KR101917139B1 - 구인 구직 플랫폼 제공 서버 및 이의 동작 방법 - Google Patents

구인 구직 플랫폼 제공 서버 및 이의 동작 방법 Download PDF

Info

Publication number
KR101917139B1
KR101917139B1 KR1020180004475A KR20180004475A KR101917139B1 KR 101917139 B1 KR101917139 B1 KR 101917139B1 KR 1020180004475 A KR1020180004475 A KR 1020180004475A KR 20180004475 A KR20180004475 A KR 20180004475A KR 101917139 B1 KR101917139 B1 KR 101917139B1
Authority
KR
South Korea
Prior art keywords
job
keyword
matching
recruitment
job seeker
Prior art date
Application number
KR1020180004475A
Other languages
English (en)
Inventor
박동우
유재은
Original Assignee
인천대학교 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 인천대학교 산학협력단 filed Critical 인천대학교 산학협력단
Priority to KR1020180004475A priority Critical patent/KR101917139B1/ko
Application granted granted Critical
Publication of KR101917139B1 publication Critical patent/KR101917139B1/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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

Abstract

본 발명에 따른 구인 구직 플랫폼 제공 서버 및 이의 동작 방법은 구직자 계정의 구직자 키워드 및 추종 키워드에 기초하여 상기 구직자 계정에 대한 키워드 매트릭스를 생성한 후 상기 키워드 매트릭스를 다수의 구인 회사들 각각의 분야별 채용 신경망의 입력 값으로 이용하여, 상기 구직자 계정에 대한 상기 다수의 구인 회사들 각각의 채용 분야별 채용 적합 여부를 판별하고, 상기 다수의 구인 회사들 중 채용 적합인 것으로 판별된 구인 회사의 구인 정보를 상기 구직자 계정의 구직자 단말에 전송하여, 사용자의 활동 성향에 따른 키워드 분석을 통해 생성된 매트릭스와 취직된 사용자의 활동 성향을 고려하여 생성된 분야별 채용 신경망을 이용함으로써, 사용자의 활동 성향, 취직된 사용자의 활동 성향을 고려하여 구직자와 구직 회사 간의 정밀한 매칭 결과를 도출할 수 있다.

Description

구인 구직 플랫폼 제공 서버 및 이의 동작 방법{SERVER FOR PROVIDING JOB PLATFORM AND OPERATING METHOD THEREOF}
본 발명은 구인 구직 플랫폼 제공 서버 및 이의 동작 방법에 대한 것이다.
소셜 네트워크 서비스(Social Network Service, SNS)는 인터넷을 기반으로 정보 공유 및 사회적 관계 형성을 수행하는 서비스이다. SNS는 서비스에 가입되거나 서비스를 사용하는 다양한 사용자들의 정보를 기반으로 다양한 서비스를 제공할 수 있다.
최근의 SNS는 웹 상의 사회적 관계를 기반으로 다양한 서비스 영역으로 기능을 확장하고 있다. 특히 비즈니스 영역에서의 인맥 구축과 관리를 위한 기술로 플렌스터나 링크드인이 시작하였고 2010년 4월 페이스북은 오픈 그래프 API(application programming interface)와 소셜 플러그인 ‘Like 버튼’을 발표하면서 소위 페이스북 경제를 더욱 더 성장시키고 가속시켰다. 이는 제3의 개발자들이 페이스북에 올라가는 다양한 응용 프로그램을 개발하여 페이스북 자체의 생태계를 생성한 것이다.
소셜 네트워크 서비스의 발전 방향은 독자적인 서비스에서 같은 생태계를 공유하는 오픈 플랫폼 방식의 서비스로 발전하고 있다. 특히 링크드인, 페이스북, 구글 플러스가 오픈 API를 통해 공유 플랫폼 생태계를 만들고 있으며, 소셜 그래프와 데이터를 공유하면서 다양한 서비스를 개발하고 있다.
또한, 이러한 소셜 네트워크 서비스는 기존의 검색 엔진을 진화시키고 있다. 기존 검색 엔진에서 얻는 검색 결과는 대부분의 사용자들이 만족하지 못하는 경우가 많다. 최대 소셜 네트워크 사이트인 페이스북의 데이터가 구글, 네이버, 다음과 같은 포털에서 검색되지 않기 때문에 의미 있는 검색 퀄리티에 못 미치며, 특히 마이크로소프트의 연구에 의하면 검색 서비스는 사용자가 원하는 질의어에 대해 50%도 제대로 답해주지 않는 것으로 나타났다. 이를 개선하기 위해 소셜 네트워크 서비스 기반의 소셜 검색이 등장했는데, 이는 다른 사람들의 전문성이나 판단을 활용해서 원하는 검색 결과를 얻고자 하는 방식으로 북마크 공유, 카테고리 분류를 협업으로 추진, 블로그 피드 내용을 활용한 검색 등의 방식을 활용한다.
이러한 소셜 네트워크 서비스에 기반한 인재 추천 방법 및 장치가 대한민국 공개특허 제10-2015-0099639호에서 개시된 바 있다. 상기 소셜 네트워크 서비스에 기반한 인재 추천 방법 및 장치는 리쿠르팅 서버가 구직자 단말로부터 구직자의 이력 정보를 수신하는 단계, 리쿠르팅 서버가 구인자 단말로부터 구인자의 채용 정보를 수신하는 단계, 리쿠르팅 서버가 이력 정보를 구직자의 소셜 네트워크 정보를 기반으로 업데이트하는 단계와 리쿠르팅 서버가 이력 정보와 채용 정보를 매칭하는 단계를 포함한다.
그러나, 상기 소셜 네트워크 서비스에 기반한 인재 추천 방법 및 장치는 키워드의 카운트 수를 기반으로 키워드 정보에 대한 우선순위를 설정한 후 상기 우선순위를 기반으로 채용 정보와 매칭도를 산출함으로써 사용자의 활동 성향과는 무관한 매칭 결과가 도출될 수 있는 문제점이 있다.
따라서, 사용자의 활동 성향, 취직된 사용자의 활동 성향을 고려하여 구직자와 구직 회사 간의 정밀한 매칭 결과를 도출할 수 있는 알고리즘에 대한 연구가 필요하다.
본 발명에 따른 구인 구직 플랫폼 제공 서버 및 이의 동작 방법은 구직자 계정의 구직자 키워드 및 추종 키워드에 기초하여 상기 구직자 계정에 대한 키워드 매트릭스를 생성한 후 상기 키워드 매트릭스를 다수의 구인 회사들 각각의 분야별 채용 신경망의 입력 값으로 이용하여, 상기 구직자 계정에 대한 상기 다수의 구인 회사들 각각의 채용 분야별 채용 적합 여부를 판별하고, 상기 다수의 구인 회사들 중 채용 적합인 것으로 판별된 구인 회사의 구인 정보를 상기 구직자 계정의 구직자 단말에 전송하여, 사용자의 활동 성향에 따른 키워드 분석을 통해 생성된 매트릭스와 취직된 사용자의 활동 성향을 고려하여 생성된 분야별 채용 신경망을 이용함으로써, 사용자의 활동 성향, 취직된 사용자의 활동 성향을 고려하여 구직자와 구직 회사 간의 정밀한 매칭 결과를 도출할 수 있게 하고자 한다.
본 발명의 일실시예에 따른 구인 구직 플랫폼 제공 서버는 다수의 구직자 단말들 각각이 업로드한 구직자 페이지에서 추출된 구직자 키워드 및 상기 다수의 구직자 단말들 각각이 선택한 추종 페이지로부터 추출된 추종 키워드를 상기 다수의 구직자 단말들 각각의 구직자 계정에 매칭시켜 저장하는 구직자 정보 저장부, 다수의 구인 회사 단말들 각각이 업로드한 구인 정보를 상기 다수의 구인 회사 단말들 각각의 구인 회사 계정에 매칭시켜 저장하는 구인 회사 정보 저장부, 다수의 구인 회사들 각각의 채용 분야별로 구축된 분야별 채용 신경망을 저장하는 분야별 채용 신경망 저장부, 제1 구직자 계정의 구직자 키워드 및 추종 키워드에 기초하여 상기 제1 구직자 계정에 대한 제1 키워드 매트릭스를 생성하는 키워드 매트릭스 생성부, 상기 제1 키워드 매트릭스를 상기 다수의 구인 회사들 각각의 상기 분야별 채용 신경망의 입력 값으로 이용하여, 상기 제1 구직자 계정에 대한 상기 다수의 구인 회사들 각각의 채용 분야별 채용 적합 여부를 판별하는 채용 적합 판별부 및 상기 다수의 구인 회사들 중 채용 적합인 것으로 판별된 구인 회사의 구인 정보를 상기 제1 구직자 계정의 구직자 단말에 전송하는 정보 전송부를 포함한다.
또한, 본 발명의 일실시예에 따른 구인 구직 플랫폼 제공 서버의 동작 방법은 다수의 구직자 단말들 각각이 업로드한 구직자 페이지에서 추출된 구직자 키워드 및 상기 다수의 구직자 단말들 각각이 선택한 추종 페이지로부터 추출된 추종 키워드를 상기 다수의 구직자 단말들 각각의 구직자 계정에 매칭시켜 저장하는 구직자 정보 저장부를 유지하는 단계, 다수의 구인 회사 단말들 각각이 업로드한 구인 정보를 상기 다수의 구인 회사 단말들 각각의 구인 회사 계정에 매칭시켜 저장하는 구인 회사 정보 저장부를 유지하는 단계, 다수의 구인 회사들 각각의 채용 분야별로 구축된 분야별 채용 신경망을 저장하는 분야별 채용 신경망 저장부를 유지하는 단계, 제1 구직자 계정의 구직자 키워드 및 추종 키워드에 기초하여 상기 제1 구직자 계정에 대한 제1 키워드 매트릭스를 생성하는 단계, 상기 제1 키워드 매트릭스를 상기 다수의 구인 회사들 각각의 상기 분야별 채용 신경망의 입력 값으로 이용하여, 상기 제1 구직자 계정에 대한 상기 다수의 구인 회사들 각각의 채용 분야별 채용 적합 여부를 판별하는 단계 및 상기 다수의 구인 회사들 중 채용 적합인 것으로 판별된 구인 회사의 구인 정보를 상기 제1 구직자 계정의 구직자 단말에 전송하는 단계를 포함한다.
본 발명에 따른 구인 구직 플랫폼 제공 서버 및 이의 동작 방법은 구직자 계정의 구직자 키워드 및 추종 키워드에 기초하여 상기 구직자 계정에 대한 키워드 매트릭스를 생성한 후 상기 키워드 매트릭스를 다수의 구인 회사들 각각의 분야별 채용 신경망의 입력 값으로 이용하여, 상기 구직자 계정에 대한 상기 다수의 구인 회사들 각각의 채용 분야별 채용 적합 여부를 판별하고, 상기 다수의 구인 회사들 중 채용 적합인 것으로 판별된 구인 회사의 구인 정보를 상기 구직자 계정의 구직자 단말에 전송하여, 사용자의 활동 성향에 따른 키워드 분석을 통해 생성된 매트릭스와 취직된 사용자의 활동 성향을 고려하여 생성된 분야별 채용 신경망을 이용함으로써, 사용자의 활동 성향, 취직된 사용자의 활동 성향을 고려하여 구직자와 구직 회사 간의 정밀한 매칭 결과를 도출할 수 있다.
도 1은 본 발명의 일실시예에 따른 구인 구직 플랫폼 제공 서버의 구성을 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 구인 구직 플랫폼 제공 서버의 동작 방법을 도시한 흐름도이다.
이하에서는 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명하기로 한다. 이러한 설명은 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였으며, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 본 명세서 상에서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 사람에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다.
도 1은 본 발명의 일실시예에 따른 구인 구직 플랫폼 제공 서버(100)의 구성을 도시한 도면이다.
도 1을 참조하면, 구인 구직 플랫폼 제공 서버(100)는 구직자 정보 저장부(110), 분야별 채용 신경망 저장부(120), 구인 회사 정보 저장부(130), 키워드 매트릭스 생성부(140), 채용 적합 판별부(150), 정보 전송부(160) 및 선정 키워드 저장부(170)를 포함할 수 있다.
이하에서는, 구직자에게 자신에게 적합한 구인 정보를 제공하는 경우를 예로 들어 구인 구직 플랫폼 제공 서버(100)를 설명하기로 한다.
먼저, 구직자 정보 저장부(110)는 다수의 구직자 단말들 각각이 업로드한 구직자 페이지에서 추출된 구직자 키워드 및 상기 다수의 구직자 단말들 각각이 선택한 추종 페이지로부터 추출된 추종 키워드를 상기 다수의 구직자 단말들 각각의 구직자 계정에 매칭시켜 저장할 수 있다. 여기에서, 구직자 페이지 및 추종 페이지에 포함되는 데이터는 텍스트 데이터 뿐만 아니라, 영상 및 사진 데이터를 포함할 수 있다.
예를 들어, 구직자 정보 저장부(110)는 하기 표 1과 같이 구직자 키워드 및 추종 키워드를 구직자 계정에 매칭시켜 저장할 수 있다.
구직자 계정 구직자 키워드 날짜 추종 키워드 날짜
구직자 계정 1 키워드 1 날짜 1 키워드 2 날짜 2
키워드 2 날짜 3 키워드 3 날짜 3
키워드 1 날짜 4 키워드 1 날짜 4
... ... ... ...
구직자 계정 2 키워드 3 날짜 1 키워드 1 날짜 1
키워드 4 날짜 2 키워드 2 날짜 4
키워드 5 날짜 3 키워드 3 날짜 5
... ... ... ...
... ... ... ... ...
분야별 채용 신경망 저장부(120)는 다수의 구인 회사들 각각의 채용 분야별로 구축된 분야별 채용 신경망을 저장할 수 있다.
예를 들어, 분야별 채용 신경망 저장부(120)는 하기 표 2와 같이 다수의 구인 회사들 각각의 채용 분야별로 구축된 분야별 채용 신경망을 저장할 수 있다.
구직 회사 계정 구인 분야 분야별 채용 신경망 학습 횟수
구직 회사 계정 1 구인 분야 1 분야별 채용 신경망 1 1500
구인 분야 2 분야별 채용 신경망 2 1580
구인 분야 3 분야별 채용 신경망 3 380
... ... ...
구직 회사 계정 2 구인 분야 1 분야별 채용 신경망 4 2
구인 분야 3 분야별 채용 신경망 5 548
구인 분야 5 분야별 채용 신경망 6 650
... ... ...
... ... ... ...
여기에서, 학습 횟수는 분야별 채용 신경망을 구축하기 위해 입력 값으로 이용된 근무 키워드 매트릭스의 개수일 수 있다.
분야별 채용 신경망 저장부(120)가 상기 표 2와 같은 다수의 구인 회사들 각각의 채용 분야별로 구축된 분야별 채용 신경망을 저장하기 위하여, 구인 구직 플랫폼 제공 서버(100)는 구직자 계정 검색부(180) 및 분야별 채용 신경망 생성부(190)를 더 포함할 수 있다. 이때, 상기 분야별 채용 신경망 저장부(120)는 상기 다수의 구인 회사들 각각의 상기 채용 분야별로 구축된 분야별 채용 신경망 중 채용 분야별로 학습 횟수가 가장 많은 분야별 채용 신경망을 분야별 대표 채용 신경망으로 저장할 수 있다. 예컨대, 구직 회사 계정 1의 구인 분야 1에 대한 분야별 채용 신경망 1의 학습 횟수(즉, 1500)가 구직 회사 계정 2의 구인 분야 1에 대한 분야별 채용 신경망 4의 학습 횟수(즉, 2)보다 많으므로, 상기 분야별 채용 신경망 저장부(120)는 분야별 채용 신경망 1을 상기 구인 분야 1에 대한 분야별 대표 채용 신경망으로 저장할 수 있다. 마찬가지로, 상기 분야별 채용 신경망 저장부(120)는 분야별 채용 신경망 5를 상기 구인 분야 3에 대한 분야별 대표 채용 신경망으로 저장할 수 있다.
구직자 계정 검색부(180)는 상기 다수의 구직자 단말들 각각이 업로드한 상기 구직자 페이지에서 추출된 상기 구직자 키워드에 기초하여 상기 구직자 정보 저장부(110)에 저장되어 있는 구직자 계정들 중 상기 다수의 구인 회사들 중 제1 구인 회사의 구인 분야에 근무 중인 구직자의 근무 구직자 계정들을 검색할 수 있다.
분야별 채용 신경망 생성부(190)는 상기 키워드 매트릭스 생성부(140)로부터 근무 구직자 계정들의 구직자 키워드 및 추종 키워드에 기초하여 생성되는 상기 근무 구직자 계정들 각각에 대한 근무 키워드 매트릭스를 상기 제1 구인 회사의 구인 분야에 대한 분야별 대표 채용 신경망의 입력 값으로 이용하여 판별된 상기 근무 구직자 계정들 각각에 대한 상기 제1 구인 회사의 구인 분야의 채용 적합 여부가 적합으로 판별되도록 상기 제1 구인 회사의 구인 분야의 상기 분야별 채용 신경망의 필터 값을 변경함으로써 상기 제1 구인 회사의 구인 분야에 대한 분야별 채용 신경망을 생성할 수 있다.
예를 들어, 구인 회사 계정 3에 대해 구인 분야 1의 분야별 채용 신경망을 생성하는 경우, 분야별 채용 신경망 생성부(190)는 구인 회사 계정 3에 상응하는 구인 회사 3에 근무 중인 근무 구직자 계정들 각각에 대한 근무 키워드 매트릭스를 상기 구인 분야 1의 분야별 대표 채용 신경망(즉, 분야별 채용 신경망 1)의 입력 값으로 이용하여 판별된 상기 근무 구직자 계정들 각각에 대한 상기 구인 회사 3의 구인 분야 1의 채용 적합 여부가 적합으로 판별되도록 상기 분야별 대표 채용 신경망의 필터 값을 변경하고, 상기 필터 값이 변경된 분야별 대표 채용 신경망을 상기 구인 회사 3의 구인 분야 1에 대한 분야별 채용 신경망으로 생성할 수 있다.
분야별 채용 신경망 생성부(190)는 근무 키워드 매트릭스에 대하여 사전 설정된 2개의 노드들에 대한 정답 값과 상기 근무 키워드 매트릭스에 대해 사전 설정된 M회의 컨벌루션 처리를 수행함으로써 획득되는 2개의 노드들에 대한 판별 값을 비교하여 상기 컨벌루션 처리에 이용되는 필터들의 가중치를 변경(즉, 필터들 각각에 포함된 원소들의 값을 변경)함으로써 상기 근무 키워드 매트릭스에 기초하여 키워드 매트릭스에 따른 제1 구인 회사의 구인 분야의 채용 적합 여부를 판별할 수 있는 신경망을 구축할 수 있다. 여기에서, 상기 M은 1 이상의 정수이며, 2개의 노드들 중 첫 번째 노드는 채용 적합 노드를 나타내고, 두 번째 노드는 채용 부적합 노드를 나타낼 수 있으며, 2개의 노드들 각각에 할당되는 값은 0 이상 1 이하이며, 2개의 노드들 각각에 할당되는 값의 합은 1일 수 있다. 한편, 근무 키워드 매트릭스에 대하여 사전 설정된 2개의 노드들에 대한 정답 값은 첫 번째 노드인 채용 적합 노드가 0.7이고, 두 번째 노드인 부채용 적합 노드가 0.3일 수 있다.
컨벌루션 처리는 입력에 대하여 필터를 이용한 컨벌루션 곱을 수행하는 제1 처리, 상기 제1 처리의 결과 데이터에 대하여 정류 선형 처리를 수행하는 제2 처리 및 상기 제2 처리의 결과 데이터에 대하여 풀링 처리를 수행하는 제3 처리로 이루어질 수 있다. 한편, 사전 설정된 M회의 컨벌루션 처리에 이용되는 필터들은 서로 다를 수 있다.
여기에서, 컨벌루션 곱은 A×A (A는 1 이상의 정수임) 크기의 입력에 포함된 각각의 기준 원소로부터 B×B (B는 1 이상의 홀수임) 크기의 서브 데이터와 B×B 크기의 필터 간의 원소 곱을 수행한 후 원소들을 합산하는 연산이다. 여기에서 원소 곱은 하기 수학식 1을 이용하여 연산될 수 있다. 기준 원소는 A×A 크기의 입력 데이터에서 (B-1)/2의 상하좌우 마진을 제외한 영역에 위치하는 원소들 중에서 선택될 수 있다. 예를 들어, A가 5이고 B가 3인 경우, 5×5 크기의 입력 데이터에서 1의 상하좌우 마진을 제외한 영역에 위치하는 (2,2), (2,3), (2,4), (3,2), (3,3), (3,4), (4,2), (4,3) 및 (4,4)번째 원소가 기준 원소일 수 있다.
Figure 112018004043835-pat00001
수학식 1은 3×3 크기의 행렬 X와 3×3 크기의 행렬 Y 간에 수행된 원소 곱의 결과를 나타낸다.
다음으로, 정류 선형 처리는 상기 제1 처리의 결과 데이터에 포함된 각 원소들을 0 이하의 값을 0으로 처리하는 처리이고, 풀링 처리는 상기 제2 처리의 결과 데이터를 사전 설정된 크기의 행렬 데이터로 축소하는 연산일 수 있다.
다음으로, 구인 회사 정보 저장부(130)는 다수의 구인 회사 단말들 각각이 업로드한 구인 정보를 상기 다수의 구인 회사 단말들 각각의 구인 회사 계정에 매칭시켜 저장할 수 있다.
키워드 매트릭스 생성부(140)는 구직자 계정의 구직자 키워드 및 추종 키워드에 기초하여 상기 구직자 계정에 대한 키워드 매트릭스를 생성할 수 있다.
이를 위하여, 키워드 매트릭스 생성부(140)는 키워드 정보 연산부(141) 및 매트릭스 생성부(145)를 포함하며, 선정 키워드 저장부(170)에는 사전에 선정된 다수의 선정 키워드들을 하기 표 3과 같이 저장되어 있을 수 있다.
선정 키워드 1 선정 키워드 2 선정 키워드 3 ... 선정 키워드 N
여기에서, N은 선정 키워드들의 개수에 상응하는 정수이다.
먼저, 키워드 정보 연산부(141)는 상기 다수의 선정 키워드들 중 상기 제1 구직자 계정의 상기 구직자 키워드 및 상기 추종 키워드에 매칭되는 매칭 키워드들을 검색하고, 상기 매칭 키워드들 각각의 제1 및 제2 매칭 횟수를 카운트 한 후 상기 매칭 키워드들 각각의 제1 및 제2 매칭 비율을 연산할 수 있다. 여기에서, 상기 제1 매칭 횟수는 사전 설정된 기간 이내에 상기 제1 구직자 계정에 대해 업로드된 구직자 페이지에서 추출된 구직자 키워드 및 선택된 추종 페이지로부터 추출된 추종 키워드에 기초하여 카운트되는 횟수이고, 상기 제2 매칭 횟수는 전체 기간 동안 상기 제1 구직자 계정에 대해 업로드된 구직자 페이지에서 추출된 구직자 키워드 및 선택된 추종 페이지로부터 추출된 추종 키워드에 기초하여 카운트되는 횟수이고, 상기 제1 매칭 비율은 상기 제1 매칭 횟수에 기초하여 연산되며, 상기 제2 매칭 비율은 상기 제2 매칭 횟수에 기초하여 연산될 수 있다.
한편, 상기 키워드 정보 연산부(141)는 상기 다수의 선정 키워드들 중 상기 제1 구직자 계정의 상기 구직자 키워드에 매칭되는 매칭 키워드들 각각의 제1 및 제2 매칭 횟수를 상기 구직자 키워드의 중복 횟수에 따라 증가시킬 수 있다. 예를 들어, 상기 키워드 정보 연산부(141)는 하기 수학식 2를 이용하여 제1 및 제2 매칭 횟수를 상기 구직자 키워드의 중복 횟수에 따라 증가시킬 수 있다.
Figure 112018004043835-pat00002
여기에서,
Figure 112018004043835-pat00003
는 상기 N개의 선정 키워드들 중 i번째 선정 키워드의 제1 또는 제2 매칭 횟수(j가 1인 경우, 제1 매칭 횟수이고, j가 2인 경우, 제2 매칭 횟수임)이고,
Figure 112018004043835-pat00004
는 구직자 키워드에 기초하여 카운트된 제1 또는 제2 매칭 횟수이고,
Figure 112018004043835-pat00005
는 추종 키워드에 기초하여 카운트된 제1 또는 제2 매칭 횟수이다.
다음으로, 매트릭스 생성부(145)는 상기 다수의 선정 키워드들 각각의 사전 설정된 사전식 순서에 상응하는 열의 첫 번째 행 내지 다섯 번째 행 각각에 상응하는 원소에 상기 사전식 순서에 상응하는 선정 키워드의 매칭 키워드 검색 결과 값, 제1 매칭 횟수, 제2 매칭 횟수, 제1 매칭 비율 및 제2 매칭 비율을 기록함으로써, 상기 제1 구직자 계정에 대한 상기 키워드 매트릭스를 생성할 수 있다.
예를 들어, 매트릭스 생성부(145)는 하기 표 4와 같은 키워드 매트릭스를 생성할 수 있다.
선정 키워드 1 선정 키워드 2 ... 선정 키워드 N
검색 결과 1 0 ... 1
제1 매칭 횟수 12 25 ... 37
제2 매칭 횟수 95 190 ... 418
제1 매칭 비율 0.012 0.025 ... 0.037
제2 매칭 비율 0.010 0.020 ... 0.044
한편, 분야별 채용 신경망 생성부(190)에서 이용되는 근무 키워드 매트릭스를 생성하는 경우, 상기 키워드 정보 연산부(141)는 상기 다수의 선정 키워드들 중 상기 제2 구직자 계정들 각각의 상기 구직자 키워드 및 상기 추종 키워드에 매칭되는 매칭 키워드들을 검색하고, 상기 매칭 키워드들 각각의 제3 및 제4 매칭 횟수를 카운트 한 후 상기 매칭 키워드들 각각의 제3 및 제4 매칭 비율을 연산할 수 있다. 여기에서, 상기 제3 매칭 횟수는 상기 근무 구직자 계정들 각각의 상기 제1 구인 회사의 구인 분야에 대한 최초 근무 시점을 기준으로 상기 사전 설정된 기간 이전 동안에 상기 근무 구직자 계정들 각각에 대해 업로드된 구직자 페이지에서 추출된 구직자 키워드 및 선택된 추종 페이지로부터 추출된 추종 키워드에 기초하여 카운트되는 횟수이고, 상기 제4 매칭 횟수는 상기 근무 구직자 계정들 각각의 회원 가입 시점으로부터 상기 최초 근무 시점까지 상기 근무 구직자 계정들 각각에 대해 업로드된 구직자 페이지에서 추출된 구직자 키워드 및 선택된 추종 페이지로부터 추출된 추종 키워드에 기초하여 카운트되는 횟수이고, 상기 제3 매칭 비율은 상기 제3 매칭 횟수에 기초하여 연산되며, 상기 제4 매칭 비율은 상기 제4 매칭 횟수에 기초하여 연산될 수 있다.
이후, 매트릭스 생성부(145)는 상기 다수의 선정 키워드들 각각의 사전 설정된 사전식 순서에 상응하는 열의 첫 번째 행 내지 다섯 번째 행 각각에 상응하는 원소에 상기 사전식 순서에 상응하는 선정 키워드의 매칭 키워드 검색 결과 값, 제3 매칭 횟수, 제4 매칭 횟수, 제3 매칭 비율 및 제4 매칭 비율을 기록함으로써, 상기 근무 구직자 계정들 각각에 대한 상기 근무 키워드 매트릭스를 생성할 수 있다.
채용 적합 판별부(150)는 상기 키워드 매트릭스를 상기 다수의 구인 회사들 각각의 상기 분야별 채용 신경망의 입력 값으로 이용하여, 상기 구직자 계정에 대한 상기 다수의 구인 회사들 각각의 채용 분야별 채용 적합 여부를 판별할 수 있다.
정보 전송부(160)는 상기 다수의 구인 회사들 중 채용 적합인 것으로 판별된 구인 회사의 구인 정보를 상기 구직자 계정의 구직자 단말(201)에 전송할 수 있다.
이하에서는, 구인 회사에게 구인 회사에 적합한 구직자 정보를 제공하는 경우를 예로 들어 구인 구직 플랫폼 제공 서버(100)를 설명하기로 한다.
먼저, 키워드 매트릭스 생성부(140)는 다수의 구직자 계정들 각각의 구직자 키워드 및 추종 키워드에 기초하여 상기 다수의 구직자 계정들 각각에 대한 키워드 매트릭스를 생성할 수 있다.
다음으로, 채용 적합 판별부(150)는 상기 다수의 구직자 계정들 각각에 대한 키워드 매트릭스를 구인 회사의 상기 분야별 채용 신경망의 입력 값으로 이용하여, 상기 구인 회사에 대한 상기 다수의 구직자 계정들 각각의 채용 분야별 채용 적합 여부를 판별할 수 있다.
정보 전송부(160)는 다수의 구직자들 중 채용 적합인 것으로 판별된 구직자의 구직자 정보를 상기 구인 회사 계정의 구인 회사 단말(203)에 전송할 수 있다.
상술한 바와 같은 본 발명에 따른 구인 구직 플랫폼 제공 서버(100)는 구직자 계정의 구직자 키워드 및 추종 키워드에 기초하여 상기 구직자 계정에 대한 키워드 매트릭스를 생성한 후 상기 키워드 매트릭스를 다수의 구인 회사들 각각의 분야별 채용 신경망의 입력 값으로 이용하여, 상기 구직자 계정에 대한 상기 다수의 구인 회사들 각각의 채용 분야별 채용 적합 여부를 판별하고, 상기 다수의 구인 회사들 중 채용 적합인 것으로 판별된 구인 회사의 구인 정보를 상기 구직자 계정의 구직자 단말에 전송하여, 사용자의 활동 성향에 따른 키워드 분석을 통해 생성된 매트릭스와 취직된 사용자의 활동 성향을 고려하여 생성된 분야별 채용 신경망을 이용함으로써, 사용자의 활동 성향, 취직된 사용자의 활동 성향을 고려하여 구직자와 구직 회사 간의 정밀한 매칭 결과를 도출할 수 있다.
한편, 상술한 바와 같은 본 발명에 따른 구인 구직 플랫폼 제공 서버(100)의 분야별 채용 신경망 생성부(190)는 퇴직 정보에 기초하여 제1 구인 회사의 구인 분야의 상기 분야별 채용 신경망의 필터 값을 변경함으로써 상기 제1 구인 회사의 구인 분야에 대한 분야별 채용 신경망을 갱신할 수 있다.
구체적으로, 구직자 계정 검색부(180)는 상기 다수의 구직자 단말들 각각이 업로드한 상기 구직자 페이지에서 추출된 상기 구직자 키워드에 기초하여 상기 구직자 정보 저장부(110)에 저장되어 있는 구직자 계정들 중 상기 다수의 구인 회사들 중 제1 구인 회사의 구인 분야에 퇴사한 구직자의 퇴사 구직자 계정들을 검색할 수 있다.
다음으로, 분야별 채용 신경망 생성부(190)는 상기 키워드 매트릭스 생성부(140)로부터 퇴사 구직자 계정들의 구직자 키워드 및 추종 키워드에 기초하여 생성되는 상기 퇴사 구직자 계정들 각각에 대한 퇴사 키워드 매트릭스를 상기 제1 구인 회사의 구인 분야에 대한 분야별 채용 신경망의 입력 값으로 이용하여 판별된 상기 근무 구직자 계정들 각각에 대한 상기 제1 구인 회사의 구인 분야의 채용 적합 여부가 부적합으로 판별되도록 상기 제1 구인 회사의 구인 분야의 상기 분야별 채용 신경망의 필터 값을 변경함으로써 상기 제1 구인 회사의 구인 분야에 대한 분야별 채용 신경망을 갱신할 수 있다.
도 2는 본 발명의 일실시예에 따른 구인 구직 플랫폼 제공 서버(100)의 동작 방법을 도시한 흐름도이다.
먼저, 단계(S210)에서는 다수의 구직자 단말들 각각이 업로드한 구직자 페이지에서 추출된 구직자 키워드 및 상기 다수의 구직자 단말들 각각이 선택한 추종 페이지로부터 추출된 추종 키워드를 상기 다수의 구직자 단말들 각각의 구직자 계정에 매칭시켜 저장하는 구직자 정보 저장부를 유지할 수 있다.
단계(S220)에서는 다수의 구인 회사 단말들 각각이 업로드한 구인 정보를 상기 다수의 구인 회사 단말들 각각의 구인 회사 계정에 매칭시켜 저장하는 구인 회사 정보 저장부를 유지할 수 있다.
단계(S230)에서는 다수의 구인 회사들 각각의 채용 분야별로 구축된 분야별 채용 신경망을 저장하는 분야별 채용 신경망 저장부를 유지할 수 있다.
단계(S240)에서는 제1 구직자 계정의 구직자 키워드 및 추종 키워드에 기초하여 상기 제1 구직자 계정에 대한 제1 키워드 매트릭스를 생성할 수 있다.
단계(S250)에서는 상기 제1 키워드 매트릭스를 상기 다수의 구인 회사들 각각의 상기 분야별 채용 신경망의 입력 값으로 이용하여, 상기 제1 구직자 계정에 대한 상기 다수의 구인 회사들 각각의 채용 분야별 채용 적합 여부를 판별할 수 있다.
단계(S260)에서는 상기 다수의 구인 회사들 중 채용 적합인 것으로 판별된 구인 회사의 구인 정보를 상기 제1 구직자 계정의 구직자 단말에 전송할 수 있다.
상술한 바와 같은 본 발명의 일실시예에 따른 구인 구직 플랫폼 제공 서버(100)의 동작 방법은 사전에 선정된 다수의 선정 키워드들을 저장하는 선정 키워드 저장부를 유지하는 단계를 더 수행하고, 상기 단계(S240)는 상기 다수의 선정 키워드들 중 상기 제1 구직자 계정의 상기 구직자 키워드 및 상기 추종 키워드에 매칭되는 매칭 키워드들을 검색하고, 상기 매칭 키워드들 각각의 제1 및 제2 매칭 횟수를 카운트 한 후 상기 매칭 키워드들 각각의 제1 및 제2 매칭 비율을 연산하는 단계 및 상기 다수의 선정 키워드들 각각의 사전 설정된 사전식 순서에 상응하는 열의 첫 번째 행 내지 다섯 번째 행 각각에 상응하는 원소에 상기 사전식 순서에 상응하는 선정 키워드의 매칭 키워드 검색 결과 값, 제1 매칭 횟수, 제2 매칭 횟수, 제1 매칭 비율 및 제2 매칭 비율을 기록함으로써, 상기 제1 구직자 계정에 대한 상기 제1 키워드 매트릭스를 생성하는 단계를 더 포함할 수 있다.
한편, 단계(S240)의 상기 키워드 정보 연산 단계는 상기 다수의 선정 키워드들 중 상기 제1 구직자 계정의 상기 구직자 키워드에 매칭되는 매칭 키워드들 각각의 제1 및 제2 매칭 횟수를 상기 구직자 키워드의 중복 횟수에 따라 증가시킬 수 있다.
또한, 상술한 바와 같은 본 발명의 일실시예에 따른 구인 구직 플랫폼 제공 서버(100)의 동작 방법은 상기 단계(S230)는 단계는 상기 다수의 구인 회사들 각각의 상기 채용 분야별로 구축된 분야별 채용 신경망 중 채용 분야별로 학습 횟수가 가장 많은 분야별 채용 신경망을 분야별 대표 채용 신경망으로 저장하는 분야별 채용 신경망 저장부를 유지하고, 상기 다수의 구직자 단말들 각각이 업로드한 상기 구직자 페이지에서 추출된 상기 구직자 키워드에 기초하여 상기 다수의 구인 회사들 중 제1 구인 회사의 구인 분야에 근무 중인 구직자의 제2 구직자 계정들을 검색하는 단계 및 상기 키워드 매트릭스 생성부로부터 제2 구직자 계정들의 구직자 키워드 및 추종 키워드에 기초하여 생성되는 상기 제2 구직자 계정들 각각에 대한 제2 키워드 매트릭스를 상기 제1 구인 회사의 구인 분야에 대한 분야별 대표 채용 신경망의 입력 값으로 이용하여 판별된 상기 제2 구직자 계정들 각각에 대한 상기 제1 구인 회사의 구인 분야의 채용 적합 여부가 적합으로 판별되도록 상기 제1 구인 회사의 구인 분야의 상기 분야별 채용 신경망의 필터 값을 변경함으로써 상기 제1 구인 회사의 구인 분야에 대한 분야별 채용 신경망을 생성하는 단계를 더 수행할 수 있다.
마지막으로, 상술한 바와 같은 본 발명의 일실시예에 따른 구인 구직 플랫폼 제공 서버(100)의 동작 방법은 상기 키워드 정보 연산 단계는 상기 다수의 선정 키워드들 중 상기 제2 구직자 계정들 각각의 상기 구직자 키워드 및 상기 추종 키워드에 매칭되는 매칭 키워드들을 검색하고, 상기 매칭 키워드들 각각의 제3 및 제4 매칭 횟수를 카운트 한 후 상기 매칭 키워드들 각각의 제3 및 제4 매칭 비율을 연산하고, 상기 매트릭스 생성 단계는 상기 다수의 선정 키워드들 각각의 사전 설정된 사전식 순서에 상응하는 열의 첫 번째 행 내지 다섯 번째 행 각각에 상응하는 원소에 상기 사전식 순서에 상응하는 선정 키워드의 매칭 키워드 검색 결과 값, 제3 매칭 횟수, 제4 매칭 횟수, 제3 매칭 비율 및 제4 매칭 비율을 기록함으로써, 상기 제2 구직자 계정들 각각에 대한 상기 제2 키워드 매트릭스를 생성할 수 있다.
이상, 도 2를 참조하여 본 발명의 일실시예에 따른 구인 구직 플랫폼 제공 서버의 동작 방법에 대해 설명하였다. 여기서, 본 발명의 일실시예에 따른 구인 구직 플랫폼 제공 서버의 동작 방법은 도 1을 이용하여 설명한 구인 구직 플랫폼 제공 서버의 동작에 대한 구성과 대응될 수 있으므로, 이에 대한 보다 상세한 설명은 생략하기로 한다.
본 발명의 일실시예에 따른 구인 구직 플랫폼 제공 서버의 동작 방법은 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다.
또한, 본 발명의 일실시예에 따른 구인 구직 플랫폼 제공 서버의 동작 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 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 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (12)

  1. 다수의 구직자 단말들 각각이 업로드한 구직자 페이지에서 추출된 구직자 키워드 및 상기 다수의 구직자 단말들 각각이 선택한 추종 페이지로부터 추출된 추종 키워드를 상기 다수의 구직자 단말들 각각의 구직자 계정에 매칭시켜 저장하는 구직자 정보 저장부;
    다수의 구인 회사 단말들 각각이 업로드한 구인 정보를 상기 다수의 구인 회사 단말들 각각의 구인 회사 계정에 매칭시켜 저장하는 구인 회사 정보 저장부;
    다수의 구인 회사들 각각의 채용 분야별로 구축된 분야별 채용 신경망을 저장하는 분야별 채용 신경망 저장부;
    사전에 선정된 다수의 선정 키워드들을 저장하는 선정 키워드 저장부;
    제1 구직자 계정의 구직자 키워드 및 추종 키워드에 기초하여 상기 제1 구직자 계정에 대한 제1 키워드 매트릭스를 생성하는 키워드 매트릭스 생성부;
    상기 제1 키워드 매트릭스를 상기 다수의 구인 회사들 각각의 상기 분야별 채용 신경망의 입력 값으로 이용하여, 상기 제1 구직자 계정에 대한 상기 다수의 구인 회사들 각각의 채용 분야별 채용 적합 여부를 판별하는 채용 적합 판별부; 및
    상기 다수의 구인 회사들 중 채용 적합인 것으로 판별된 구인 회사의 구인 정보를 상기 제1 구직자 계정의 구직자 단말에 전송하는 정보 전송부
    를 포함하고,
    상기 키워드 매트릭스 생성부는
    상기 다수의 선정 키워드들 중 상기 제1 구직자 계정의 상기 구직자 키워드 및 상기 추종 키워드에 매칭되는 매칭 키워드들을 검색하고, 상기 매칭 키워드들 각각의 제1 및 제2 매칭 횟수 - 상기 제1 매칭 횟수는 사전 설정된 기간 이내에 상기 제1 구직자 계정에 대해 업로드된 구직자 페이지에서 추출된 구직자 키워드 및 선택된 추종 페이지로부터 추출된 추종 키워드에 기초하여 카운트되는 횟수이고, 상기 제2 매칭 횟수는 전체 기간 동안 상기 제1 구직자 계정에 대해 업로드된 구직자 페이지에서 추출된 구직자 키워드 및 선택된 추종 페이지로부터 추출된 추종 키워드에 기초하여 카운트되는 횟수임 - 를 카운트 한 후 상기 매칭 키워드들 각각의 제1 및 제2 매칭 비율 - 상기 제1 매칭 비율은 상기 제1 매칭 횟수에 기초하여 연산되며, 상기 제2 매칭 비율은 상기 제2 매칭 횟수에 기초하여 연산됨 - 을 연산하는 키워드 정보 연산부; 및
    상기 다수의 선정 키워드들 각각의 사전 설정된 사전식 순서에 상응하는 열의 첫 번째 행 내지 다섯 번째 행 각각에 상응하는 원소에 상기 사전식 순서에 상응하는 선정 키워드의 매칭 키워드 검색 결과 값, 제1 매칭 횟수, 제2 매칭 횟수, 제1 매칭 비율 및 제2 매칭 비율을 기록함으로써, 상기 제1 구직자 계정에 대한 상기 제1 키워드 매트릭스를 생성하는 매트릭스 생성부
    를 포함하는 구인 구직 플랫폼 제공 서버.
  2. 삭제
  3. 제1항에 있어서,
    상기 키워드 정보 연산부는 상기 다수의 선정 키워드들 중 상기 제1 구직자 계정의 상기 구직자 키워드에 매칭되는 매칭 키워드들 각각의 제1 및 제2 매칭 횟수를 상기 구직자 키워드의 중복 횟수에 따라 증가시키는
    구인 구직 플랫폼 제공 서버.
  4. 제3항에 있어서,
    상기 분야별 채용 신경망 저장부는 상기 다수의 구인 회사들 각각의 상기 채용 분야별로 구축된 분야별 채용 신경망 중 채용 분야별로 학습 횟수가 가장 많은 분야별 채용 신경망을 분야별 대표 채용 신경망으로 저장하고,
    상기 다수의 구직자 단말들 각각이 업로드한 상기 구직자 페이지에서 추출된 상기 구직자 키워드에 기초하여 상기 다수의 구인 회사들 중 제1 구인 회사의 구인 분야에 근무 중인 구직자의 제2 구직자 계정들을 검색하는 구직자 계정 검색부; 및
    상기 키워드 매트릭스 생성부로부터 제2 구직자 계정들의 구직자 키워드 및 추종 키워드에 기초하여 생성되는 상기 제2 구직자 계정들 각각에 대한 제2 키워드 매트릭스를 상기 제1 구인 회사의 구인 분야에 대한 분야별 대표 채용 신경망의 입력 값으로 이용하여 판별된 상기 제2 구직자 계정들 각각에 대한 상기 제1 구인 회사의 구인 분야의 채용 적합 여부가 적합으로 판별되도록 상기 제1 구인 회사의 구인 분야의 상기 분야별 채용 신경망의 필터 값을 변경함으로써 상기 제1 구인 회사의 구인 분야에 대한 분야별 채용 신경망을 생성하는 분야별 채용 신경망 생성부
    를 더 포함하는 구인 구직 플랫폼 제공 서버.
  5. 제4항에 있어서,
    상기 키워드 정보 연산부는 상기 다수의 선정 키워드들 중 상기 제2 구직자 계정들 각각의 상기 구직자 키워드 및 상기 추종 키워드에 매칭되는 매칭 키워드들을 검색하고, 상기 매칭 키워드들 각각의 제3 및 제4 매칭 횟수 - 상기 제3 매칭 횟수는 상기 제2 구직자 계정들 각각의 상기 제1 구인 회사의 구인 분야에 대한 최초 근무 시점을 기준으로 상기 사전 설정된 기간 이전 동안에 상기 제2 구직자 계정들 각각에 대해 업로드된 구직자 페이지에서 추출된 구직자 키워드 및 선택된 추종 페이지로부터 추출된 추종 키워드에 기초하여 카운트되는 횟수이고, 상기 제4 매칭 횟수는 상기 제2 구직자 계정들 각각의 회원 가입 시점으로부터 상기 최초 근무 시점까지 상기 제2 구직자 계정들 각각에 대해 업로드된 구직자 페이지에서 추출된 구직자 키워드 및 선택된 추종 페이지로부터 추출된 추종 키워드에 기초하여 카운트되는 횟수임 - 를 카운트 한 후 상기 매칭 키워드들 각각의 제3 및 제4 매칭 비율 - 상기 제3 매칭 비율은 상기 제3 매칭 횟수에 기초하여 연산되며, 상기 제4 매칭 비율은 상기 제4 매칭 횟수에 기초하여 연산됨 - 을 연산하고,
    상기 매트릭스 생성부는 상기 다수의 선정 키워드들 각각의 사전 설정된 사전식 순서에 상응하는 열의 첫 번째 행 내지 다섯 번째 행 각각에 상응하는 원소에 상기 사전식 순서에 상응하는 선정 키워드의 매칭 키워드 검색 결과 값, 제3 매칭 횟수, 제4 매칭 횟수, 제3 매칭 비율 및 제4 매칭 비율을 기록함으로써, 상기 제2 구직자 계정들 각각에 대한 상기 제2 키워드 매트릭스를 생성하는
    구인 구직 플랫폼 제공 서버.
  6. 다수의 구직자 단말들 각각이 업로드한 구직자 페이지에서 추출된 구직자 키워드 및 상기 다수의 구직자 단말들 각각이 선택한 추종 페이지로부터 추출된 추종 키워드를 상기 다수의 구직자 단말들 각각의 구직자 계정에 매칭시켜 저장하는 구직자 정보 저장부를 유지하는 단계;
    다수의 구인 회사 단말들 각각이 업로드한 구인 정보를 상기 다수의 구인 회사 단말들 각각의 구인 회사 계정에 매칭시켜 저장하는 구인 회사 정보 저장부를 유지하는 단계;
    다수의 구인 회사들 각각의 채용 분야별로 구축된 분야별 채용 신경망을 저장하는 분야별 채용 신경망 저장부를 유지하는 단계;
    사전에 선정된 다수의 선정 키워드들을 저장하는 선정 키워드 저장부를 유지하는 단계;
    키워드 매트릭스 생성부가 제1 구직자 계정의 구직자 키워드 및 추종 키워드에 기초하여 상기 제1 구직자 계정에 대한 제1 키워드 매트릭스를 생성하는 단계;
    채용 적합 판별부가 상기 제1 키워드 매트릭스를 상기 다수의 구인 회사들 각각의 상기 분야별 채용 신경망의 입력 값으로 이용하여, 상기 제1 구직자 계정에 대한 상기 다수의 구인 회사들 각각의 채용 분야별 채용 적합 여부를 판별하는 단계; 및
    정보 전송부가 상기 다수의 구인 회사들 중 채용 적합인 것으로 판별된 구인 회사의 구인 정보를 상기 제1 구직자 계정의 구직자 단말에 전송하는 단계
    를 포함하고,
    상기 키워드 매트릭스 생성부가 상기 제1 키워드 매트릭스를 생성하는 단계는
    키워드 정보 연산부가 상기 다수의 선정 키워드들 중 상기 제1 구직자 계정의 상기 구직자 키워드 및 상기 추종 키워드에 매칭되는 매칭 키워드들을 검색하고, 상기 매칭 키워드들 각각의 제1 및 제2 매칭 횟수 - 상기 제1 매칭 횟수는 사전 설정된 기간 이내에 상기 제1 구직자 계정에 대해 업로드된 구직자 페이지에서 추출된 구직자 키워드 및 선택된 추종 페이지로부터 추출된 추종 키워드에 기초하여 카운트되는 횟수이고, 상기 제2 매칭 횟수는 전체 기간 동안 상기 제1 구직자 계정에 대해 업로드된 구직자 페이지에서 추출된 구직자 키워드 및 선택된 추종 페이지로부터 추출된 추종 키워드에 기초하여 카운트되는 횟수임 - 를 카운트 한 후 상기 매칭 키워드들 각각의 제1 및 제2 매칭 비율 - 상기 제1 매칭 비율은 상기 제1 매칭 횟수에 기초하여 연산되며, 상기 제2 매칭 비율은 상기 제2 매칭 횟수에 기초하여 연산됨 - 을 연산하는 단계; 및
    매트릭스 생성부가 상기 다수의 선정 키워드들 각각의 사전 설정된 사전식 순서에 상응하는 열의 첫 번째 행 내지 다섯 번째 행 각각에 상응하는 원소에 상기 사전식 순서에 상응하는 선정 키워드의 매칭 키워드 검색 결과 값, 제1 매칭 횟수, 제2 매칭 횟수, 제1 매칭 비율 및 제2 매칭 비율을 기록함으로써, 상기 제1 구직자 계정에 대한 상기 제1 키워드 매트릭스를 생성하는 단계
    를 포함하는 구인 구직 플랫폼 제공 서버의 동작 방법.
  7. 삭제
  8. 제6항에 있어서,
    상기 키워드 정보 연산부가 상기 제1 및 제2 매칭 비율을 연산하는 단계는 상기 다수의 선정 키워드들 중 상기 제1 구직자 계정의 상기 구직자 키워드에 매칭되는 매칭 키워드들 각각의 제1 및 제2 매칭 횟수를 상기 구직자 키워드의 중복 횟수에 따라 증가시키는
    구인 구직 플랫폼 제공 서버의 동작 방법.
  9. 제8항에 있어서,
    상기 분야별 채용 신경망 저장부를 유지하는 단계는 상기 다수의 구인 회사들 각각의 상기 채용 분야별로 구축된 분야별 채용 신경망 중 채용 분야별로 학습 횟수가 가장 많은 분야별 채용 신경망을 분야별 대표 채용 신경망으로 저장하는 분야별 채용 신경망 저장부를 유지하고,
    구직자 계정 검색부가 상기 다수의 구직자 단말들 각각이 업로드한 상기 구직자 페이지에서 추출된 상기 구직자 키워드에 기초하여 상기 다수의 구인 회사들 중 제1 구인 회사의 구인 분야에 근무 중인 구직자의 제2 구직자 계정들을 검색하는 단계; 및
    분야별 채용 신경망 생성부가 상기 키워드 매트릭스 생성부로부터 제2 구직자 계정들의 구직자 키워드 및 추종 키워드에 기초하여 생성되는 상기 제2 구직자 계정들 각각에 대한 제2 키워드 매트릭스를 상기 제1 구인 회사의 구인 분야에 대한 분야별 대표 채용 신경망의 입력 값으로 이용하여 판별된 상기 제2 구직자 계정들 각각에 대한 상기 제1 구인 회사의 구인 분야의 채용 적합 여부가 적합으로 판별되도록 상기 제1 구인 회사의 구인 분야의 상기 분야별 채용 신경망의 필터 값을 변경함으로써 상기 제1 구인 회사의 구인 분야에 대한 분야별 채용 신경망을 생성하는 단계
    를 더 포함하는 구인 구직 플랫폼 제공 서버의 동작 방법.
  10. 제9항에 있어서,
    상기 키워드 정보 연산부가 상기 제1 및 제2 매칭 비율을 연산하는 단계는 상기 다수의 선정 키워드들 중 상기 제2 구직자 계정들 각각의 상기 구직자 키워드 및 상기 추종 키워드에 매칭되는 매칭 키워드들을 검색하고, 상기 매칭 키워드들 각각의 제3 및 제4 매칭 횟수 - 상기 제3 매칭 횟수는 상기 제2 구직자 계정들 각각의 상기 제1 구인 회사의 구인 분야에 대한 최초 근무 시점을 기준으로 상기 사전 설정된 기간 이전 동안에 상기 제2 구직자 계정들 각각에 대해 업로드된 구직자 페이지에서 추출된 구직자 키워드 및 선택된 추종 페이지로부터 추출된 추종 키워드에 기초하여 카운트되는 횟수이고, 상기 제4 매칭 횟수는 상기 제2 구직자 계정들 각각의 회원 가입 시점으로부터 상기 최초 근무 시점까지 상기 제2 구직자 계정들 각각에 대해 업로드된 구직자 페이지에서 추출된 구직자 키워드 및 선택된 추종 페이지로부터 추출된 추종 키워드에 기초하여 카운트되는 횟수임 - 를 카운트 한 후 상기 매칭 키워드들 각각의 제3 및 제4 매칭 비율 - 상기 제3 매칭 비율은 상기 제3 매칭 횟수에 기초하여 연산되며, 상기 제4 매칭 비율은 상기 제4 매칭 횟수에 기초하여 연산됨 - 을 연산하고,
    상기 매트릭스 생성부가 상기 제1 키워드 매트릭스를 생성하는 단계는 상기 다수의 선정 키워드들 각각의 사전 설정된 사전식 순서에 상응하는 열의 첫 번째 행 내지 다섯 번째 행 각각에 상응하는 원소에 상기 사전식 순서에 상응하는 선정 키워드의 매칭 키워드 검색 결과 값, 제3 매칭 횟수, 제4 매칭 횟수, 제3 매칭 비율 및 제4 매칭 비율을 기록함으로써, 상기 제2 구직자 계정들 각각에 대한 상기 제2 키워드 매트릭스를 생성하는
    구인 구직 플랫폼 제공 서버의 동작 방법.
  11. 제6항, 제8항, 제9항 또는 제10항 중 어느 한 항의 방법을 컴퓨터로 하여금 수행하도록 하는 프로그램을 기록한 컴퓨터 판독 가능 기록 매체.
  12. 제6항, 제8항, 제9항 또는 제10항 중 어느 한 항의 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장된 컴퓨터 프로그램.
KR1020180004475A 2018-01-12 2018-01-12 구인 구직 플랫폼 제공 서버 및 이의 동작 방법 KR101917139B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180004475A KR101917139B1 (ko) 2018-01-12 2018-01-12 구인 구직 플랫폼 제공 서버 및 이의 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180004475A KR101917139B1 (ko) 2018-01-12 2018-01-12 구인 구직 플랫폼 제공 서버 및 이의 동작 방법

Publications (1)

Publication Number Publication Date
KR101917139B1 true KR101917139B1 (ko) 2018-11-09

Family

ID=64426553

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180004475A KR101917139B1 (ko) 2018-01-12 2018-01-12 구인 구직 플랫폼 제공 서버 및 이의 동작 방법

Country Status (1)

Country Link
KR (1) KR101917139B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200109787A (ko) 2019-03-14 2020-09-23 최혁수 경력관리 및 인사관리 지원 플랫폼
KR20210058162A (ko) 2019-11-13 2021-05-24 최혁수 경력관리 및 인사관리 지원가능한 메신저 어플리케이션을 통한 정보 처리 방법
KR20210132533A (ko) 2020-04-27 2021-11-04 주식회사 마이크로프트 유저의 온라인 활동 분석 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010231685A (ja) * 2009-03-30 2010-10-14 Lightwell Co Ltd 就職支援装置、就職支援方法及びコンピュータプログラム
JP2013186813A (ja) * 2012-03-09 2013-09-19 Ｒｅｄ−Ｚｏｎｅ株式会社 求人求職情報提供装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010231685A (ja) * 2009-03-30 2010-10-14 Lightwell Co Ltd 就職支援装置、就職支援方法及びコンピュータプログラム
JP2013186813A (ja) * 2012-03-09 2013-09-19 Ｒｅｄ−Ｚｏｎｅ株式会社 求人求職情報提供装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200109787A (ko) 2019-03-14 2020-09-23 최혁수 경력관리 및 인사관리 지원 플랫폼
KR20210058162A (ko) 2019-11-13 2021-05-24 최혁수 경력관리 및 인사관리 지원가능한 메신저 어플리케이션을 통한 정보 처리 방법
KR20210132533A (ko) 2020-04-27 2021-11-04 주식회사 마이크로프트 유저의 온라인 활동 분석 시스템

Similar Documents

Publication Publication Date Title
Feng et al. An expert recommendation algorithm based on Pearson correlation coefficient and FP-growth
Zamani et al. Situational context for ranking in personal search
JP5369154B2 (ja) クリックディスタンスを用いて検索結果をランク付けするシステムおよび方法
CN107155362B (zh) 将用于成员简档查询的搜索结果排序
US20170154108A1 (en) Resolution of ambiguous and implicit references using contextual information
US20160055161A1 (en) Systems and methods using reputation or influence scores in search queries
KR101917139B1 (ko) 구인 구직 플랫폼 제공 서버 및 이의 동작 방법
CN109255586B (zh) 一种面向电子政务办事的在线个性化推荐方法
KR101584207B1 (ko) Sns에 기반한 인재 추천 방법 및 장치
US11461353B2 (en) Identifying and extracting addresses within content
US20120233160A1 (en) System and method for assisting a user to identify the contexts of search results
WO2014148948A1 (ru) Способ отбора эффективных вариантов в поисковых и рекомендательных системах (варианты)
CN106940726B (zh) 一种基于知识网络的创意自动生成方法与终端
CN107145545A (zh) 一种基于位置的社交网络中Top‑k区域用户文本数据推荐方法
JP2020512651A (ja) 検索方法、装置及び非一時的コンピュータ読取可能記憶媒体
Seyler et al. An information retrieval framework for contextual suggestion based on heterogeneous information network embeddings
Lin A case-based reasoning system for interior design using a new cosine similarity retrieval algorithm
Swaminathan et al. Wearmail: On-the-go access to information in your email with a privacy-preserving human computation workflow
CN110609889A (zh) 基于学术网络确定对象重要性排名及选择评审专家的方法和系统
Vahedian et al. Weighted random walk sampling for multi-relational recommendation
Feldkamp et al. Online analysis of simulation data with stream-based data mining
JP4868484B2 (ja) サーチプロファイルの比較方法
US20090006354A1 (en) System and method for knowledge based search system
Shirazi et al. EDA++: Estimation of distribution algorithms with feasibility conserving mechanisms for constrained continuous optimization
KR20180035633A (ko) 인간 의사결정 프로세스의 기계학습에 기초한 의사 결정을 위한 인공지능

Legal Events

Date Code Title Description
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant