
ここで、第1求人データ及び第2求人データの職種はテキスト（文字列）データの一例であると考えてもよい。職種の文字列の全部が一致する場合だけでなく、一部が一致する場合には、職種が一致するものとして判定されてもよい。例えば、「データサイエンティスト」及び「データアナリスト」は一致するものとして判定されてもよい。これにより、職種のテキストに表記ゆれや誤記などがある場合であっても、実質的に同一の職種であり、職種が一致するものとして判定することができる。
第3手順において、制御部33は、第1求人データによって募集される役職と第2求人データによって募集される役職とが一致するか否かを判定する。具体的には、第1求人データの募集役職として記載されている役職名と、第2求人データの募集役職として記載されている役職名とが一致するか否かを判定する。制御部33は、第1求人データによって募集される役職と第2求人データによって募集される役職とが一致する場合に次の手順に進む。制御部33は、第1求人データによって募集される役職と第2求人データによって募集される役職とが一致しない場合に、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されていないと判定する。制御部33は、第1求人データによって募集される役職と第2求人データによって募集される役職とが一致しない場合には、第1求人データの求人票の文章と第2求人データの求人票の文章との一致度が0%であると判定してもよい。
ここで、第1求人データ及び第2求人データの役職はテキスト（文字列）データの一例であると考えてもよい。役職の文字列の全部が一致する場合だけでなく、一部が一致する場合には、役職が一致するものとして判定されてもよい。また、役職は区分と予め対応付けられており、役職と対応付けられた区分が一致する場合に、役職が一致するものと判定されてもよい。例えば、「課長」及び「部長」が「管理職」の区分と予め対応付けられている場合には、「課長」及び「部長」は一致するものと判定されてもよい。これにより、役職のテキストに表記ゆれや誤記などがある場合であっても、実質的に同一の役職であり、役職が一致するものとして判定することができる。
第4手順において、制御部33は、第1求人データの求人票の文章と第2求人データの求人票の文章との一致度を判定する。求人票の文章の一致度は、求人票の文章の類似度と読み替えられてもよい。求人票の文章の一致度（類似度）は、文章を形態素解析し、BOW（Bag Of Words）、TF-IDF（Term Frequency-Inverse Document Frequency）、SCDV（Sparse Composite Document Vectors）、分散表現などの既知の手法によって文章をベクトル化し、コサイン類似度などの既知の手法によって算出されてもよい。具体的には、第1求人データの求人票の文章と第2求人データの求人票の文章とをそれぞれベクトル化し、コサイン類似度などによって、それぞれの特徴ベクトルの間の距離を算出し、一致度（類似度）を出力する。求人票の文章の類似度が閾値以上である場合には、求人票の文章が一致するものと判定されてもよい。或いは、求人票に含まれる文字や単語の一致率が閾値以上である場合に、求人票の文章が一致するものと判定されてもよい。閾値は、40%、50%などの値であってもよい。求人データを掲載する求人媒体や求人データを記憶するDBによって、同一の内容の求人データでも、仕様やフォーマットが異なっていることがあるため、求人票の文章の類似度が100%でなくとも、40%、50%などの閾値以上である場合には、求人票の文章が一致するものと判定されてもよい。
また、制御部33は、複数の第2求人データがある場合に、複数の第2求人データの内、第1求人データの求人票の文章との一致度又は類似度が最も高い第2求人データが、第1求人データの求人票の文章と一致すると判定してもよい。また、求人票に含まれる文章の一致致度又は類似度が閾値以上である第2求人データが複数ある場合に、一致度又は類似度が最も高い第2求人データが、第1求人データの求人票の文章と一致すると判定してもよい。これにより、求人票の文章の表現が一部異なっている場合や、文章に含まれる項目の順番が異なっている場合であっても、実質的に同一の求人票の文章を一致するものとして判定することができる。
最終的には、第4手順において、求人票の文章が一致すると判定された場合に、制御部33は、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されていると判定する。一方で、求人票の文章が一致しないと判定された場合に、制御部33は、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されていないと判定する。
名寄せ判定処理において、第2手順及び第3手順の少なくともいずれか1つは省略されてもよい。また、第2手順及び第3手順の順序は入れ替えられてもよい。
上述したように、制御部33は、対象求人者の名称や、職種や役職などのカテゴリ情報が一致するか否かによって、第1求人データに対応する可能性がある第2求人データを判断する処理（足切り処理）を実行した上で、第1求人データに対応する可能性がある第2求人データを対象として、求人票の文章などの文章情報が一致するか否かによって、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されているか否かを判定してもよい。このような構成によれば、明らかに内容が異なる求人データを予め足切りすることで、一致度（類似度）の算出及び判定を行う対象となる求人データを減らし、システムの負荷やこれらの処理に要する時間を削減することができる。
言い換えると、制御部33は、第1DB40から1つの第1求人データを抽出し、抽出された第1求人データ（マッチング対象）の求人者の名称と一致する求人者の名称を有する第2求人データを第2DB50から検索し抽出する。制御部33は、検索された第2求人データを対象として、マッチング対象の職種と一致する職種を有する第2求人データを検索し抽出する。制御部33は、検索された第2求人データを対象として、マッチング対象の役職と一致する役職を有する第2求人データを検索し抽出する。制御部33は、検索された第2求人データを対象として、マッチング対象の求人票の文章に対する一致度又は類似度を算出し、一致度又は類似度が高い順に第2求人データを並べ、リストアップする。制御部33は、マッチング対象の求人票の文章に対する一致度又は類似度が閾値以上である第2求人データがマッチング対象に対応すると判定する。
また、制御部33は、複数の第2求人データがある場合に、複数の第2求人データの内、マッチング対象の求人票の文章に対する一致度又は類似度が最も高い第2求人データが、マッチング対象に対応すると判定してもよい。または、求人票に含まれる文章の一致度又は類似度が閾値以上である第2求人データが複数ある場合に、一致度又は類似度が最も高い第2求人データが、第1求人データの求人票の文章と一致すると判定してもよい。また、制御部33は、対象求人者が第1DB40に登録している第1求人データが複数ある場合には、複数の第1求人データそれぞれについて上記の処理を繰り返し行い、複数の第1求人データそれぞれの求人票の文章について、複数の第2求人データそれぞれの文章との一致度又は類似度を算出する。そして、複数の第1求人データそれぞれの文章に対して、最も一致度又は類似度が高い第2求人データを特定し、複数の第1求人データそれぞれに対応すると判定してもよい。これにより、複数の第1求人データそれぞれについて、対応する第2求人データを割り当てることができるとともに、第2求人データとして管理されていない第1求人データを特定することができる。
第2に、制御部33は、第2求人データの稼働状況を示すデータに基づき、第2求人データのうち、稼働していない非稼働求人データを特定する。このような特定処理は、非稼働特定処理と称されてもよい。上述したように、第2求人データの稼働状況を示すデータは、第2求人データに関するスカウトメールの送受信に関する履歴、第2求人データに関する求職者からの応募の履歴、第2求人データに関する求人者（エージェントなどの仲介者を含む）と求職者との面談の履歴などを含んでもよい。ここで、求人者と求職者との面談には、オンラインで行われる面談と、オフラインで行われる面談とが含まれる。
例えば、制御部33は、スカウトメールの送信の有無、スカウトメールに対する返信メールの受信の有無、スカウトメールの送信頻度、スカウトメールに対する返信メールの受信頻度などに基づいて、非稼働求人データを特定してもよい。詳細には、制御部33は、スカウトメールの送信が無い第2求人データを非稼働求人データとして特定してもよく、返信メールの受信が無い第2求人データを非稼働求人データとして特定してもよく、スカウトメールの送信頻度が閾値よりも低い第2求人データを非稼働求人データとして特定してもよく、返信メールの受信頻度が閾値よりも低い第2求人データを非稼働求人データとして特定してもよい。
例えば、制御部33は、求職者からの応募の有無、求職者からの応募の数に基づいて、非稼働求人データを特定してもよい。詳細には、制御部33は、求職者からの応募が無い第2求人データを非稼働求人データとして特定してもよく、求職者からの応募の数が閾値よりも少ない第2求人データを非稼働求人データとして特定してもよい。なお、第2DB50へのログイン履歴などは、対象求人者が第2DB50に登録している第2求人データが複数ある場合には、その中に含まれる特定の第2求人データが稼働しているか否かの根拠にならないため、第2求人データの稼働状況の判定に用いられなくてもよい。
例えば、制御部33は、求人者と求職者との面談の有無、求職者との面談の回数や頻度に基づいて、非稼働求人データを特定してもよい。詳細には、制御部33は、求職者の面談が無い第2求人データを非稼働求人データとして特定してもよく、求職者との面談の回数や頻度が閾値よりも少ない第2求人データを非稼働求人データとして特定してもよい。
第3に、制御部33は、第1求人データの稼働状況を示すデータに基づき、第1求人データのうち、稼働している稼働求人データを特定する。このような特定処理は、稼働特定処理と称されてもよい。上述したように、第1求人データの稼働状況を示すデータは、第1求人データに関するスカウトメールの送受信に関する履歴、第1求人データに関する求職者からの応募の履歴、第1求人データに関する求職者との面談の履歴などを含んでもよい。
例えば、制御部33は、スカウトメールの送信の有無、スカウトメールに対する返信メールの受信の有無、スカウトメールの送信頻度、スカウトメールに対する返信メールの受信頻度などに基づいて、稼働求人データを特定してもよい。詳細には、制御部33は、スカウトメールの送信が有る第1求人データを稼働求人データとして特定してもよく、返信メールの受信が有る第1求人データを稼働求人データとして特定してもよく、スカウトメールの送信頻度が閾値よりも高い第1求人データを稼働求人データとして特定してもよく、返信メールの受信頻度が閾値よりも高い第1求人データを稼働求人データとして特定してもよい。
例えば、制御部33は、求職者からの応募の有無、求職者からの応募の数に基づいて、稼働求人データを特定してもよい。詳細には、制御部33は、求職者からの応募が有る第1求人データを稼働求人データとして特定してもよく、求職者からの応募の数が閾値よりも多い第1求人データを稼働求人データとして特定してもよい。なお、第1DB40へのログイン履歴などは、対象求人者が第1DB40に登録している第1求人データが複数ある場合には、その中に含まれる特定の第1求人データが稼働しているか否かの根拠にならないため、第1求人データの稼働状況の判定に用いられなくてもよい。
例えば、制御部33は、求職者との面談の有無、求職者との面談の回数や頻度に基づいて、稼働求人データを特定してもよい。詳細には、制御部33は、求職者の面談が有る第1求人データを稼働求人データとして特定してもよく、求職者との面談の回数や頻度が閾値よりも多い第1求人データを稼働求人データとして特定してもよい。
第4に、制御部33は、第1求人データ及び第2求人データの少なくともいずれか1つのうち、求職者を採用できる可能性を示すスコアが所定スコアよりも高い高スコア求人データを特定する。このような特定処理は、高スコア求人特定処理と称されてもよい。
例えば、後述する動作例1及び3のように、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されている掲載求人データについては、スコアの特定に用いる求人データは、掲載求人データに対応する第2求人データであってもよい。スコアの特定に用いる求人データは、掲載求人データに対応する第1求人データであってもよい。
例えば、後述する動作例2及び4のように、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されていない非掲載求人データについては、スコアの特定に用いる求人データは、非掲載求人データに対応する第1求人データであってもよい。
例えば、制御部33は、第1求人データを評価する評価要素に関するスコアを算定してもよい。評価要素は、第1求人データに含まれる情報の量（以下、情報量）、第2求人データに含まれる文章の表現（以下、表現）及び第1求人データに含まれる用語（以下、専門性）の中から選択された1以上の要素を含んでもよい。第1求人データに含まれる用語は、求人者が求める人材の職務内容を表す用語である。求職者を採用できる可能性を示すスコアは、情報量、表現及び専門性のスコアに基づいて算出されてもよい。
情報量に関するスコアは、以下に示すオプションによって算定されてもよい。
オプション1-1では、情報量に関するスコアは、第1求人データの全体に含まれる文字数と適正範囲との比較結果に基づいて算定されてもよい。例えば、第1求人データの全体に含まれる文字数が適正範囲の下限よりも少ないほど、情報量に関するスコアが低く算定されてもよい。第1求人データの全体に含まれる文字数が適正範囲の上限よりも多いほど、情報量に関するスコアが低く算定されてもよい。
オプション1-2では、情報量に関するスコアは、項目毎の情報の量に基づいて算定されてもよい。例えば、項目に含まれる文字数と項目の適正範囲との比較結果に基づいて項目に関するスコアが算定され、項目毎のスコアに基づいて、第1求人データの全体の情報量に関するスコアが算定されてもよい。このようなケースにおいて、項目の適正範囲は、項目毎に異なってもよい。第1求人データの全体の情報量に関するスコアは、項目毎のスコア及び項目毎の重付値に基づいて算定されてもよい。
表現に関するスコアは、以下に示すオプションによって算定されてもよい。
オプション2-1では、表現に関するスコアは、第1求人データに含まれる文章の表現の解析によって文法的に不適切な表現が含まれるか否かに基づいて算定されてもよい。例えば、文法的に不適切な表現が多いほど、表現に関するスコアが低く算定されてもよい。表現の解析は、形態素解析などのツールを利用して実行されてもよい。表現の解析は、AI（Artificial Intelligence）に代表される機械学習を利用して実行されてもよい。
オプション2-2では、表現に関するスコアは、項目と項目に含まれる文章との整合性に基づいて算定されてもよい。例えば、「具体的な仕事内容」の項目において、求人者が求める人材が実際に従事する業種又は職種の具体的な内容以外の文章（例えば、求める人物像に関する文章など）が含まれる場合に、表現に関するスコアが低く算定されてもよい。整合性の解析は、形態素解析などのツールを利用して実行されてもよい。整合性の解析は、AIに代表される機械学習を利用して実行されてもよい。
オプション2-3では、表現に関するスコアは、2以上の項目の各々に含まれる文章間の整合性に基づいて算定されてもよい。例えば、「ミッション」の項目に含まれる文章と「魅力」の追う木に含まれる文章が矛盾する場合に、表現に関するスコアが低く算定されてもよい。整合性の解析は、形態素解析などのツールを利用して実行されてもよい。整合性の解析は、AIに代表される機械学習を利用して実行されてもよい。
専門性に関するスコアは、以下に示すオプションによって算定されてもよい。
オプション3-1では、専門性に関するスコアは、求人者が求める人材の職務内容を表す用語が登録されたデータベースを参照して算定されてもよい。例えば、データベースに登録された用語が第1求人データに含まれる場合に、専門性に関するスコアが高く算定されてもよい。
ここで、データベースは、職務内容を表す用語を職務と対応付ける辞書であると考えてもよい。職務内容を表す用語は、第1求人データで実際に用いる用語だけではなく、職務で一般的に用いられる用語を含んでもよい。職務内容を表す用語は、求人者によって登録されてもよく、求人者以外の第三者によって登録されてもよい。データベースは、上述した管理部32に設けられてもよく、管理装置30とは別体として設けられる外部装置に設けられてもよい。
オプション3-2では、専門性に関するスコアは、専門性に関するスコアが閾値よりも高いと判定された第1求人データに対する類似度に基づいて算定されてもよい。類似度は、AIに代表される機械学習を利用して特定されてもよい。専門性に関するスコアが閾値よりも高いと判定された第1求人データは、オプション3-1によって算定されたスコアが閾値よりも高い第1求人データが用いられてもよく、求人者によって選択された第1求人データが用いられてもよい。
特に限定されるものではないが、上述した処理は、名寄せ判定処理、非稼働特定処理、稼働特定処理、高スコア求人特定処理の順に実行されてもよい。非稼働特定処理及び稼働特定処理の順序は入れ替えられてもよい。但し、高スコア求人特定処理は、名寄せ判定処理の前に実行されてもよい。非稼働特定処理及び稼働特定処理は、名寄せ判定処理の前に実行されてもよい。
（動作例）
以下において、実施形態に係る動作例について説明する。動作例としては、以下に示す動作例が考えられる。以下においては、第1DB40で管理される第1求人データに対応する求人データは、第2DB50で管理される第2求人データ（掲載求人データ）と、第2DB50で管理されない求人データ（非掲載求人データ）と、を含むケースについて説明する。
以下において、実施形態に係る動作例について説明する。動作例としては、以下に示す動作例が考えられる。以下においては、第1DB40で管理される第1求人データに対応する求人データは、第2DB50で管理される第2求人データ（掲載求人データ）と、第2DB50で管理されない求人データ（非掲載求人データ）と、を含むケースについて説明する。
動作例1では、図３に示すように、管理装置30は、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されている掲載求人データを特定する。管理装置30は、掲載求人データに対応する求人データから高スコア求人データを特定する。スコアの特定に用いる求人データは、掲載求人データに対応する第2求人データであってもよい。スコアの特定に用いる求人データは、掲載求人データに対応する第1求人データであってもよい。管理装置30は、高スコア求人データに対応する掲載求人データを積極的に稼働させることを促す情報（以下、稼働促進情報）を対象求人者に対して出力する。稼働促進情報は、求職者へのスカウトメールの送信を促す情報であってもよく、求職者との面談を促す情報であってもよい。
すなわち、管理装置30は、高スコア求人データに対応する求人データが第2求人データとして第2DB50で管理されていると判定されている場合に、高スコア求人データに対応する求人データを積極的に稼働させることを促す情報を対象求人者に対して出力する。
なお、管理装置30は、掲載求人データに対応する求人データから低スコア求人データを特定してもよい。管理装置30は、低スコア求人データに対応する掲載求人データの改善を促す情報（以下、改善促進情報）を求人者に対して出力してもよい。低スコア求人データは、求職者を採用できる可能性を示すスコアが所定スコアよりも低い求人データである。
動作例2では、図３に示すように、管理装置30は、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されていない非掲載求人データを特定する。管理装置30は、非掲載求人データに対応する求人データから高スコア求人データを特定する。スコアの特定に用いる求人データは、非掲載求人データに対応する第1求人データであってもよい。管理装置30は、高スコア求人データに対応する非掲載求人データを第2DB50に登録することを促す情報（以下、登録促進情報）を出力する。登録促進情報は、高スコア求人データに対応する求人データを第2DB50に登録されていないことを通知する情報であってもよい。
なお、管理装置30は、非掲載求人データに対応する求人データから低スコア求人データを特定してもよい。管理装置30は、低スコア求人データに対応する非掲載求人データの求人票の内容の見直しや改善を促す情報（改善促進情報）を求人者に対して出力してもよい。低スコア求人データは、求職者を採用できる可能性を示すスコアが所定スコアよりも低い求人データである。
すなわち、管理装置30は、高スコア求人データに対応する求人データが第2求人データとして第2DB50で管理されていないと判定された場合に、高スコア求人データに対応する求人データを第2DB50に登録することを促す情報を出力する。
動作例3では、図４に示すように、管理装置30は、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されている掲載求人データを特定する。管理装置30は、掲載求人データに対応する第2求人データから非稼働求人データを特定する。管理装置30は、非稼働求人データに対応する求人データから高スコア求人データを特定する。スコアの特定に用いる求人データは、非稼働求人データに対応する第2求人データであってもよい。スコアの特定に用いる求人データは、非稼働求人データに対応する第1求人データであってもよい。管理装置30は、高スコア求人データに対応する非稼働求人データを積極的に稼働させることを促す情報（稼働促進情報）を出力する。稼働促進情報は、スカウトメールの送信を促す情報であってもよく、面談を促す情報であってもよい。
すなわち、管理装置30は、高スコア求人データに対応する求人データが非稼働求人データとして第2DB50で管理されていると判定された場合に、高スコア求人データに対応する非稼働求人データを積極的に稼働させることを促す情報（稼働促進情報）を出力する。
動作例4では、図５に示すように、管理装置30は、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されていない非掲載求人データを特定する。管理装置30は、非掲載求人データに対応する第1求人データから稼働求人データを特定する。管理装置30は、稼働求人データに対応する求人データから高スコア求人データを特定する。スコアの特定に用いる求人データは、非掲載求人データに対応する第1求人データであってもよい。管理装置30は、高スコア求人データに対応する求人データを第2DB50に登録することを促す情報（登録促進情報）を出力する。登録促進情報は、高スコア求人データに対応する求人データを第2DB50に登録されていないことを通知する情報であってもよい。
すなわち、管理装置30は、稼働求人データ、かつ、高スコア求人データに対応する求人データが第2求人データとして第2DB50で管理されていないと判定された場合に、稼働求人データ、かつ、高スコア求人データに対応する求人データを第2DB50に登録することを促す情報（登録促進情報）を出力する。
（求人データ管理方法）
以下において、実施形態に係る求人データ管理方法について説明する。図６は、実施形態に係る求人データ管理方法を示す図である。
以下において、実施形態に係る求人データ管理方法について説明する。図６は、実施形態に係る求人データ管理方法を示す図である。
図６に示すように、ステップS10において、管理装置30は、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されている掲載求人データであるか否かを判定する。管理装置30は、第1求人データに対応する求人データが掲載求人データである場合には、ステップS11の処理を実行する。管理装置30は、第1求人データに対応する求人データが非掲載求人データである場合には、ステップS14の処理を実行する。ステップS10は、名寄せ判定処理の一例である。
ステップS11において、管理装置30は、掲載求人データに対応する求人データが非稼働求人データであるか否かを判定する。管理装置30は、掲載求人データに対応する求人データが非稼働求人データである場合には、ステップS12の処理を実行する。管理装置30は、掲載求人データに対応する求人データが稼働求人データである場合には、一連の処理を終了する。ステップS11は、非稼働特定処理の一例である。
ステップS12において、管理装置30は、非稼働求人データに対応する求人データが高スコア求人データであるか否かを判定する。スコアの特定に用いる求人データは、掲載求人データに対応する第2求人データであってもよい。スコアの特定に用いる求人データは、掲載求人データに対応する第1求人データであってもよい。管理装置30は、非稼働求人データに対応する求人データが高スコア求人データである場合にステップS13の処理を実行する。管理装置30は、非稼働求人データに対応する求人データが低スコア求人データである場合に一連の処理を終了する。ステップS12は、高スコア求人特定処理の一例である。
ステップS13において、管理装置30は、高スコア求人データに対応する非稼働求人データを積極的に稼働させることを促す情報（稼働促進情報）を出力する（例えば、上述した動作例3）。
ステップS14において、管理装置30は、非掲載求人データに対応する求人データが稼働求人データであるか否かを判定する。管理装置30は、非掲載求人データに対応する求人データが稼働求人データである場合には、ステップS15の処理を実行する。管理装置30は、非掲載求人データに対応する求人データが非稼働求人データである場合には、一連の処理を終了する。ステップS14は、稼働特定処理の一例である。
ステップS15において、管理装置30は、稼働求人データに対応する求人データが高スコア求人データであるか否かを判定する。スコアの特定に用いる求人データは、非掲載求人データに対応する第1求人データであってもよい。管理装置30は、稼働求人データに対応する求人データが高スコア求人データである場合にステップS16の処理を実行する。管理装置30は、稼働求人データに対応する求人データが低スコア求人データである場合に一連の処理を終了する。ステップS15は、高スコア求人特定処理の一例である。
ステップS16において、管理装置30は、高スコア求人データに対応する稼働求人デーを第2DB50に登録することを促す情報（登録促進情報）を出力する（例えば、上述した動作例3）。
図６では、ステップS11の処理が実行されるケースが例示されているが、上述した動作例1のように、ステップS11の処理が省略されてもよい。同様に、図６では、ステップS14の処理が実行されるケースが例示されているが、上述した動作例2のように、ステップS14の処理が省略されてもよい。
図６では特に触れていないが、管理装置30は、ステップS12で低スコア求人データであると判定された求人データの改善を促す情報（改善促進情報）を求人者に対して出力してもよい。同様に、管理装置30は、ステップS15で低スコア求人データであると判定された求人データの改善を促す情報（改善促進情報）を求人者に対して出力してもよい。
図６において、高スコア求人特定処理（ステップS12及びステップS15）は、名寄せ判定処理（ステップS10）の前に実行されてもよい。このようなケースにおいて、スコアの特定に用いる求人データは、第1求人データ及び第2求人データの全体であってもよい。
図６において、非稼働特定処理（ステップS11）は、名寄せ判定処理（ステップS10）の前に実行されてもよい。このようなケースにおいて、非稼働の判定に用いる求人データは、第1求人データ及び第2求人データの全体であってもよい。
図６において、稼働特定処理（ステップS14）は、名寄せ判定処理（ステップS10）の前に実行されてもよい。このようなケースにおいて、稼働の判定に用いる求人データは、第1求人データ及び第2求人データの全体であってもよい。
（作用及び効果）
実施形態では、管理装置30は、第1求人データと第2求人データとの一致度（又は類似度）に基づいて、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されているか否かを判定する。このような構成によれば、第1DB40で管理されているにもかかわらず、第2DB50で管理されていない求人データを特定することができ、求人者の採用活動の効率性を高めることができる。詳細には、第1DB40及び第2DB50などのように、複数のDB（採用媒体）を対象求人者が利用しているにもかかわらず、ある求人データが、一部のDBや採用媒体にしか登録又は掲載されていない状態になり、求職者の目にとまる機会を逸してしまう事態を抑制することができる。さらに、第1求人データに対応する第2求人データを特定することによって、第1求人データと第2求人データとを紐付けて、同一のIDなどを用いて一元的に管理することができる。
実施形態では、管理装置30は、第1求人データと第2求人データとの一致度（又は類似度）に基づいて、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されているか否かを判定する。このような構成によれば、第1DB40で管理されているにもかかわらず、第2DB50で管理されていない求人データを特定することができ、求人者の採用活動の効率性を高めることができる。詳細には、第1DB40及び第2DB50などのように、複数のDB（採用媒体）を対象求人者が利用しているにもかかわらず、ある求人データが、一部のDBや採用媒体にしか登録又は掲載されていない状態になり、求職者の目にとまる機会を逸してしまう事態を抑制することができる。さらに、第1求人データに対応する第2求人データを特定することによって、第1求人データと第2求人データとを紐付けて、同一のIDなどを用いて一元的に管理することができる。
例えば、当初は、第1DB40及び第2DB50に同一の求人データを求人者が登録していたとしても、求人データのアップデートなどの際に、第1DB40に登録された第1求人データと第2DB50に登録された第2求人データとの不一致が生じる可能性がある。求人データの不一致が生じると、求人者における採用担当者などが、同一の求人データであると認識することが難しくなり、第1求人データ及び第2求人データへの応募状況などを一元的に管理することができないケースが想定される。実施形態では、第1求人データと第2求人データとにずれが生じても、一致度により対応する求人データであると判定することができるため、求人者の採用活動の効率性を高めることができる。
実施形態では、管理装置30は、高スコア求人データに対応する求人データが第2求人データとして第2DB50で管理されていると判定された場合に、高スコア求人データに対応する求人データを積極的に稼働させることを促す情報（稼働促進情報）を出力する。このような構成によれば、第2DB50で管理される第2求人データのうち、求職者を採用できる可能性が高い第2求人データについて積極的な利用を図ることができる。これにより、特に、多くの求人データを管理する求人者において、採用担当者などのリソースが限られる中で、成約に繋がる可能性の高い求人データに対してリソースを配分し、効率的に求人データの稼働を図ることができる。
実施形態では、管理装置30は、高スコア求人データに対応する求人データが第2求人データとして第2DB50で管理されていないと判定された場合に、高スコア求人データに対応する求人データを第2DB50に登録することを促す情報（登録促進情報）を出力する。このような構成によれば、求職者を採用できる可能性が高い求人データの掲載媒体を第2DB50に拡大することによって、採用に成功する可能性を高めることができる。
実施形態では、管理装置30は、高スコア求人データに対応する求人データが非稼働求人データとして第2DB50で管理されていると判定された場合に、高スコア求人データに対応する非稼働求人データを積極的に稼働させることを促す情報（稼働促進情報）を出力する。このような構成によれば、第2DB50で管理される第2求人データのうち、求職者を採用できる可能性が高いにもかかわらず、稼働していない第2求人データについて積極的な利用を図ることができる。
実施形態では、管理装置30は、稼働求人データ、かつ、高スコア求人データに対応する求人データが第2求人データとして第2DB50で管理されていないと判定された場合に、稼働求人データ、かつ、高スコア求人データに対応する求人データを第2DB50に登録することを促す情報（登録促進情報）を出力する。このような構成によれば、第1DB40で稼働しており、かつ、求職者を採用できる可能性が高い求人データの掲載媒体を第2DB50に拡大することによって、採用に成功する可能性を高めることができる。
［変更例1］
以下において、実施形態の変更例1について説明する。以下においては、実施形態に対する相違点について主として説明する。
以下において、実施形態の変更例1について説明する。以下においては、実施形態に対する相違点について主として説明する。
具体的には、実施形態では、求職者を採用できる可能性を示すスコアは、情報量、表現及び専門性の評価要素に関するスコアに基づいて算出される。これに対して、変更例1では、求職者を採用できる可能性を示すスコアは、学習モデルを用いて特定される。この場合、制御部33は、学習モデルを備える人工知能部を備える。
学習モデルは、GPT（Generative Pretrained Transformer、GPT-1、GPT-2、GPT-3を含む）、BERT（Bidirectional Encoder Representations from Transformers）又はBART（Bidirectional and Auto-regressive Transformer）などを含むトランスフォーマなどの言語モデルなどの学習モデルであってもよい。このような学習モデルを備える人工知能部がAIと称されてもよい。
学習モデルとは、機械学習アルゴリズムによる学習モデルであってもよい。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、決定木及びサポートベクターマシンなどが挙げられる。また、学習モデルは、ニューラルネットワークを利用して、学習するための特徴量、結合重み付け係数を自ら生成する深層学習（ディープラーニング）であってもよい。人工知能部は、上記のアルゴリズムを適宜適用することができる。
人工知能部は、教師データを用いて機械学習を行ってもよい。教師データは、学習データのことをいい、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。なお、学習済モデルとは、ディープラーニングなどの任意の機械学習アルゴリズムに従った学習モデルに対して、事前に適切な教師データ（学習データ）を用いてトレーニング（学習）を行ったモデルをいう。
ただし、学習済モデルは、事前に適切な学習データを得ているが、それ以上の学習が行われないモデルだけではなく、追加学習が行われるモデルを含んでもよい。追加学習は、装置が使用先に設置された後も行われてもよい。
また、人工知能部は、いわゆる教師なし学習により機械学習を行い、学習済モデルを構築してもよい。教師なし学習とは、入力データのみを大量に与えることで、入力データを学習させ、入力データに対応した出力データを与えずに、処理を学習させることである。
第1に、学習モデルの生成について説明する。図７に示すように、モデル生成部33Aは、求人データと成約データとの相関関係の学習によって学習モデルを生成する。求人データは、対象求人者によって登録された求人データに加えて、対象求人者以外の求人者によって登録された求人データを含んでもよい。言い換えると、求人データは、第1DB40で管理される求人データを含んでもよく、第2DB50で管理される求人データを含んでもよい。求人データは、成約データと対応付けて管理されている求人データであってもよい。成約データは、求人データの求人票で人材の採用に成功したか否かを示すデータである。モデル生成部33Aに入力される求人データ及び成約データは学習データと称されてもよい。モデル生成部33Aは、制御部33に設けられてもよい。成約データは、第1DB40から受信してもよく、第2DB50から受信してもよく、管理部32で管理されてもよい。学習モデル（学習済モデル）は、管理部32で管理されてもよい。また、学習モデルを備える人工知能部は、管理装置30の外部構成であってもよい。その場合、人工知能部は、ネットワーク200を介して管理装置30などと接続され、管理装置30から入力を受け付け、指示された出力を管理装置30に返すように構成されてもよい。
第2に、求職者を採用できる可能性を示すスコアの特定について説明する。図８に示すように、スコア特定部33Bは、求人データを学習モデル（学習済モデル）に入力することによって、求職者を採用できる可能性を示すスコアを学習モデルから取得する。ここで、学習モデルは、求人データを入力とし、採用できる可能性を示すスコアを出力するように学習された学習モデルである。スコア特定部33Bに入力される求人データは、学習データである求人データと区別するために、スコア特定対象の求人データと読み替えられてもよい。スコア特定部33Bは、制御部33に設けられてもよい。上述した動作例1又は3では、スコア特定対象の求人データは、第2求人データであってもよい。上述した動作例2又は4では、スコア特定対象の求人データは、第1求人データであってもよい。また、人工知能部が管理装置30の外部構成である場合、管理装置30は、外部構成である人工知能部に対して、求人データを送信することで学習モデルに入力してもよい。
例えば、上述した動作例1又は3のように、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されている掲載求人データについては、学習モデルは、第2DB50で管理される求人データ及び成約データの相関関係の学習によって生成されてもよい。第2DB50で管理される求人データ及び成約データの相関関係の学習によって学習モデルを生成することによって、第2DB50で求職者を採用できる可能性が高い求人データほど、採用可能性を示すスコアとして高い数値を出力することができる。これにより、第2DB50を利用することで求職者を採用できる可能性が高い求人データを積極的に稼働させることができる。但し、学習モデルの生成において、第1DB40で管理される求人データ及び成約データの相関関係が用いられてもよい。
例えば、上述した動作例2又は4のように、第1求人データに対応する求人データが第2求人データとして第2DB50で管理されていない非掲載求人データについても、学習モデルは、第2DB50で管理される求人データ及び成約データの相関関係の学習によって生成されてもよい。第2DB50で管理される求人データ及び成約データの相関関係の学習によって学習モデルを生成することによって、第2DB50で求職者を採用できる可能性が高い求人データほど、採用可能性を示すスコアとして高い数値を出力することができる。これにより、第2DB50を利用することで求職者を採用できる可能性が高い求人データについて第2DB50に登録するよう促進させることができる。但し、学習モデルの生成において、第1DB40で管理される求人データ及び成約データの相関関係が用いられてもよい。
［その他の実施形態］
本発明は上述した実施形態によって説明したが、この開示の一部をなす論述及び図面は、この発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替実施形態、実施例及び運用技術が明らかとなろう。
本発明は上述した実施形態によって説明したが、この開示の一部をなす論述及び図面は、この発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替実施形態、実施例及び運用技術が明らかとなろう。
上記実施形態では、管理装置30が種々の記憶・制御を行ったが、管理装置30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。
上述した開示では、管理装置30が第1DB40及び第2DB50と別体であるケースについて説明した。しかしながら、上述した開示はこれに限定されるものではない。管理装置30は、第1DB40と一体である装置であってもよく、第2DB50と一体である装置であってもよい。このようなケースにおいて、管理部32は、第1DB40を構成してもよく、第2DB50を構成してもよい。
上述した開示では、第1DB40で管理される第1求人データに対応する求人データは、第2DB50で管理される第2求人データ（掲載求人データ）と、第2DB50で管理されない求人データ（非掲載求人データ）と、を含むケースについて説明した。しかしながら、上述した開示はこれに限定されるものではない。第2DB50で管理される第2求人データに対応する求人データは、第1DB40で管理される第1求人データ（掲載求人データ）と、第1DB40で管理されない求人データ（非掲載求人データ）と、を含んでもよい。このようなケースにおいて、上述した開示は、第1求人データと第2求人データとを入れ替えて読み替えられてもよい。
上述した開示では特に触れていないが、管理装置30が行う各処理をコンピュータに実行させるプログラムが提供されてもよい。また、プログラムは、コンピュータ読取り可能媒体に記録されていてもよい。コンピュータ読取り可能媒体を用いれば、コンピュータにプログラムをインストールすることが可能である。ここで、プログラムが記録されたコンピュータ読取り可能媒体は、非一過性の記録媒体であってもよい。非一過性の記録媒体は、特に限定されるものではないが、例えば、CD-ROMやDVD-ROMなどの記録媒体であってもよい。
或いは、管理装置30が行う各処理を実行するためのプログラムを記憶するメモリ及びメモリに記憶されたプログラムを実行するプロセッサによって構成されるチップが提供されてもよい。
［付記］
上述した開示は、以下のように表現されてもよい。
上述した開示は、以下のように表現されてもよい。
第1の特徴は、対象求人者によって登録される第1求人データを管理する第1求人データベースと、前記対象求人者によって登録される第2求人データを管理する第2求人データベースと、前記第1求人データベース及び前記第2求人データベースの双方にアクセス可能な管理装置と、を備え、前記管理装置は、前記第1求人データと前記第2求人データとの一致度に基づいて、前記第1求人データに対応する求人データが前記第2求人データとして前記第2求人データベースで管理されているか否かを判定する、求人データ管理システムである。
第2の特徴は、第1の特徴において、前記管理装置は、前記第1求人データ及び前記第2求人データの少なくともいずれか1つのうち、求職者を採用できる可能性を示すスコアが所定スコアよりも高い高スコア求人データを特定し、前記高スコア求人データに対応する求人データが前記第2求人データとして前記第2求人データベースで管理されていると判定された場合に、前記高スコア求人データに対応する求人データを積極的に稼働させることを促す情報を出力する、求人データ管理システムである。
第3の特徴は、第1の特徴又は第2の特徴において、前記管理装置は、前記第1求人データのうち、求職者を採用できる可能性を示すスコアが所定スコアよりも高い高スコア求人データを特定し、前記高スコア求人データに対応する求人データが前記第2求人データとして前記第2求人データベースで管理されていないと判定された場合に、前記高スコア求人データに対応する求人データを前記第2求人データベースに登録することを促す情報を出力する、求人データ管理システムである。
第4の特徴は、第1の特徴乃至第3の特徴の少なくともいずれか1つにおいて、前記管理装置は、前記第1求人データのテキストデータ及び前記第2求人データのテキストデータの比較によって、前記第1求人データと前記第2求人データとの一致度を算出する、求人データ管理システムである。
第5の特徴は、第1の特徴乃至第4の特徴の少なくともいずれか1つにおいて、前記管理装置は、前記第1求人データによって募集される職種又は役職と前記第2求人データによって募集される職種又は役職とが一致しない場合に、前記第1求人データと前記第2求人データとが一致しないと判定する、求人データ管理システムである。
第6の特徴は、第1の特徴乃至第5の特徴の少なくともいずれか1つにおいて、前記管理装置は、前記第1求人データの求人者の名称及び第2求人データの求人者の名称が一致するか否かを判定し、前記第1求人データの求人者の名称及び第2求人データの求人者の名称が一致する場合に、前記第1求人データの文章及び前記第2求人データの文章の比較によって、前記第1求人データと前記第2求人データとの一致度を算出する、求人データ管理システムである。
第7の特徴は、第1の特徴乃至第6の特徴の少なくともいずれか1つにおいて、前記管理装置は、複数の前記第2求人データの各々と前記第1求人データとの一致度を算出し、複数の前記第2求人データのうち、前記一致度が最も高い前記第2求人データが前記第1求人データに対応する求人データであると判定する、求人データ管理システムである。
第8の特徴は、第1の特徴乃至第7の特徴の少なくともいずれか1つにおいて、前記管理装置は、前記第2求人データの稼働状況を示すデータに基づき、前記第2求人データのうち、稼働していない非稼働求人データを特定し、前記第1求人データ及び前記第2求人データの少なくともいずれか1つのうち、求職者を採用できる可能性を示すスコアが所定スコアよりも高い高スコア求人データを特定し、前記高スコア求人データに対応する求人データが前記非稼働求人データとして前記第2求人データベースで管理されていると判定された場合に、前記高スコア求人データに対応する非稼働求人データを積極的に稼働させることを促す情報を出力する、求人データ管理システムである。
第9の特徴は、第8の特徴において、前記稼働状況を示すデータは、前記第2求人データに関するスカウトメールの送受信に関する履歴、前記第2求人データに関する求職者からの応募の履歴、前記第2求人データに関する求職者との面談の履歴の中から選択された1以上のデータを含む、求人データ管理システムである。
第10の特徴は、第1の特徴乃至第9の特徴の少なくともいずれか1つにおいて、前記管理装置は、前記第1求人データの稼働状況を示すデータに基づき、前記第1求人データのうち、稼働している稼働求人データを特定し、前記第1求人データのうち、求職者を採用できる可能性を示すスコアが所定スコアよりも高い高スコア求人データを特定し、前記稼働求人データ、かつ、前記高スコア求人データに対応する求人データが前記第2求人データとして前記第2求人データベースで管理されていないと判定された場合に、前記稼働求人データ、かつ、前記高スコア求人データに対応する求人データを前記第2求人データベースに登録することを促す情報を出力する、求人データ管理システムである。
第11の特徴は、第10の特徴において、前記稼働状況を示すデータは、前記第1求人データに関するスカウトメールの送受信に関する履歴、前記第1求人データに関する求職者からの応募の履歴、前記第1求人データに関する求職者との面談の履歴の中から選択された1以上のデータを含む、求人データ管理システムである。
第12の特徴は、第2の特徴、第8の特徴又は第10の特徴において、前記管理装置は、前記第1求人データベース及び前記第2求人データベースの少なくともいずれか1つで管理される求人データと当該求人データで採用に成功したか否かを示すデータとの相関関係の学習によって学習モデルを生成し、前記学習モデルを用いて、前記求職者を採用できる可能性を示すスコアを特定する、求人データ管理システムである。
第13の特徴は、第1求人データベースが、対象求人者によって登録される第1求人データを管理するステップAと、第2求人データベースが、前記対象求人者によって登録される第2求人データを管理するステップBと、前記第1求人データベース及び前記第2求人データベースの双方にアクセス可能な管理装置が、前記第1求人データと前記第2求人データとの一致度に基づいて、前記第1求人データに対応する求人データが前記第2求人データとして前記第2求人データベースで管理されているか否かを判定するステップCと、を備える、求人データ管理方法である。
10…第1端末、20…第2端末、30…管理装置、31…通信部、32…管理部、33…制御部、33A…モデル生成部、33B…スコア特定部、40…第1DB、50…第2DB、100…求人データ管理システム、200…ネットワーク
Claims (7)
- 対象求人者によって登録される第1求人データ及び前記対象求人者以外の求人者によって登録される求人データを管理する第1求人データベースと、
前記第1求人データベースにアクセス可能な管理装置と、を備え、
前記第1求人データベースは、前記求人データと、当該求人データで採用に成功したか否かを示す成約データとを対応付けて管理し、
前記管理装置は、前記第1求人データを学習モデルに入力し、前記学習モデルから出力されるスコアを、当該第1求人データに対応する求職者を採用できる可能性を示すスコアとして特定し、
前記学習モデルは、前記求人データと対応する前記成約データを学習データとし、当該求人データと当該求人データの前記成約データとの相関関係を学習し、前記第1求人データベースを用いて採用できる可能性が高い前記求人データほど高いスコアを出力するよう学習されたモデルである、求人データ管理システム。 - 前記管理装置は、
前記第1求人データのうち、前記スコアが所定スコアよりも高い高スコア求人データを特定し、
前記高スコア求人データに対応する求人データを積極的に稼働させることを促す情報を出力する、請求項１に記載の求人データ管理システム。 - 前記管理装置は、
前記第1求人データのうち、前記スコアが所定スコアよりも高い高スコア求人データを特定し、
前記高スコア求人データに対応する求人データが前記第1求人データベースとは異なる第2求人データベースで管理されていないと判定された場合に、前記高スコア求人データに対応する求人データを前記第2求人データベースに登録することを促す情報を出力する、請求項１に記載の求人データ管理システム。 - 前記管理装置は、
前記第1求人データの稼働状況を示すデータに基づき、前記第1求人データのうち、稼働している稼働求人データを特定し、
前記第1求人データのうち、前記スコアが所定スコアよりも高い高スコア求人データを特定し、
前記稼働求人データ、かつ、前記高スコア求人データに対応する求人データが前記第1求人データベースとは異なる第2求人データベースで管理されていないと判定された場合に、前記稼働求人データ、かつ、前記高スコア求人データに対応する求人データを前記第2求人データベースに登録することを促す情報を出力する、請求項１に記載の求人データ管理システム。 - 前記稼働状況を示すデータは、前記第1求人データに関するスカウトメールの送受信に関する履歴、前記第1求人データに関する求職者からの応募の履歴、前記第1求人データに関する求職者との面談の履歴の中から選択された1以上のデータを含む、請求項４に記載の求人データ管理システム。
- 所定求人データと、当該所定求人データで採用に成功したか否かを示す成約データとを対応付けて管理する第2求人データベースを備え、
前記管理装置は、前記第1求人データに対応する求人データを第2学習モデルに入力し、前記第2学習モデルから出力されるスコアを、当該第1求人データに対応する求職者を採用できる可能性を示すスコアとして特定し、
前記第2学習モデルは、前記所定求人データと対応する前記成約データを学習データとし、当該所定求人データと当該所定求人データの前記成約データとの相関関係を学習し、前記第2求人データベースを用いて採用できる可能性が高い前記所定求人データほど高いスコアを出力するよう学習されたモデルである、請求項１に記載の求人データ管理システム。 - 第1求人データベースが、対象求人者によって登録される第1求人データ及び前記対象求人者以外の求人者によって登録される求人データを管理するステップAと、
前記第１求人データベースが、前記求人データと、当該求人データで採用に成功したか否かを示す成約データとを対応付けて管理するステップBと、
前記第1求人データベースにアクセス可能な管理装置が、前記第1求人データを学習モデルに入力し、前記学習モデルから出力されるスコアを、当該第1求人データに対応する求職者を採用できる可能性を示すスコアとして特定するステップCとを備え、
前記学習モデルは、前記求人データと対応する前記成約データを学習データとし、当該求人データと当該求人データの前記成約データとの相関関係を学習し、前記第1求人データベースを用いて採用できる可能性が高い前記求人データほど高いスコアを出力するよう学習されたモデルである、求人データ管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023147304A JP7447348B1 (ja) | 2023-05-18 | 2023-09-12 | 求人データ管理システム及び求人データ管理方法 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023081993A JP7350206B1 (ja) | 2023-05-18 | 2023-05-18 | 求人データ管理システム及び求人データ管理方法 |
| JP2023147304A JP7447348B1 (ja) | 2023-05-18 | 2023-09-12 | 求人データ管理システム及び求人データ管理方法 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023081993A Division JP7350206B1 (ja) | 2023-05-18 | 2023-05-18 | 求人データ管理システム及び求人データ管理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP7447348B1 true JP7447348B1 (ja) | 2024-03-11 |
Family
ID=88099198
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023081993A Active JP7350206B1 (ja) | 2023-05-18 | 2023-05-18 | 求人データ管理システム及び求人データ管理方法 |
| JP2023147304A Active JP7447348B1 (ja) | 2023-05-18 | 2023-09-12 | 求人データ管理システム及び求人データ管理方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023081993A Active JP7350206B1 (ja) | 2023-05-18 | 2023-05-18 | 求人データ管理システム及び求人データ管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (2) | JP7350206B1 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7462103B1 (ja) | 2023-10-04 | 2024-04-04 | 株式会社ビズリーチ | 採用支援システム、採用支援方法及びプログラム |
| JP7403027B1 (ja) | 2023-10-27 | 2023-12-21 | 株式会社ビズリーチ | 採用支援システム、採用支援方法及びプログラム |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021022230A (ja) | 2019-07-29 | 2021-02-18 | 株式会社Ｈｅｒｐ | 求人広告の出稿を計画するための装置、方法及びそのためのプログラム |
| JP7242944B1 (ja) | 2022-05-12 | 2023-03-20 | 株式会社ビズリーチ | 採用支援装置及び採用支援方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4235093B2 (ja) | 2003-12-04 | 2009-03-04 | 富士通株式会社 | 求人情報管理方法 |
| JP2020187547A (ja) | 2019-05-14 | 2020-11-19 | 株式会社Ｓｐｅｃｉａｌ Ｍｅｄｉｃｏ | 価格報酬に基づくポイントを制御するポイント制御装置、プログラム及び方法 |
-
2023
- 2023-05-18 JP JP2023081993A patent/JP7350206B1/ja active Active
- 2023-09-12 JP JP2023147304A patent/JP7447348B1/ja active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021022230A (ja) | 2019-07-29 | 2021-02-18 | 株式会社Ｈｅｒｐ | 求人広告の出稿を計画するための装置、方法及びそのためのプログラム |
| JP7242944B1 (ja) | 2022-05-12 | 2023-03-20 | 株式会社ビズリーチ | 採用支援装置及び採用支援方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7350206B1 (ja) | 2023-09-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kobayashi et al. | Text mining in organizational research | |
| US20200184275A1 (en) | Method and system for generating and correcting classification models | |
| JP7447348B1 (ja) | 求人データ管理システム及び求人データ管理方法 | |
| Jiang et al. | Capturing helpful reviews from social media for product quality improvement: a multi-class classification approach | |
| Yan et al. | A bilingual approach for conducting Chinese and English social media sentiment analysis | |
| KR102318103B1 (ko) | 구직자-구인자 매칭의 합격 여부 판단을 위한 기계 학습 방법 및 이를 이용한 추천 장치 | |
| US9224155B2 (en) | Systems and methods for managing publication of online advertisements | |
| US11556716B2 (en) | Intent prediction by machine learning with word and sentence features for routing user requests | |
| US9183285B1 (en) | Data clustering system and methods | |
| US20140229164A1 (en) | Apparatus, method and computer-accessible medium for explaining classifications of documents | |
| US8676566B2 (en) | Method of extracting experience sentence and classifying verb in blog | |
| US10373067B1 (en) | Domain-specific sentiment keyword extraction with weighted labels | |
| US11487947B2 (en) | Machine learning techniques for analyzing textual content | |
| KR102097282B1 (ko) | 구직자-구인자 매칭의 합격 여부 판단을 위한 기계 학습 방법 및 이를 이용한 추천 장치 | |
| Teodorescu | Machine Learning methods for strategy research | |
| Law et al. | Knowledge-driven decision analytics for commercial banking | |
| Fachrina et al. | Aspect-sentiment classification in opinion mining using the combination of rule-based and machine learning | |
| Mohanty et al. | Resumate: A prototype to enhance recruitment process with NLP based resume parsing | |
| Bitto et al. | Sentiment analysis from Bangladeshi food delivery startup based on user reviews using machine learning and deep learning | |
| WO2022125096A1 (en) | Method and system for resume data extraction | |
| WO2023164312A1 (en) | An apparatus for classifying candidates to postings and a method for its use | |
| Alduayj et al. | Sentiment classification and prediction of job interview performance | |
| US20190130360A1 (en) | Model-based recommendation of career services | |
| Trivedi et al. | Analysing user sentiment of Indian movie reviews: A probabilistic committee selection model | |
| Svee et al. | A model-based approach for capturing consumer preferences from crowdsources: the case of Twitter |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231205 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231205 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20231205 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240208 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240216 |
|
| 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: 20240227 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240228 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7447348 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |