KR101825046B1 - 이직 순서를 고려한 구인 공고 추천 시스템 및 그 방법 - Google Patents

이직 순서를 고려한 구인 공고 추천 시스템 및 그 방법 Download PDF

Info

Publication number
KR101825046B1
KR101825046B1 KR1020160097326A KR20160097326A KR101825046B1 KR 101825046 B1 KR101825046 B1 KR 101825046B1 KR 1020160097326 A KR1020160097326 A KR 1020160097326A KR 20160097326 A KR20160097326 A KR 20160097326A KR 101825046 B1 KR101825046 B1 KR 101825046B1
Authority
KR
South Korea
Prior art keywords
job
turnover
users
announcement
jobs
Prior art date
Application number
KR1020160097326A
Other languages
English (en)
Inventor
김상욱
이유진
이연창
홍지원
Original Assignee
한양대학교 산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR1020160097326A priority Critical patent/KR101825046B1/ko
Application granted granted Critical
Publication of KR101825046B1 publication Critical patent/KR101825046B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G06Q10/1053—Employment or hiring
    • G06F17/30294—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063112—Skill-based matching of a person or a group to a task
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

이직 순서를 고려한 구인 공고 추천 시스템 및 그 방법이 개시된다.
구인 공고 추천 방법은 복수의 사용자들에 대한 직업들의 이직 순서를 고려하여 사용자의 이직 패턴으로 구성된 이직 정보 모델을 생성하는 단계; 및 상기 사용자들의 이직 정보 모델을 고려하여 구직자가 이직할 직업에 대응하는 구인 공고를 추천하는 단계를 포함할 수 있다.

Description

이직 순서를 고려한 구인 공고 추천 시스템 및 그 방법{APPARATUS AND METHOD FOR RECOMMENDING WANT ADVERTISEMENT CONSIDERING THE CHANGING JOBS ORDER}
본 발명은 구직자에게 구인 공고를 추천하는 시스템 및 방법에 관한 것이다.
구직자들의 증가에 따라 직업 추천 시스템들이 개발되고 있다. 종래의 직업 추천 시스템으로는 협업 필터링 기반 추천 시스템과 내용 기반 추천 시스템이 있다.
협업 필터링 기반 추천 시스템은 구직자의 이력과 유사한 이력을 가진 사용자가 가진 직업들 중에 구직자가 아직 경험하지 않은 직업을 구직자에게 추천할 수 있다. 그러나, 구직자와 유사한 이력을 가진 사용자가 해당 유사한 이력 이전에 가졌던 직업을 구직자에게 추천할 가능성이 있는 실정이다.
내용 기반 추천 시스템은 구직자가 가졌던 직업과 유사한 업종의 직업들을 추천할 수 있다. 그러나, 내용 기반 추천 시스템은 구직자 및 사용자의 조건을 고려하지 않으므로, 구직자의 현재 조건과 유사하거나 현재 조건 이하의 직업을 추천할 가능성이 있는 실정이다.
통상적으로 구직자는 보다 나은 조건으로 이직을 하므로, 이전 직업이나 조건이 나쁜 직업이 아니라 구직자가 원하는 직업을 추천할 수 있는 방법이 요청되고 있다.
본 발명은 복수의 사용자들의 이력서 정보에 포함된 이직 순서를 고려하여 구직자에게 구인 공고를 추천함으로써, 구직자의 이력에 최적화된 구인 공고를 추천하는 시스템 및 방법을 제공할 수 있다.
본 발명의 일실시예에 따른 구인 공고 추천 방법은 복수의 사용자들에 대한 직업들의 이직 순서를 고려하여 사용자의 이직 패턴으로 구성된 이직 정보 모델을 생성하는 단계; 및 상기 사용자들의 이직 정보 모델을 고려하여 구직자가 이직할 직업에 대응하는 구인 공고를 추천하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 구인 공고 추천 방법의 이직 정보 모델을 생성하는 단계는, 상기 사용자들의 이력 각각에 포함된 직업들 중 상기 이직 순서에서 연속된 한 쌍의 직업들을 페어링하여 이직 패턴을 생성할 수 있다.
본 발명의 일실시예에 따른 구인 공고 추천 방법의 이직 정보 모델을 생성하는 단계는, 상기 사용자들의 이력 각각에 포함된 직업들 중 상기 이직 순서에서 연속된 한쌍의 직업들 및 상기 이직 순서에서 연속되지 않은 한 쌍의 직업들을 페어링하여 이직 패턴을 생성하고, 상기 이직 순서에서 연속되지 않은 한쌍의 직업들은, 상기 이직 순서를 만족하도록 선택될 수 있다.
본 발명의 일실시예에 따른 구인 공고 추천 방법의 구인 공고를 추천하는 단계는, 상기 이직 정보 모델에 포함된 이직 패턴들 각각의 빈도를 측정하는 단계; 상기 이직 패턴들 중 구직자의 이력에 대응하는 적어도 하나의 이직 패턴을 검색하는 단계; 및 상기 검색된 이직 패턴들 중 가장 빈도가 높은 이직 패턴에 포함된 후행 직업을 상기 구직자가 이직할 직업으로 결정하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 구인 공고 추천 방법의 이직 패턴을 검색하는 단계는, 상기 검색된 이직 패턴을 구성하는 후행 직업이 상기 구직자의 이력에 포함된 직업과 동일한 경우, 상기 검색된 이직 패턴을 필터링할 수 있다.
본 발명의 일실시예에 따른 구인 공고 추천 방법의 구인 공고를 추천하는 단계는, 상기 사용자들의 이력 각각에 포함된 복수의 직업들로부터 사용자-직장 및 사용자-직책으로 구분된 이분(bipartite) 그래프를 생성하는 단계; 상기 사용자들 각각의 이직 순서를 고려하여 상기 이분 그래프에서 직장에 대한 단방향 링크와 직책에 대한 단방향 링크를 결정하는 단계; 및 상기 결정된 직장에 대한 단방향 링크와 직책에 대한 단방향 링크를 고려하여 상기 구직자가 이직할 직업으로 결정하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 구인 공고 추천 방법의 이분 그래프를 생성하는 단계는, 양방향 링크로 직책과 사용자를 연결한 그래프 및 양방향 링크로 직장과 사용자를 연결한 그래프를 생성할 수 있다.
본 발명의 일실시예에 따른 구인 공고 추천 시스템은 복수의 사용자들에 대한 직업들의 이직 순서를 고려하여 사용자의 이직 패턴으로 구성된 이직 정보 모델을 생성하는 이직 정보 모델 생성부; 및 상기 사용자들의 이직 정보 모델을 고려하여 구직자가 이직할 직업에 대응하는 구인 공고를 추천하는 구인 공고 추천부를 포함할 수 있다.
본 발명의 일실시예에 따른 구인 공고 추천 시스템의 이직 정보 모델 생성부는, 상기 사용자들의 이력 각각에 포함된 직업들 중 상기 이직 순서에서 연속된 한 쌍의 직업들을 페어링하여 이직 패턴을 생성할 수 있다.
본 발명의 일실시예에 따른 구인 공고 추천 시스템의 이직 정보 모델 생성부는, 상기 사용자들의 이력 각각에 포함된 직업들 중 상기 이직 순서에서 연속된 한쌍의 직업들 및 상기 이직 순서에서 연속되지 않은 한 쌍의 직업들을 페어링하여 이직 패턴을 생성하고, 상기 이직 순서에서 연속되지 않은 한쌍의 직업들은, 상기 이직 순서를 만족하도록 선택될 수 있다.
본 발명의 일실시예에 따른 구인 공고 추천 시스템의 구인 공고 추천부는, 상기 이직 정보 모델에 포함된 이직 패턴들 각각의 빈도를 측정하고, 상기 이직 패턴들 중 구직자의 이력에 대응하는 적어도 하나의 이직 패턴을 검색하며, 상기 검색된 이직 패턴들 중 가장 빈도가 높은 이직 패턴에 포함된 후행 직업을 상기 구직자가 이직할 직업으로 결정할 수 있다.
본 발명의 일실시예에 따른 구인 공고 추천 시스템의 구인 공고 추천부는, 상기 사용자들의 이력 각각에 포함된 복수의 직업들로부터 사용자-직장 및 사용자-직책으로 구분된 이분 그래프를 생성하고, 상기 사용자들 각각의 이직 순서를 고려하여 상기 이분 그래프에서 직장에 대한 단방향 링크와 직책에 대한 단방향 링크를 결정하며, 상기 결정된 직장에 대한 단방향 링크와 직책에 대한 단방향 링크를 고려하여 상기 구직자가 이직할 직업으로 결정할 수 있다.
본 발명의 일실시예에 의하면, 복수의 사용자들의 이력서 정보에 포함된 이직 순서를 고려하여 구직자에게 구인 공고를 추천함으로써, 구직자의 이력에 최적화된 구인 공고를 추천할 수 있다.
도 1은 본 발명의 일실시예에 따른 구인 공고 추천 시스템을 나타내는 도면이다.
도 2는 본 발명의 인접 페어링 방법에 따라 이직 패턴을 생성하는 과정의 일례이다.
도 3은 본 발명의 모든 페어링 방법에 따라 이직 패턴을 생성하는 과정의 다른 일례이다.
도 4는 본 발명의 인접 페어링 방법 및 빈도 기반 추천 방법에 따라 구직자가 이직할 직업을 결정하는 과정의 일례이다.
도 5는 본 발명의 모든 페어링 방법 및 빈도 기반 추천 방법에 따라 구직자가 이직할 직업을 결정하는 과정의 다른 일례다.
도 6은 본 발명의 인접 페어링 방법 및 그래프 기반 추천 방법에 따라 구직자가 이직할 직업을 결정하는 과정의 일례이다.
도 7은 본 발명의 모든 페어링 방법 및 그래프 기반 추천 방법에 따라 구직자가 이직할 직업을 결정하는 과정의 다른 일례다.
도 8은 본 발명의 일실시예에 따른 구인 공고 추천 방법을 도시한 플로우차트이다.
도 9는 본 발명의 일실시예에 따른 구인 공고 추천 방법의 이직 정보 모델 생성 과정을 도시한 플로우차트이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다. 본 발명의 일실시예에 따른 구인 공고 추천 방법은 구인 공고 추천 시스템에 의해 수행될 수 있다.
도 1은 본 발명의 일실시예에 따른 구인 공고 추천 시스템을 나타내는 도면이다.
구인 공고 추천 시스템(100)는 도 1에 도시된 바와 같이 이직 정보 모델 생성부(110), 및 구인 공고 추천부(120)를 포함할 수 있다. 이때, 이직 정보 모델 생성부(110), 및 구인 공고 추천부(120)는 서로 다른 프로세스, 또는 하나의 프로세스에 포함된 각각의 모듈일 수 있다.
이직 정보 모델 생성부(110)는 복수의 사용자들에 대한 직업들의 이직 순서를 고려하여 사용자의 이직 패턴으로 구성된 이직 정보 모델을 생성할 수 있다.
이때, 이직 정보 모델 생성부(110)는 사용자들의 이력서 정보를 사용하여 사용자들에 대한 직업의 이직 순서를 식별할 수 있다. 또한, 이력서 정보에 포함된 정보들은 사용자가 근무한 직장과 사용자의 직책이 하나의 정보로 구성된 사용자-직업(직장, 직책)일 수 있다.
그러나, 복수의 사용자들 중에서 직장과 직책이 구직자와 모두 동일한 사용자의 숫자는 구직자와 직장이나 직책 중 하나가 구직자와 동일한 사용자의 숫자보다 적으므로 정보 희소성 문제가 발생할 가능성이 있다. 따라서, 이직 정보 모델 생성부(110)는 이력서에 포함된 사용자-직업 정보를 사용자-직책과 사용자-직장 정보로 분리하여 사용자의 이직 패턴을 생성함으로써, 정보 희소성에 의하여 구직자에게 적절한 직업을 추천하지 못하는 것을 방지할 수 있다.
그리고, 이직 정보 모델 생성부(110)는 한 사용자가 가진 이력 내의 직업들을 페어(pair)로 만든 이직 패턴을 이용하여 직업 간 이직 순서를 모델링할 수 있다. 이때, 이직 패턴에서 사용자가 먼저 근무했던 직업 A를 페어에서 선행되는 위치에 있는 선행 직업으로 정의하고, 사용자가 직업 A에서 이직한 직업 B는 페어에서 후행 되는 위치에 있는 후행 직업으로 정의할 수 있다.
이때, 페어는 두 개의 직업간 이직 순서를 포함하고 있으므로, 페어에 포함된 직업들은 순서를 변경할 수 없다. 예를 들어, 페어 AB와 페어 BA는 서로 다른 이직 패턴일 수 있다.
그리고, 이직 정보 모델 생성부(110)는 인접 페어링(adjacent pairing)과 모든 페어링(all pairing) 중 하나의 페어링(pairing) 방법을 이용하여 이직 패턴을 생성할 수 있다.
인접 페어링을 사용하는 경우, 이직 정보 모델 생성부(110)는 사용자들의 이력 각각에 포함된 직업들 중 이직 순서에서 연속된 한 쌍의 직업들을 페어링하여 이직 패턴을 생성할 수 있다. 인접 페어링에 따라 이직 패턴을 생성하는 과정은 도 2를 참조하여 상세히 설명한다.
모든 페어링을 사용하는 경우, 이직 정보 모델 생성부(110)는 사용자들의 이력 각각에 포함된 직업들 중 이직 순서에서 연속된 한쌍의 직업들 및 상기 이직 순서에서 연속되지 않은 한 쌍의 직업들을 페어링하여 이직 패턴을 생성할 수 있다. 그리고, 이직 순서에서 연속되지 않은 한쌍의 직업들은, 사용자들 각각의 이직 순서를 만족하도록 선택될 수 있다. 모든 페어링에 따라 이직 패턴을 생성하는 과정은 도 3을 참조하여 상세히 설명한다.
구인 공고 추천부(120)는 이직 정보 모델 생성부(110)가 생성한 사용자들의 이직 정보 모델을 고려하여 구직자가 이직할 직업에 대응하는 구인 공고를 추천할 수 있다.
구인 공고 추천부(120)는 구직자의 각 직장과 직책에 대한 선호도를 예측할 수 있다. 그리고, 구인 공고 추천부(120)는 구인 공고에 포함된 직장 및 직책에 따라 구직자의 직장에 대한 선호도 예측 결과와 구직자의 직책에 대한 선호도 예측 결과를 결합할 수 있다. 마지막으로, 구인 공고 추천부(120)는 결합한 선호도 예측 결과들 중 가장 높은 선호도를 가지는 top-N개의 구인 공고를 구직자에게 추천할 수 있다.
이때, 구인 공고 추천부(120)는 빈도 기반 추천 방법, 또는 그래프 기반 추천 방법을 이용하여 구직자에게 구인 공고를 추천할 수 있다.
빈도 기반 추천 방법은 이력서 정보에서 가장 많이 등장하는 이직 패턴을 바탕으로 구직자에게 구인 공고를 추천하는 것이다.
빈도 기반 추천 방법을 사용하는 경우, 구인 공고 추천부(120)는 이직 정보 모델에 포함된 이직 패턴들 각각의 빈도를 측정할 수 있다.
다음으로, 구인 공고 추천부(120)는 이직 패턴들 중 구직자의 이력에 대응하는 적어도 하나의 이직 패턴을 검색할 수 있다. 이때, 구인 공고 추천부(120)는 검색된 이직 패턴을 구성하는 후행 직업이 구직자의 이력에 포함된 직업과 동일한 경우, 검색된 이직 패턴을 필터링할 수 있다.
마지막으로, 구인 공고 추천부(120)는 검색된 이직 패턴들 중 가장 빈도가 높은 이직 패턴에 포함된 후행 직업을 구직자가 이직할 직업으로 결정할 수 있다. 빈도 기반 추천 방법을 이용하여 구인 공고를 추천하는 과정은 도 4와 도 5를 참조하여 상세히 설명한다.
그래프 기반 추천은 사용자들이 가지고 있는 이력들과 이력 내 이직 순서에 따라 그래프를 생성하고, 생성된 그래프에 그래프 분석 알고리즘을 사용하여 구직자에게 구인 공고를 추천하는 것이다. 예를 들어, 구인 공고 추천부(120)는 그래프 분석 알고리즘으로 RWR(Random Walk with Restart)을 이용하여 각 구직자의 각 직업에 대한 선호도를 예측할 수 있다.
그래프 기반 추천 방법을 사용하는 경우, 구인 공고 추천부(120)는 사용자들 각각의 이직 순서에 포함된 복수의 직업들로부터 사용자-직장 및 사용자-직책으로 구분된 이분(bipartite) 그래프를 생성할 수 있다. 이때, 구인 공고 추천부(120)는 양방향 링크로 직책과 사용자를 연결한 그래프 및 양방향 링크로 직장과 사용자를 연결한 그래프를 포함하는 이분 그래프를 생성할 수 있다.
다음으로, 구인 공고 추천부(120)는 사용자들 각각의 이직 순서를 고려하여 이분 그래프에서 직장에 대한 단방향 링크와 직책에 대한 단방향 링크를 결정할 수 있다.
마지막으로, 구인 공고 추천부(120)는 결정된 직장에 대한 단방향 링크와 직책에 대한 단방향 링크를 고려하여 상기 구직자가 이직할 직업을 결정할 수 있다. 그래프 기반 추천 방법을 이용하여 구인 공고를 추천하는 과정은 도 6과 도 7을 참조하여 상세히 설명한다.
구인 공고 추천 시스템(100)는 복수의 사용자들의 이력서 정보에 포함된 이직 순서를 고려하여 구직자에게 구인 공고를 추천함으로써, 구직자의 이력에 최적화된 구인 공고를 추천할 수 있다.
도 2는 본 발명의 인접 페어링 방법에 따라 이직 패턴을 생성하는 과정의 일례이다.
한 사용자의 직업 이력 내에서 연속된 직업들 간에만 이직의 의미가 있을 수 있다. 기업에서 사용자의 현재 직업을 고려하여 사용자를 채용할 수는 있으나, 사용자의 이전 직업을 고려하여 사용자를 채용하는 경우는 적을 수 있다. 예를 들어, 한 사용자가 중소 기업, 대기업, 글로벌 기업 순의 경력을 가지고 있는 경우, 사용자가 중소 기업에서 바로 글로벌 기업으로 이직할 수는 없고, 사용자가 대기업에서 근무한 경력 덕분에 글로벌 기업으로의 이직이 가능했다고 판단할 수 있다.
따라서, 이직 정보 모델 생성부(110)는 한 사용자의 경력 내에서 연속된 직업들끼리만 페어로 연결한 이직 패턴으로 해당 사용자들의 이직 정보 모델을 생성할 수 있다.
사용자 A의 이력서 정보가 직업 A, 직업 B, 직업 C, 직업 D의 순서인 경우, 이직 정보 모델 생성부(110)는 도 2에 도시된 바와 같이 직업 A -> 직업 B의 이직 패턴, 직업 B -> 직업 C의 이직 패턴, 및 직업 C -> 직업 D의 이직 패턴을 생성할 수 있다.
그리고, 사용자 A의 이직 정보 모델은 직업 A -> 직업 B의 이직 패턴, 직업 B -> 직업 C의 이직 패턴, 및 직업 C -> 직업 D의 이직 패턴으로 구성될 수 있다.
도 3은 본 발명의 모든 페어링 방법에 따라 이직 패턴을 생성하는 과정의 다른 일례이다.
한 사용자가 가진 직업 이력 내의 연속적이지 않은 직업들끼리도 거시적 관점에서 이직의 의미가 있을 수 있다. 그리고, 구인 공고 추천 시스템(100)는 구직자의 현재 직업의 조건과 유사한 구인 공고 이외에도 구직자의 최종 목표에 해당하는 구인 공고까지 추천함으로써, 구직자의 만족도를 향상시킬 수 있다.
예를 들어, 한 사용자가 소기업에서 시작하여 최종적으로 대기업에 이직한 경우, 구직자는 해당 사용자와 유사한 기업들을 거쳐서 대기업으로 이직할 것을 원할 수 있다. 따라서, 구인 공고 추천 시스템(100)는 해당 사용자가 이직한 경력이 있는 직업들 중에서 구직자와 유사한 경력 이후에 이직한 모든 직업을 구직자에게 추천할 수 있다. 즉, 구인 공고 추천 시스템(100)는 한 이력 내의 연속적이지 않은 직업들 간에도 이직의 의미가 있다고 판단할 수 있다.
이때, 특정 회사에서 오래 근무한 구직자의 경우, 구인 공고 추천부(120)는 구직자의 근무 기간을 고려하여 구인 공고를 추천할 수 있다. 예를 들어 사용자가 A(6개월 근무), B(3년 근무), C(2년 근무) 순의 이력서 정보를 가지고 있고, 구직자가 A(4년 근무)의 경력을 가지고 있을 수 있다. 이때, 구인 공고 추천부(120)는 구직자의 근무 기간이 사용자보다 기므로, 구직자에게 직업 B만 아니라 직업 C까지 추천할 수 있다.
또한, 구직자가 A(6개월 근무)의 경력을 가지고 있더라도, 구인 공고 추천부(120)는 구직자가 최종적으로 이직하고 싶어 할 것이라고 생각되는 직업들인 B와 C까지 추천함으로써, 구직자의 만족도를 향상시킬 수도 있다.
이때, 이직 정보 모델 생성부(110)는 한 사용자의 이력서 정보 내에서 순서는 유지한 채로 가능한 모든 직업들끼리 페어로 연결하여 이직 패턴을 생성함으로써, 해당 이력서 정보 내 연속적이지 않은 직업간 이직 정보 모델을 생성할 수 있다.
예를 들어, 사용자 A의 이력서 정보가 직업 A, 직업 B, 직업 C, 직업 D의 순서인 경우, 이직 정보 모델 생성부(110)는 도 3에 도시된 바와 같이 직업 A -> 직업 B의 이직 패턴, 직업 A -> 직업 C의 이직 패턴, 직업 A -> 직업 D의 이직 패턴, 직업 B -> 직업 C의 이직 패턴, 직업 B -> 직업 D의 이직 패턴 및 직업 C -> 직업 D의 이직 패턴을 생성할 수 있다.
이때, 이직 정보 모델 생성부(110)가 생성하는 이직 패턴은 도 3에 도시된 바와 같이 사용자들 각각의 이직 순서를 만족하도록 선택될 수 있다. 즉, 이직 정보 모델 생성부(110)는 직업 C-> 직업 A 와 같이 이직 패턴의 후행 직업으로 이직 패턴의 선행 직업보다 먼저 근무한 직업이 선택되지 않도록 함으로써, 이직 순서가 반대로 설정된 이직 패턴이 생성되지 않도록 할 수 있다.
도 4는 본 발명의 인접 페어링 방법 및 빈도 기반 추천 방법에 따라 구직자가 이직할 직업을 결정하는 과정의 일례이다.
빈도 기반 추천 방법은 구직자의 현재 경력과 유사한 사용자들이 가장 많이 이직한 직업을 추천하는 방법일 수 있다.
먼저, 구인 공고 추천부(120)는 이직 정보 모델에서 이직 패턴들 각각의 발생 횟수를 측정할 수 있다. 이때, 구인 공고 추천부(120)는 이직 패턴들 각각의 발생 횟수에 따라 이직 패턴들 각각의 빈도를 결정할 수 있다.
다음으로, 구인 공고 추천부(120)는 이직 패턴들 중에서 구직자의 이력서 정보에 포함된 직업이 선행 직업인 이직 패턴들을 검색할 수 있다.
그 다음으로, 구인 공고 추천부(120)는 검색한 이직 패턴들 중에서 구직자의 이력에 포함된 직업이 후행 직업인 이직 패턴들을 제거할 수 있다.
마지막으로 구인 공고 추천부(120)는 검색한 이직 패턴들 중에서 가장 빈도가 높은 이직 패턴에 포함된 후행 직업을 구직자에게 추천할 수 있다.
예를 들어, 복수의 사용자들의 전체 정보 셋에는 도 4에 도시된 바와 같이 직업 A, 직업 B, 직업 C, 직업 D의 순서인 사용자 A의 이력서 정보와 직업 A, 직업 B의 순서인 사용자 B의 이력서 정보가 포함될 수 있다.
이때, 이직 정보 모델 생성부(110)는 사용자 A의 이력서 정보에서 직업 A -> 직업 B의 이직 패턴, 직업 B -> 직업 C의 이직 패턴, 및 직업 C -> 직업 D의 이직 패턴을 생성할 수 있다. 또한, 이직 정보 모델 생성부(110)는 사용자 B의 이력서 정보에서 직업 A -> 직업 B의 이직 패턴을 생성할 수 있다.
이때, 구인 공고 추천부(120)는 도 4에 도시된 바와 같이 직업 A -> 직업 B의 이직 패턴, 직업 B -> 직업 C의 이직 패턴, 및 직업 C -> 직업 D의 이직 패턴의 발생 횟수를 측정할 수 있다. 그리고, 구인 공고 추천부(120)는 이직 패턴들 각각의 발생 횟수에 따라 직업 A -> 직업 B의 이직 패턴의 빈도가 가장 높다고 결정할 수 있다.
다음으로, 구인 공고 추천부(120)는 이직 패턴들 중에서 구직자의 이력서 정보에 포함된 직업인 직업 A와 직업 C가 선행 직업인 이직 패턴들을 검색할 수 있다. 직업 A와 직업 C가 선행 직업인 이직 패턴은 각각 직업 A -> 직업 B의 이직 패턴, 및 직업 C -> 직업 D의 이직 패턴이고, 구직자의 이력에 포함된 직업인 직업 C 가 후행 직업인 이직 패턴은 없으므로, 검색한 이직 패턴을 제거하지 않을 수 있다.
마지막으로 구인 공고 추천부(120)는 검색한 이직 패턴들 중에서 가장 빈도가 높은 이직 패턴에 포함된 후행 직업인 직업 B를 구직자에게 추천할 수 있다.
이때, 사용자 A는 직업 B에서 직업 C로 이직하였으나, 사용자 A와 사용자 B 모두 직업 A에서 직업 B로 이직하였으므로, 구인 공고 추천부(120)는 다수의 사용자들이 직업 C보다는 직업 B를 선호하는 것으로 판단할 수 있다. 따라서, 구인 공고 추천부(120)는 구직자가 다수의 사용자들이 선호하는 직업 B로 이직하는 것을 고려하지 않았을 수 있다고 판단하고 직업 B를 구직자에게 추천할 수 있다.
도 5는 본 발명의 모든 페어링 방법 및 빈도 기반 추천 방법에 따라 구직자가 이직할 직업을 결정하는 과정의 다른 일례다.
복수의 사용자들의 전체 정보 셋에는 도 5에 도시된 바와 같이 직업 A, 직업 B, 직업 C, 직업 D의 순서인 사용자 A의 이력서 정보와 직업 A, 직업 B의 순서인 사용자 B의 이력서 정보가 포함될 수 있다.
이때, 이직 정보 모델 생성부(110)는 사용자 A의 이력서 정보에서 직업 A -> 직업 B의 이직 패턴, 직업 A -> 직업 C의 이직 패턴, 직업 A -> 직업 D의 이직 패턴, 직업 B -> 직업 C의 이직 패턴, 직업 B -> 직업 D의 이직 패턴 및 직업 C -> 직업 D의 이직 패턴을 생성할 수 있다. 또한, 이직 정보 모델 생성부(110)는 사용자 B의 이력서 정보에서 직업 A -> 직업 B의 이직 패턴을 생성할 수 있다.
이직 정보 모델 생성부(110)가 모든 페어링 방법을 사용하는 경우, 구인 공고 추천부(120)는 도 5에 도시된 바와 같이 직업 A -> 직업 B의 이직 패턴, 직업 A -> 직업 C의 이직 패턴, 직업 A -> 직업 D의 이직 패턴, 직업 B -> 직업 C의 이직 패턴, 직업 B -> 직업 D의 이직 패턴 및 직업 C -> 직업 D의 이직 패턴의 발생 횟수를 측정할 수 있다.
그리고, 구인 공고 추천부(120)는 이직 패턴들 중 후행 직업이 동일한 이직 패턴의 발생 횟수에 따라 해당 후행 직업의 빈도를 결정할 수 있다. 예를 들어, 도 5에서 후행 직업이 B인 이직 패턴의 발생 회수는 2이고, 후행 직업이 D인 이직 패턴의 발생 회수는 3이므로, 구인 공고 추천부(120)는 직업 D의 빈도를 3으로 결정하고, 직업 B의 빈도를 2로 결정할 수 있다.
다음으로, 구인 공고 추천부(120)는 이직 패턴들 중에서 구직자의 이력서 정보에 포함된 직업인 직업 A와 직업 C가 선행 직업인 이직 패턴들을 검색할 수 있다. 이때, 구인 공고 추천부(120)는 직업 A가 선행 직업인 직업 A -> 직업 B의 이직 패턴, 직업 A -> 직업 C의 이직 패턴, 직업 A -> 직업 D의 이직 패턴과 직업 C가 선행 직업인 직업 C -> 직업 D의 이직 패턴을 검색할 수 있다.
그리고, 구인 공고 추천부(120)는 검색한 직업 A -> 직업 B의 이직 패턴, 직업 A -> 직업 C의 이직 패턴, 직업 A -> 직업 D의 이직 패턴 및 직업 C -> 직업 D의 이직 패턴 중에서 구직자의 이력에 포함된 직업인 직업 C가 후행 직업인 직업 A -> 직업 C의 이직 패턴을 제거할 수 있다.
마지막으로 구인 공고 추천부(120)는 검색한 직업 A -> 직업 B의 이직 패턴, 직업 A -> 직업 D의 이직 패턴 및 직업 C -> 직업 D의 이직 패턴들 중에서 가장 빈도가 높은 직업인 직업 D를 구직자에게 추천할 수 있다.
도 6은 본 발명의 인접 페어링 방법 및 그래프 기반 추천 방법에 따라 구직자가 이직할 직업을 결정하는 과정의 일례이다.
그래프 기반의 추천 방법은 사용자들의 이력서 정보와 이직 순서를 기반으로 협업 필터링 기반 그래프와 단방향 링크를 통해 그래프를 생성하고 그래프 분석 알고리즘을 통해 구직자에게 직업을 추천할 수 있다. 이때, 협업 필터링 기반의 그래프는 사용자들의 이력서 정보를 기반으로 연결될 수 있다. 그리고, 직업 이력 내 직업들은 사용자들 각각의 이직의 순서에 따라 방향성 링크인 단방향 링크로 연결될 수 있다.
구체적으로, 구인 공고 추천부(120)는 협업 필터링 기반의 양방향 링크로 이루어진 두 개의 이분(bipartite) 그래프를 생성할 수 있다. 예를 들어, 사용자(621)는 직장(631), 직장(632), 직장(633) 순으로 이직하며 직책(611)을 가질 수 있다. 또한, 사용자(622)는 직장(633), 직장(634) 순으로 이직하며 직책(611), 직책(612), 직책(613) 순으로 직책이 변경될 수 있다. 이때, 사용자(622)는 두 개의 직장에서 세 개의 직책을 가졌으므로, 직장(633), 또는 직장(634) 중 하나의 직장에서 적어도 두 개의 직책을 역임한 상태일 수 있다. 예를 들어, 사용자(622)는 직장(633)에 직책(611)로 입사하고, 직책(612)로 승진한 후 직장(634)로 이직하면서 직책(613)로 승진했을 수 있다. 또한, 사용자(622)는 직장(633)에 직책(611)로 입사하고, 직책(612), 직책(613) 순서로 승진한 후 직장(634)로 이직하면서 직책(613)을 유지했을 수 있다.
이때, 구인 공고 추천부(120)는 도 6에 도시된 바와 같이 사용자들과 직책을 연결한 그래프(610)와 사용자들과 직장을 연결한 그래프(630)로 구성된 이분 그래프를 생성할 수 있다.
다음으로, 구인 공고 추천부(120)는 도 6에 도시된 바와 같이 사용자들 각각의 이직 순서에 따라 단방향 링크를 추가할 수 있다. 이때, 구인 공고 추천부(120)는 인접 페어링 방법으로 생성된 이직 패턴에 따라 사용자들 각각의 이직 순서를 식별할 수 있다.
사용자(622)의 직책은 직책(611), 직책(612), 직책(613)의 순서로 변경되었으므로, 구인 공고 추천부(120)는 그래프(610)에서 직책(611)에서 직책(612)으로 연결하는 단방향 링크 및 직책(612)에서 직책(613)으로 연결하는 단방향 링크를 추가할 수 있다.
또한, 사용자(621)의 직장은 직장(631), 직장(632), 직장(633) 순으로 이직하였으므로, 구인 공고 추천부(120)는 그래프(630)에서 직장(631)에서 직장(632)로 연결하는 단방향 링크 및 직장(632)에서 직장(633)로 연결하는 단방향 링크를 추가할 수 있다. 또한, 사용자(622)의 직장은 직장(633)에서 직장(634)으로 이직하였으므로, 구인 공고 추천부(120)는 그래프(630)에서 직장(633)에서 직장(634)로 연결하는 단방향 링크를 추가할 수 있다.
마지막으로 구인 공고 추천부(120)는 그래프(610)의 직책에 대한 단방향 링크와 그래프(630)의 직장에 대한 단방향 링크를 고려하여 구직자가 이직할 직업을 결정할 수 있다. 예를 들어, 구인 공고 추천부(120)는 구직자의 현재 직책이 직책(611)이고, 구직자의 현재 직장이 직장(631)인 경우, 단방향 링크에 따라 직책(612)과 직장(632)이 결합된 구인 공고를 구직자에게 추천할 수 있다.
도 7은 본 발명의 모든 페어링 방법 및 그래프 기반 추천 방법에 따라 구직자가 이직할 직업을 결정하는 과정의 다른 일례다.
구인 공고 추천부(120)는 협업 필터링 기반의 양방향 링크로 이루어진 두 개의 이분(bipartite) 그래프를 생성할 수 있다. 예를 들어, 사용자(721)는 직장(731), 직장(732), 직장(733) 순으로 이직하며 직책(711)을 가질 수 있다. 또한, 사용자(722)는 직장(733), 직장(734) 순으로 이직하며 직책(711), 직책(712), 직책(713) 순으로 직책이 변경될 수 있다.
이때, 구인 공고 추천부(120)는 도 6에 도시된 바와 같이 사용자들과 직책을 연결한 그래프(710)와 사용자들과 직장을 연결한 그래프(730)로 구성된 이분 그래프를 생성할 수 있다.
다음으로, 구인 공고 추천부(120)는 도 6에 도시된 바와 같이 사용자들 각각의 이직 순서에 따라 단방향 링크를 추가할 수 있다. 이때, 구인 공고 추천부(120)는 모든 페어링 방법으로 생성된 이직 패턴에 따라 사용자들 각각의 이직 순서를 식별할 수 있다.
즉, 사용자(722)의 직책은 직책(711), 직책(712), 직책(713) 순으로 변경되었으나, 모든 페어링 방법에 따르면, 직책(711)-> 직책(712)의 이직 패턴, 직책(711)-> 직책(713)의 이직 패턴 및 직책(712)-> 직책(713)의 이직 패턴이 생성될 수 있다. 따라서, 구인 공고 추천부(120)는 도 7에 도시된 바와 같이 그래프(710)에서 직책(711)에서 직책(712)로 연결하는 단방향 링크, 직책(711)에서 직책(713)로 연결하는 단방향 링크 및 직책(712)에서 직책(713)로 연결하는 단방향 링크를 추가할 수 있다.
또한, 사용자(721)의 직장은 직장(731), 직장(732), 직장(733) 순으로 이직하였으나, 모든 페어링 방법에 따르면, 직장(731)-> 직장(732)의 이직 패턴, 직장(731)-> 직장(733)의 이직 패턴 및 직장(732)-> 직책(733)의 이직 패턴이 생성될 수 있다. 따라서, 구인 공고 추천부(120)는 도 7에 도시된 바와 같이 그래프(730)에서 직장(731)에서 직장(732)로 연결하는 단방향 링크, 직장(731)에서 직장(733)로 연결하는 단방향 링크 및 직장(732)에서 직장(733)로 연결하는 단방향 링크를 추가할 수 있다.
그리고, 사용자(722)의 직장은 직장(733)에서 직장(734)으로 이직하였으므로, 구인 공고 추천부(120)는 그래프(730)에서 직장(733)에서 직장(734)로 연결하는 단방향 링크를 추가할 수 있다.
마지막으로 구인 공고 추천부(120)는 그래프(710)의 직책에 대한 단방향 링크와 그래프(730)의 직장에 대한 단방향 링크를 고려하여 구직자가 이직할 직업을 결정할 수 있다. 예를 들어, 구인 공고 추천부(120)는 구직자의 현재 직책이 직책(711)이고, 구직자의 현재 직장이 직장(731)인 경우, 단방향 링크에 따라 직책(712), 직책(713) 중 하나와 직장(732), 직장(733) 중 하나가 결합된 구인 공고를 구직자에게 추천할 수 있다.
도 8은 본 발명의 일실시예에 따른 구인 공고 추천 방법을 도시한 플로우차트이다.
단계(810)에서 이직 정보 모델 생성부(110)는 복수의 사용자들에 대한 직업들의 이직 순서를 고려하여 사용자의 이직 패턴으로 구성된 이직 정보 모델을 생성할 수 있다.
이때, 이직 정보 모델 생성부(110)는 사용자들의 이력서 정보를 사용하여 사용자들에 대한 직업의 이직 순서를 식별할 수 있다. 또한, 이력서 정보에 포함된 정보들은 사용자가 근무한 직장과 사용자의 직책이 하나의 정보로 구성된 사용자-직업(직장, 직책)일 수 있다. 이때, 이력서에 포함된 사용자-직업 정보를 사용자-직책과 사용자-직장 정보로 분리할 수 있다. 그리고, 이직 정보 모델 생성부(110)는 사용자-직장 정보와 사용자-직책 정보에 각각 인접 페어링(adjacent pairing)과 모든 페어링(all pairing) 중 하나의 페어링(pairing) 방법을 이용하여 이직 패턴을 생성할 수 있다.
단계(820)에서 구인 공고 추천부(120)는 단계(820)에서 생성한 사용자들의 이직 정보 모델을 고려하여 구직자가 이직할 직업에 대응하는 구인 공고를 추천할 수 있다.
이때, 구인 공고 추천부(120)는 빈도 기반 추천 방법, 또는 그래프 기반 추천 방법을 이용하여 구직자에게 구인 공고를 추천할 수 있다.
도 9는 본 발명의 일실시예에 따른 구인 공고 추천 방법의 이직 정보 모델 생성 과정을 도시한 플로우차트이다. 도 9의 단계(910) 내지 단계(930)는 도 8의 단계(820)에 포함될 수 있다.
단계(910)에서 구인 공고 추천부(120)는 구직자의 각 직장과 직책에 대한 선호도를 예측할 수 있다.
단계(920)에서 구인 공고 추천부(120)는 구인 공고에 포함된 직장 및 직책에 따라 구직자의 직장에 대한 선호도 예측 결과와 구직자의 직책에 대한 선호도 예측 결과를 결합할 수 있다.
단계(930)에서 구인 공고 추천부(120)는 결합한 선호도 예측 결과들 중 가장 높은 선호도를 가지는 top-N개의 구인 공고를 구직자에게 추천할 수 있다.
본 발명은 복수의 사용자들의 이력서 정보에 포함된 이직 순서를 고려하여 구직자에게 구인 공고를 추천함으로써, 구직자의 이력에 최적화된 구인 공고를 추천할 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 정보 파일, 정보 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 시스템이 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 시스템은 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
110: 이직 정보 모델 생성부
120: 구인 공고 추천부

Claims (12)

  1. 구인 공고 추천 시스템이 구인 공고를 추천하는 방법에 있어서,
    이직 정보 모델 생성부가, 복수의 사용자들에 대한 직업들의 이직 순서에 대한 정보를 포함하는 이직 패턴으로 구성된 이직 정보 모델을 생성하는 단계; 및
    구인 공고 추천부가, 상기 사용자들의 이직 정보 모델을 고려하여 구직자가 이직할 직업에 대응하는 구인 공고를 추천하는 단계
    를 포함하고,
    상기 구인 공고를 추천하는 단계는
    상기 사용자들의 이력 각각에 포함된 복수의 직업들로부터 사용자-직장 및 사용자-직책으로 구분된 이분(bipartite) 그래프를 생성하는 단계;
    상기 사용자들 각각의 이직 순서를 고려하여 상기 이분 그래프에서 직장에 대한 단방향 링크와 직책에 대한 단방향 링크를 결정하는 단계; 및
    상기 결정된 직장에 대한 단방향 링크와 직책에 대한 단방향 링크를 고려하여 상기 구직자가 이직할 직업으로 결정하는 단계
    를 포함하고,
    상기 이분 그래프를 생성하는 단계는
    양방향 링크로 직책과 사용자를 연결한 그래프 및 양방향 링크로 직장과 사용자를 연결한 그래프를 생성하고,
    상기 구직자가 이직할 직업으로 결정하는 단계는
    상기 양방향 링크로 직책과 사용자를 연결한 그래프 및 상기 양방향 링크로 직장과 사용자를 연결한 그래프를 더 고려하고,
    RWR(Random Walk with Restart) 알고리즘에 기초하여, 상기 구직자의 직장별 선호도 및 직책별 선호도를 예측한 결과를 이용하는 구인 공고 추천 방법.
  2. 제1항에 있어서,
    상기 이직 정보 모델을 생성하는 단계는,
    상기 사용자들의 이력 각각에 포함된 직업들 중 상기 이직 순서에서 연속된 한 쌍의 직업들을 페어링하여 이직 패턴을 생성하는 구인 공고 추천 방법.
  3. 제1항에 있어서,
    상기 이직 정보 모델을 생성하는 단계는,
    상기 사용자들의 이력 각각에 포함된 직업들 중 상기 이직 순서에서 연속된 한쌍의 직업들 및 상기 이직 순서에서 연속되지 않은 한 쌍의 직업들을 페어링하여 이직 패턴을 생성하고,
    상기 이직 순서에서 연속되지 않은 한쌍의 직업들은, 상기 이직 순서를 만족하도록 선택되는 구인 공고 추천 방법.
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 복수의 사용자들에 대한 직업들의 이직 순서에 대한 정보를 포함하는 이직 패턴으로 구성된 이직 정보 모델을 생성하는 이직 정보 모델 생성부; 및
    상기 사용자들의 이직 정보 모델을 고려하여 구직자가 이직할 직업에 대응하는 구인 공고를 추천하는 구인 공고 추천부
    를 포함하고,
    상기 구인 공고 추천부는
    상기 사용자들의 이력 각각에 포함된 복수의 직업들로부터 사용자-직장 및 사용자-직책으로 구분된 이분(bipartite) 그래프를 생성하고,
    상기 사용자들 각각의 이직 순서를 고려하여 상기 이분 그래프에서 직장에 대한 단방향 링크와 직책에 대한 단방향 링크를 결정하고,
    상기 결정된 직장에 대한 단방향 링크와 직책에 대한 단방향 링크를 고려하여 상기 구직자가 이직할 직업으로 결정하며,
    상기 이분 그래프를 생성할 때,
    양방향 링크로 직책과 사용자를 연결한 그래프 및 양방향 링크로 직장과 사용자를 연결한 그래프를 생성하고,
    상기 구직자가 이직할 직업으로 결정할 때,
    상기 양방향 링크로 직책과 사용자를 연결한 그래프 및 상기 양방향 링크로 직장과 사용자를 연결한 그래프를 더 고려하고,
    RWR 알고리즘에 기초하여, 상기 구직자의 직장별 선호도 및 직책별 선호도를 예측한 결과를 이용하는 구인 공고 추천 시스템.
  9. 제8항에 있어서,
    상기 이직 정보 모델 생성부는,
    상기 사용자들의 이력 각각에 포함된 직업들 중 상기 이직 순서에서 연속된 한 쌍의 직업들을 페어링하여 이직 패턴을 생성하는 구인 공고 추천 시스템.
  10. 제8항에 있어서,
    상기 이직 정보 모델 생성부는,
    상기 사용자들의 이력 각각에 포함된 직업들 중 상기 이직 순서에서 연속된 한쌍의 직업들 및 상기 이직 순서에서 연속되지 않은 한 쌍의 직업들을 페어링하여 이직 패턴을 생성하고,
    상기 이직 순서에서 연속되지 않은 한쌍의 직업들은, 상기 이직 순서를 만족하도록 선택되는 구인 공고 추천 시스템.

  11. 삭제
  12. 삭제
KR1020160097326A 2016-07-29 2016-07-29 이직 순서를 고려한 구인 공고 추천 시스템 및 그 방법 KR101825046B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160097326A KR101825046B1 (ko) 2016-07-29 2016-07-29 이직 순서를 고려한 구인 공고 추천 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160097326A KR101825046B1 (ko) 2016-07-29 2016-07-29 이직 순서를 고려한 구인 공고 추천 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR101825046B1 true KR101825046B1 (ko) 2018-02-05

Family

ID=61224660

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160097326A KR101825046B1 (ko) 2016-07-29 2016-07-29 이직 순서를 고려한 구인 공고 추천 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR101825046B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109885758A (zh) * 2019-01-16 2019-06-14 西北工业大学 一种基于二部图的新型随机游走的推荐方法
KR20200114945A (ko) * 2019-03-28 2020-10-07 쿠팡 주식회사 그래픽 사용자 인터페이스 상에 하이퍼링크를 배열하는 컴퓨터 구현 방법
KR102596995B1 (ko) * 2023-03-22 2023-11-01 (주)이음길에이치알 전직예측보고서 제공장치 및 그 제공방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005352925A (ja) * 2004-06-11 2005-12-22 P A:Kk ネットワークを利用した求人・求職情報およびそれに関連した情報の提供におけるマッチングシステム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005352925A (ja) * 2004-06-11 2005-12-22 P A:Kk ネットワークを利用した求人・求職情報およびそれに関連した情報の提供におけるマッチングシステム

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109885758A (zh) * 2019-01-16 2019-06-14 西北工业大学 一种基于二部图的新型随机游走的推荐方法
CN109885758B (zh) * 2019-01-16 2022-07-26 西北工业大学 一种基于二部图的随机游走的推荐方法
KR20200114945A (ko) * 2019-03-28 2020-10-07 쿠팡 주식회사 그래픽 사용자 인터페이스 상에 하이퍼링크를 배열하는 컴퓨터 구현 방법
US11328328B2 (en) 2019-03-28 2022-05-10 Coupang Corp. Computer-implemented method for arranging hyperlinks on a grapical user-interface
KR102446914B1 (ko) * 2019-03-28 2022-09-23 쿠팡 주식회사 그래픽 사용자 인터페이스 상에 하이퍼링크를 배열하는 컴퓨터 구현 방법
KR20220132505A (ko) * 2019-03-28 2022-09-30 쿠팡 주식회사 그래픽 사용자 인터페이스 상에 하이퍼링크를 배열하는 컴퓨터 구현 방법
KR102654310B1 (ko) * 2019-03-28 2024-04-04 쿠팡 주식회사 그래픽 사용자 인터페이스 상에 하이퍼링크를 배열하는 컴퓨터 구현 방법
KR102596995B1 (ko) * 2023-03-22 2023-11-01 (주)이음길에이치알 전직예측보고서 제공장치 및 그 제공방법

Similar Documents

Publication Publication Date Title
He et al. Intelligent carpool routing for urban ridesharing by mining GPS trajectories
KR101825046B1 (ko) 이직 순서를 고려한 구인 공고 추천 시스템 및 그 방법
WO2017000487A1 (zh) 行车路线匹配方法、装置和存储介质
US20160217205A1 (en) Ontology-based data access monitoring
Leyman et al. A new scheduling technique for the resource–constrained project scheduling problem with discounted cash flows
Sun et al. Urban travel behavior analyses and route prediction based on floating car data
Ferreira et al. Solving the team orienteering problem: developing a solution tool using a genetic algorithm approach
RU2017106739A (ru) Предоставление результатов поиска при навигации, которые уменьшают нарушение маршрута
Fazzolari et al. A study on online travel reviews through intelligent data analysis
US20160034968A1 (en) Method and device for determining target user, and network server
Espegren et al. The static bicycle repositioning problem-literature survey and new formulation
Huang et al. Using trajectories for collaborative filtering-based POI recommendation
CN104537070A (zh) 挖掘旅游目的地景点的方法和设备
KR20120082447A (ko) 통신 장비（들）의 이용자（들）의 프로파일（들）에 도입될 잠재적인 향후 관심사들을 결정하기 위한 디바이스
Minh et al. A memetic algorithm for waste collection vehicle routing problem with time windows and conflicts
JP5108956B2 (ja) 経路計算順決定方法、プログラムおよび計算装置
Migliorini et al. Distributing tourists among POIs with an adaptive trip recommendation system
Chen et al. Pathrec: Visual analysis of travel route recommendations
Kiziltan et al. Constraint detection in natural language problem descriptions
CN110263250B (zh) 一种推荐模型的生成方法及装置
JPWO2018150654A1 (ja) 情報処理装置、および情報処理方法、並びにプログラム
JP2013528782A5 (ko)
JP2010146276A (ja) 行動予測システム、行動予測方法および行動予測用プログラム
WO2017009523A1 (en) A method and system for analyzing mobile apps
On-At et al. A parametric study to construct time-aware social profiles

Legal Events

Date Code Title Description
AMND Amendment
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant