KR102034303B1 - 전문가 매칭 서비스 제공방법, 장치 및 프로그램 - Google Patents

Abstract

컴퓨터에 의하여 수행되는 방법에 있어서, 구직자 정보를 수집하는 단계(S100), 상기 구직자 정보를 검증하는 단계(S200), 상기 검증된 구직자 정보를 데이터베이스에 저장하는 단계(S300), 기업으로부터 구인정보를 획득하는 단계(S400), 상기 데이터베이스에 저장된 구직자 중 상기 구인정보에 대응하는 구직자를 매칭하는 단계(S500) 및 상기 매칭된 구직자 정보를 상기 기업에 제공하는 단계(S600)를 포함하는, 전문가 매칭 서비스 제공방법이 개시된다.

Description

전문가 매칭 서비스 제공방법, 장치 및 프로그램 {METHOD, APPARATUS AND PROGRAM FOR PROVIDING SPECIALIST MATCHING SERVICE}

본 발명은 전문가 매칭 서비스 제공방법, 장치 및 프로그램에 관한 것이다.

기존의 구인 및 구직 서비스는 구인 공고를 수집 및 공개하며, 구직자들이 구인 공고를 검색하여 원하는 구인 공고에 지원하는 방식으로 제공되었다. 구인 공고에 맞는 구직자를 검색하여 제공하는 서비스의 경우 헤드헌팅 업체를 통해서 제공되는 것이 일반적이며, 헤드헌팅 업체에서도 다시 구인광고를 올려 구직자를 모집하는 경우도 많다.

다만, 기존과 달리 최근에는 근로자들의 이직이 잦으며, 특정 분야에 전문성을 갖춘 전문직의 경우 이러한 경향성은 더욱 강해진다. 또한, 기업에서도 특정 분야의 전문성을 갖춘 전문직을 직접 검색하여 컨택하고자 하는 니즈가 강화되고 있다.

또한, 전문직 근로자의 경우 임시직, 파트타임, 프리랜서 등 고정적이지 않은 근무형태를 취하는 경우도 많으므로, 이러한 경향성을 반영할 수 있는 구직자 매칭 플랫폼의 개발이 요구되고 있다.

공개특허공보 제10-2010-0026834호, 2010.03.10 공개

본 발명이 해결하고자 하는 과제는 전문가 매칭 서비스 제공방법, 장치 및 프로그램을 제공하는 것이다.

본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 전문가 매칭 서비스 제공방법은, 구직자 정보를 수집하는 단계(S100), 상기 구직자 정보를 검증하는 단계(S200), 상기 검증된 구직자 정보를 데이터베이스에 저장하는 단계(S300), 기업으로부터 구인정보를 획득하는 단계(S400), 상기 데이터베이스에 저장된 구직자 중 상기 구인정보에 대응하는 구직자를 매칭하는 단계(S500) 및 상기 매칭된 구직자 정보를 상기 기업에 제공하는 단계(S600)를 포함한다.

또한, 상기 단계(S100)는, 구직자의 배경정보 및 경력정보를 수집하는 단계(S110)를 포함하고, 상기 단계(S200)는, 상기 수집된 배경정보 및 경력정보를 검증하는 단계(S210) 및 상기 단계(S210)에서 검증된 결과에 기초하여 구직자의 전문분야를 평가하는 단계(S220)를 포함하고, 상기 단계(S500)는, 상기 구인정보에 대응하는 전문분야를 갖는 하나 이상의 구직자를 매칭하는 단계(S510)를 포함할 수 있다.

또한, 상기 단계(S210)는, 상기 수집된 배경정보 및 경력정보에 대응하는 증빙자료를 획득하되, 상기 증빙자료는 상기 구직자로부터 획득된 자료 및 상기 수집된 배경정보 및 경력정보에 포함된 키워드에 기초하여 검색된 자료를 포함하는, 단계(S212) 및 상기 증빙자료에 기초하여 상기 구직자의 배경정보 및 경력정보를 검증하는 단계(S214)를 포함할 수 있다.

또한, 상기 단계(S220)는, 상기 수집된 배경정보 및 경력정보와 상기 구직자의 전문분야 간의 연관성을 평가하는 단계(S222), 상기 수집된 배경정보 및 경력정보 각각의 점수를 평가하는 단계(S224), 상기 평가된 연관성에 기초하여, 상기 평가된 점수 각각에 대한 가중치를 적용하는 단계(S226) 및 상기 가중치가 적용된 점수에 기초하여, 상기 구직자의 전문분야에 대한 상기 구직자의 전문성을 평가하는 단계(S228)를 포함할 수 있다.

또한, 상기 단계(S222)는, 상기 수행된 구직자들의 전문성 평가자료를 획득하는 단계(S710), 상기 획득된 전문성 평가자료에 포함된 키워드들을 추출하는 단계(S720), 상기 추출된 키워드들에 대응하는 전문성 평가결과를 획득하는 단계(S730), 상기 추출된 키워드들 및 상기 전문성 평가결과를 포함하는 학습 데이터를 생성하는 단계(S740), 상기 학습 데이터를 이용하여, 키워드와 전문분야 간의 연관성을 평가하는 인공지능 모델을 학습시키는 단계(S750), 상기 단계(S110)에서 수집된 상기 구직자의 배경정보 및 경력정보로부터 하나 이상의 키워드를 추출하는 단계(S760) 및 상기 인공지능 모델을 이용하여, 상기 단계(S760)에서 추출된 하나 이상의 키워드 및 상기 구직자의 전문분야 간의 연관성을 평가하는 단계(S770)를 더 포함하고, 상기 단계(S224)는, 상기 수집된 경력정보 각각에 대한 상기 구직자의 참여율을 획득하는 단계(S780) 및 상기 참여율에 기초하여 상기 평가된 점수를 조정하는 단계(S790)를 더 포함할 수 있다.

또한, 상기 단계(S400)는, 프리랜서를 찾는 구인정보를 획득하는 단계(S410)를 포함하고, 상기 단계(S500)는, 상기 데이터베이스에 저장된 구직자 중 상기 구인정보에 매칭되는 프리랜서 구직자를 추출하는 단계(S510), 상기 프리랜서 구직자의 업무 수행 히스토리 및 업무 스케쥴을 획득하는 단계(S520), 상기 단계(S520)에서 획득된 정보 및 상기 구인정보에 포함된 요청 스케쥴을 비교하여, 상기 프리랜서 구직자의 예상 업무 스케쥴을 획득하는 단계(S530), 상기 업무 수행 히스토리에 기초하여, 상기 예상 업무 스케쥴에 따른 상기 프리랜서 구직자의 업무 처리 완성도를 추정하는 단계(S540) 및 상기 업무 처리 완성도가 기 설정된 기준값 이상인 프리랜서 구직자를 상기 구인정보에 매칭하는 단계(S550)를 포함할 수 있다.

또한, 상기 단계(S600)는, 상기 매칭된 구직자 정보에 포함된 이력서를 획득하는 단계(S810), 상기 획득된 이력서로부터, 상기 구인정보와 연관된 부분을 추출하는 단계(S820), 상기 획득된 이력서로부터, 상기 데이터베이스에 저장된 다른 이력서들과 상이한 부분을 추출하는 단계(S830), 상기 단계(S820) 및 단계(S830)에서 추출된 부분들 각각으로부터 하나 이상의 키워드를 추출하는 단계(S840), 상기 추출된 키워드에 기초하여, 상기 이력서에 대한 요약문을 생성하는 단계(S850) 및 상기 생성된 요약문을 상기 기업에 제공하는 단계(S860)를 더 포함할 수 있다.

또한, 상기 단계(S400)는, 상기 기업으로부터 프로젝트 정보를 획득하는 단계(S910), 상기 프로젝트 정보에 포함된 하나 이상의 업무분야에 대한 정보를 획득하는 단계(S920), 상기 하나 이상의 업무분야를 수행하기 위한 전문분야를 결정하는 단계(S930) 및 상기 하나 이상의 업무분야의 필요인력을 결정하는 단계(S940)를 더 포함하고, 상기 단계(S500)는, 상기 결정된 전문분야에 대응하는 구직자 정보를 획득하는 단계(S950) 및 상기 단계(S950)에서 획득된 구직자 정보로부터, 상기 결정된 필요인력에 해당하는 구직자를 추출하는 단계(S960)를 더 포함하고, 상기 단계(S600)는, 상기 추출된 구직자에 대한 정보를 상기 기업에 제공하는 단계(S970)를 더 포함할 수 있다.

상술한 과제를 해결하기 위한 본 발명의 일 면에 따라 하나 이상의 인스트럭션을 저장하는 메모리 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 구직자 정보를 수집하는 단계(S100), 상기 구직자 정보를 검증하는 단계(S200), 상기 검증된 구직자 정보를 데이터베이스에 저장하는 단계(S300), 기업으로부터 구인정보를 획득하는 단계(S400), 상기 데이터베이스에 저장된 구직자 중 상기 구인정보에 대응하는 구직자를 매칭하는 단계(S500) 및 상기 매칭된 구직자 정보를 상기 기업에 제공하는 단계(S600)를 수행하는, 장치가 제공된다.

상술한 과제를 해결하기 위한 본 발명의 일 면에 따라 하드웨어인 컴퓨터와 결합되어, 개시된 실시 예에 따른 전문가 매칭 서비스 제공방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램이 제공된다.

본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

개시된 실시 예에 따르면, 구직자 정보 중심의 플랫폼을 제공함으로써 기업으로 하여금 원하는 전문가를 검색할 수 있도록 하는 장점이 있다.

또한, 다양한 전문성과 근로형태를 갖는 구직자들의 정보를 관리 및 제공함으로써, 구직자의 전문성을 인정받기 용이하고, 구직자가 근로형태를 자유롭게 선택할 수 있도록 하는 장점이 있다.

본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 일 실시 예에 따른 시스템을 도시한 도면이다.
도 2는 일 실시 예에 따른 구직자 매칭 서비스 제공방법을 도시한 흐름도이다.
도 3은 일 실시 예에 따른 구직자 매칭방법을 도시한 흐름도이다.
도 4는 일 실시 예에 따른 검증방법을 도시한 흐름도이다.
도 5는 일 실시 예에 따른 전문성 평가방법을 도시한 흐름도이다.
도 6은 일 실시 예에 따른 구직자 평가방법을 구체적으로 도시한 흐름도이다.
도 7은 일 실시 예에 따른 업무 스케쥴 기반 매칭방법을 도시한 흐름도이다.
도 8은 일 실시 예에 따른 이력서 요약정보 제공방법을 도시한 흐름도이다.
도 9는 일 실시 예에 따른 프로젝트 기반 매칭방법을 도시한 흐름도이다.
도 10은 일 실시 예에 따른 장치의 구성도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.

공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.

본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.

도 1은 일 실시 예에 따른 시스템을 도시한 도면이다.

도 1을 참조하면, 개시된 실시 예에 따른 구직자 매칭 서비스 제공 시스템은 기업 단말(10), 구직자 단말(20) 및 서버(100)를 포함한다.

일 실시 예에서, 기업 단말(10), 구직자 단말(20) 및 서버(100)는 상술한 컴퓨터의 일종이며, 실시 예에 따라 서버(100)는 클라우드 서버일 수 있으나, 이에 제한되는 것은 아니다.

본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다. 예를 들어, 본 명세서에서 설명되는 각 단계들은 서버(100)에 의하여 수행될 수 있으나, 이에 제한되는 것은 아니다.

예를 들어, 기업 단말(10)은 기업의 인사 담당자가 이용하는 컴퓨터일 수 있으나, 이에 제한되는 것은 아니다.

본 명세서에서, 기업은 개인사업자나 법인 등의 사업체뿐 아니라, 일반 개인도 포괄하는 의미로 이해될 수 있으며, 특정한 대상을 제한하는 것은 아니다. 마찬가지로, 기업은 기관, 지자체, 협회, 단체 등을 의미할 수도 있다.

예를 들어, 구직자 단말(20)은 구직자가 이용하는 컴퓨터일 수 있으나, 이에 제한되는 것은 아니다.

구직자 단말(20)은 구직자 정보를 서버(100)에 업로드하고, 기업 단말(10)은 서버(100)에 구인정보에 대응하는 구직자 정보를 요청 및 수신한다. 기업 단말(10)은 매칭되는 구직자와 서버(100)를 통해 통신하여 계약을 수행할 수 있다.

계약정보는 서버(100)에 저장되며, 계약에 따른 업무수행 결과(예를 들어, 근로기간, 급여, 실적, 직원평가, 기업평가 등) 또한 서버(100)에 저장될 수 있다.

또한, 실시 예에 따라 서버(100)에 저장되는 정보의 적어도 일부는 블록체인에 저장되어 관리될 수 있다. 예를 들어, 기업 정보, 구직자 정보, 계약 정보 및 계약에 따른 업무수행 결과 중 적어도 일부가 블록체인에 저장되어, 위변조를 방지하고 서버(100)에 의하여 제공되는 서비스의 신뢰도를 높일 수 있다. 즉, 서버(100)는 블록체인에 저장된 정보에 기초하여 기업 정보 및 구직자 정보를 검증할 수 있으며, 검증된 정보에 기초하여 매칭을 수행할 수 있다.

도 2는 일 실시 예에 따른 구직자 매칭 서비스 제공방법을 도시한 흐름도이다.

단계 S100에서, 컴퓨터는 구직자 정보를 수집한다.

단계 S200에서, 컴퓨터는 상기 구직자 정보를 검증한다.

단계 S300에서, 컴퓨터는 상기 검증된 구직자 정보를 데이터베이스에 저장한다.

단계 S400에서, 컴퓨터는 기업으로부터 구인정보를 획득한다.

단계 S500에서, 컴퓨터는 상기 데이터베이스에 저장된 구직자 중 상기 구인정보에 대응하는 구직자를 매칭한다.

단계 S600에서, 컴퓨터는 상기 매칭된 구직자 정보를 상기 기업에 제공한다.

본 명세서에서, 구직자는 직장을 구하고자 하는 무직자 혹은 이직 예정자를 의미할 수도 있으나, 파트타임 업무 혹은 외주업무를 구하고자 하는 프리랜서를 의미할 수도 있다. 또한, 본 발명에 따른 바람직한 실시 예에서 구직자는 특정 분야에 전문성을 갖추고 있는 전문가를 의미할 수 있다. 하지만 구직자의 종류는 이에 제한되지 않으며, 일반 사무직 직원이나 파트타이머, 일용직 근로자 등을 모두 포함하는 의미로서 이해될 수 있다.

마찬가지로, 본 명세서에서 전문가는 특정 분야의 업무를 수행할 수 있는 전문성을 갖춘 사람을 의미하나, 전문가를 판단하기 위한 특정 기준에 제한되는 것은 아니고, 넓은 의미로는 모든 종류의 구직자를 포괄하는 의미로도 이해될 수 있다.

또한, 구직자는 정규직 업무를 구하고자 하는 구직자, 계약직 업무를 구하고자 하는 구직자, 파트타임 업무를 구하고자 하는 구직자, 기간제 업무를 구하고자 하는 구직자, 외주업무를 구하고자 하는 구직자를 모두 포괄하는 의미로서 이해되며, 또한 이에 제한되는 것은 아니다.

본 명세서에서, 구인정보는 특정 기업의 특정 직무를 담당할 직원을 찾는 구인공고 형태로서 획득될 수도 있으나, 이에 제한되지 않으며, 특정 프로젝트의 특정 업무를 담당할 전문가를 찾는 내용을 포함할 수도 있고, 실시 예에 따라 구인정보는 기업이 특정한 구직자를 검색하기 위하여 입력하는 검색정보 혹은 필터 정보를 의미할 수도 있다.

즉, 컴퓨터는 기업이 업로드한 구인공고로부터 하나 이상의 키워드를 추출하거나, 자연어처리(NLP)를 이용하여 내용을 분석, 구인공고에 대응하는 구직자를 매칭하여 제공할 수 있으나, 실시 예에 따라 기업이 입력한 검색정보 혹은 필터 정보에 기초하여 구직자들을 검색 및 필터링하여 제공할 수도 있다.

일 실시 예에서, 컴퓨터는 웹 페이지 또는 애플리케이션을 통해 구직자들의 정보를 기업에 제공할 수 있다. 컴퓨터는 기업으로부터 입력되는 정보에 기초하여 검색 및 정리된 구직자에 대한 정보를 제공할 수도 있으나, 웹 페이지나 애플리케이션의 메인 페이지나 팝업 페이지 등을 통해 실시간으로 추천되는, 혹은 등록된 구직자들의 정보를 선별하여 기업에 제공할 수도 있다.

도 3은 일 실시 예에 따른 구직자 매칭방법을 도시한 흐름도이다.

상술한 단계(S100)에서, 컴퓨터는 구직자의 배경정보 및 경력정보를 수집하는 단계(S110)를 수행할 수 있다.

상술한 단계(S200)에서, 컴퓨터는 상기 수집된 배경정보 및 경력정보를 검증하는 단계(S210)를 수행할 수 있다.

또한, 컴퓨터는 상기 단계(S210)에서 검증된 결과에 기초하여 구직자의 전문분야를 평가하는 단계(S220)를 수행할 수 있다.

상술한 단계(S500)에서, 컴퓨터는 상기 구인정보에 대응하는 전문분야를 갖는 하나 이상의 구직자를 매칭하는 단계(S510)를 수행할 수 있다.

예를 들어, 컴퓨터는 구직자가 업로드한 배경정보 및 경력정보를 획득하되, 각 정보의 진위를 판단하여 검증을 수행할 수 있다.

일 실시 예에서, 구직자의 배경정보는 구직자의 학력, 자격증, 어학점수 등 구직자의 스펙과 관련된 정보를 포함할 수 있으나, 이에 제한되는 것은 아니다.

또한, 구직자의 경력정보는 구직자가 근로한 직장에 대한 정보, 구직자가 수행한 프로젝트에 대한 정보, 구직자가 수행한 과제에 대한 정보 등을 포함할 수 있으나, 이에 제한되는 것은 아니다.

컴퓨터는 구직자 정보에 기초하여 각 구직자의 전문분야를 평가할 수 있다. 일 실시 예에서, 컴퓨터는 구직자로부터 직접 전문분야에 대한 정보를 획득할 수 있다. 이 경우, 컴퓨터는 구직자의 배경정보 및 경력정보에 기초하여, 구직자의 전문분야에 대한 전문성을 평가할 수 있다.

다른 실시 예에서, 컴퓨터는 구직자의 배경정보 및 경력정보에 기초하여, 구직자의 전문분야를 선택할 수 있다. 실시 예에 따라서, 컴퓨터는 각 구직자에 대하여 하나 이상의 전문분야를 선택할 수 있다. 컴퓨터는 하나 이상의 전문분야 각각에 대한 전문성을 평가할 수 있으며, 평가된 전문성에 따라 각 구직자의 전문분야의 우선순위를 결정할 수 있다.

일 실시 예에서, 구직자는 복수의 전문분야를 가질 수 있다. 마찬가지로, 기업의 구인정보는 복수의 전문분야를 갖는 구직자를 찾는 정보를 포함할 수 있다. 따라서, 컴퓨터는 구직자에 대하여 복수의 전문분야를 선택하고, 각 전문분야에 대한 전문성 정보를 제공할 수 있으며, 이에 기초하여 매칭을 수행할 수 있다.

따라서, 컴퓨터는 구직자가 전문분야를 직접 입력한 경우에도 구직자의 배경정보 및 경력정보에 기초하여 구직자의 다른 전문분야를 하나 이상 선택할 수 있다. 실시 예에 따라서, 컴퓨터는 선택된 전문분야에 대하여 구직자에게 확인을 요청할 수 있다. 예를 들어, 구직자가 해당 분야에 전문성이 없는 경우 구직자는 해당 전문분야의 삭제를 요청할 수 있다. 또한, 구직자가 해당 분야의 업무를 원하지 않을 경우, 마찬가지로 해당 전문분야의 삭제를 요청할 수 있다.

예를 들어, 특정 구직자는 개발과 디자인 양쪽에 전문성을 갖는 것으로 평가될 수 있다. 하지만, 구직자는 개발 업무가 아닌 디자인 업무에만 집중하고자 할 수 있다. 이 경우, 구직자는 개발 업무를 자신의 전문분야에서 삭제할 것을 요청하거나, 디자인 업무만을 전문분야로 선택할 수 있다.

일 실시 예에서, 컴퓨터는 각 구직자의 하나 이상의 전문분야를 선택하되, 각 구직자로부터 할 수 있는 전문분야 및 할 수 없는 전문분야에 대한 정보뿐 아니라, 하고 싶은 전문분야 및 하기 싫은 전문분야에 대한 정보를 획득할 수도 있다.

예를 들어, 특정 구직자는 어떠한 전문분야에 전문성이 없거나 낮지만, 해당 분야의 업무를 경험하기를 원할 수 있다. 이 경우, 컴퓨터는 해당 구직자가 원하는 전문분야에 기초하여 구인정보 매칭을 수행할 수 있다.

일 실시 예에서, 각 구직자의 능력치는 수치로서 평가될 수 있다. 하지만, 각 구직자의 능력치는 개인의 선택에 따라 조정될 수 있다. 예를 들어, 특정 구직자의 개발 능력치가 50, 디자인 능력치가 40, 기획 능력치가 30으로 평가되고, 이로써 해당 구직자의 전체 능력치는 평균인 40으로 평가될 수 있다.

컴퓨터는 구직자의 전체 능력치 및 세부 능력치들에 기초하여 구인정보에 대한 매칭을 수행할 수 있고, 구인정보의 내용에 따라 특정 능력치가 높은 구직자를 매칭할 수도 있고, 전체 능력치 혹은 능력치의 밸런스가 좋은 구직자를 매칭할 수도 있다.

실시 예에 따라서, 구직자의 요청에 따라 특정 능력치를 삭제(혹은 0으로 설정)하거나, 블라인드 처리할 수 있다. 이 경우, 해당 능력치를 요구하는 구인정보는 매칭 대상에서 제외될 수 있다.

다른 예로, 구직자가 디자인 능력은 70이나 개발 능력이 10임에도, 구직자가 개발 업무를 수행하기를 원할 수 있다. 이 경우 해당 구직자에 대해 디자인 능력을 블라인드 처리하면, 해당 구직자의 전체 능력이 10인 것으로 평가될 수 있다. 하지만, 구직자는 다른 능력에 대해 완전히 블라인드 처리하는 대신, 해당 능력치의 공개수준을 결정할 수 있다. 예를 들어, 구직자는 개발 능력이 부족함에도 개발 업무를 수행하도록 하는 대신, 디자인 업무를 보조하는 것으로 본인의 가치를 높일 수 있다. 예를 들어, 디자인 능력에 대한 공개수준을 50%로 설정하여, 디자인 능력이 35, 개발 능력이 10인 것으로 하여 매칭을 요청할 수도 있다.

능력치 설정 및 이에 기초한 매칭방법은 이에 제한되지 않으며, 실시 예에 따라 다양한 검색방법, 능력치 설정방법 및 검색결과 필터링 방법이 적용될 수 있다.

도 4는 일 실시 예에 따른 검증방법을 도시한 흐름도이다.

상술한 단계(S210)에서, 컴퓨터는 상기 수집된 배경정보 및 경력정보에 대응하는 증빙자료를 획득하되, 상기 증빙자료는 상기 구직자로부터 획득된 자료 및 상기 수집된 배경정보 및 경력정보에 포함된 키워드에 기초하여 검색된 자료를 포함하는, 단계(S212)를 수행할 수 있다.

또한, 컴퓨터는 상기 증빙자료에 기초하여 상기 구직자의 배경정보 및 경력정보를 검증하는 단계(S214)를 수행할 수 있다.

일 실시 예에서, 컴퓨터는 구직자로부터 직접 증빙자료를 수집할 수 있으며, 증빙자료는 문서나 링크 등을 포함할 수 있다. 예를 들어, 특정 배경정보 혹은 경력정보를 증명하는 증명서 혹은 웹을 통해 증명사실을 확인할 수 있는 링크 등을 포함할 수 있다.

또한, 컴퓨터는 각 배경정보 및 경력정보에 기초하여, 이를 검증할 수 있는 정보를 검색할 수 있다. 일 예로, 컴퓨터는 대학교의 졸업자 명단, 자격증 합격자 명단, 기업의 근로자 명단 등을 획득하여, 각 구직자의 학력이나 경력 등을 검증할 수 있다.

또한, 컴퓨터는 개시된 실시 예에 따라 수행되는 매칭, 계약 및 업무수행 결과를 저장하며, 이 중 일부는 블록체인에 저장될 수도 있다.

컴퓨터는 저장된 정보들에 기초하여, 각 구직자가 업로드한 배경정보 및 경력정보의 진위를 검증할 수 있다.

도 5는 일 실시 예에 따른 전문성 평가방법을 도시한 흐름도이다.

상술한 단계(S220)에서, 컴퓨터는 상기 수집된 배경정보 및 경력정보와 상기 구직자의 전문분야 간의 연관성을 평가하는 단계(S222)를 수행할 수 있다.

또한, 컴퓨터는 상기 수집된 배경정보 및 경력정보 각각의 점수를 평가하는 단계(S224)를 수행할 수 있다.

또한, 컴퓨터는 상기 평가된 연관성에 기초하여, 상기 평가된 점수 각각에 대한 가중치를 적용하는 단계(S226)를 수행할 수 있다.

또한, 컴퓨터는 상기 가중치가 적용된 점수에 기초하여, 상기 구직자의 전문분야에 대한 상기 구직자의 전문성을 평가하는 단계(S228)를 수행할 수 있다.

일 실시 예에서, 각 구직자가 업로드한 정보의 진위에 대한 검증이 수행된 후, 각 정보의 내용에 기초하여 각 구직자를 평가할 수 있다. 예를 들어, 각 구직자가 특정 분야의 전문가가 맞는지, 맞다면 그 전문성의 수준은 어느 정도인지 평가할 수 있는 시스템이 필요하다.

일 실시 예에서, 컴퓨터는 수집된 구직자 정보와, 각 구직자의 전문분야 간의 연관성을 평가할 수 있다. 예를 들어, 각 구직자가 근무한 직장 및 각 직장에서의 부서, 담당업무, 기타 업무수행 경력과, 각 구직자가 수행한 과제나 프로젝트 및 해당 과제 및 프로젝트에서 각 구직자가 담당한 업무 등에 대한 정보에 기초하여, 각 구직자에 대하여 하나 이상의 전문분야와의 연관성을 평가할 수 있다.

또한, 컴퓨터는 각 구직자 정보의 점수를 평가할 수 있다. 예를 들어, 각 구직자가 특정 분야의 전문가인지를 평가할 때, 각 구직자가 해당 분야의 업무를 수행하는 회사에 근무하였다 하여도, 근무기간, 담당업무 및 부서 등에 따라 그 점수는 달리 평가될 수 있다.

또한, 각 구직자가 특정 과제에 참여하였다 하여도, 참여비율 등에 따라 차등적으로 점수가 부여될 수도 있다.

또한, 각각의 직장이나 과제 등에서 해당 구직자가 수행한 업무에 대한 평가 결과에 따라 점수가 차등적으로 부여될 수 있다.

또한, 컴퓨터는 각각의 구직자 정보와, 특정 전문분야 간의 연관성에 따라 평가된 점수에 가중치를 부여할 수 있다. 예를 들어, 특정 경력정보에 대하여 할당된 점수가 100점이라 하여도, 해당 경력정보와 특정 전문분야 간의 연관성이 70%라 하면 점수는 70점으로 평가될 수 있다.

컴퓨터는 점수 평가 결과와, 각 평가 점수에 가중치가 적용된 값을 합산하여 각 구직자의 특정 전문분야에 대한 전문성을 평가할 수 있다.

일 실시 예에서, 각각의 구직자 정보와 각 전문분야 간의 연관성은 기 설정된 데이터베이스에 기초하여 수행될 수 있으며, 데이터베이스는 각 분야의 전문가들에 의하여 기 입력된 정보들을 포함할 수 있다.

예를 들어, 컴퓨터는 각 분야의 전문가들이 전문분야와의 연관성을 평가한 정보들을 수집하고, 해당 정보와 각 구직자 정보를 비교함으로써 전문성을 평가할 수 있다. 이러한 작업은 키워드 추출에 따른 단순 검색 및 비교에 의하여 수행될 수도 있고, 인공지능 모델에 기반한 학습을 통해 수행될 수도 있다.

도 6은 일 실시 예에 따른 구직자 평가방법을 구체적으로 도시한 흐름도이다.

상술한 단계(S222)에서, 컴퓨터는 기 수행된 구직자들의 전문성 평가자료를 획득하는 단계(S710)를 수행할 수 있다.

또한, 컴퓨터는 상기 획득된 전문성 평가자료에 포함된 키워드들을 추출하는 단계(S720)를 수행할 수 있다.

또한, 컴퓨터는 상기 추출된 키워드들에 대응하는 전문성 평가결과를 획득하는 단계(S730)를 수행할 수 있다.

또한, 컴퓨터는 상기 추출된 키워드들 및 상기 전문성 평가결과를 포함하는 학습 데이터를 생성하는 단계(S740)를 수행할 수 있다.

또한, 컴퓨터는 상기 학습 데이터를 이용하여, 키워드와 전문분야 간의 연관성을 평가하는 인공지능 모델을 학습시키는 단계(S750)를 수행할 수 있다.

또한, 컴퓨터는 상기 단계(S110)에서 수집된 상기 구직자의 배경정보 및 경력정보로부터 하나 이상의 키워드를 추출하는 단계(S760)를 수행할 수 있다.

또한, 컴퓨터는 상기 인공지능 모델을 이용하여, 상기 단계(S760)에서 추출된 하나 이상의 키워드 및 상기 구직자의 전문분야 간의 연관성을 평가하는 단계(S770)를 수행할 수 있다.

상술한 단계(S224)에서, 컴퓨터는 상기 수집된 경력정보 각각에 대한 상기 구직자의 참여율을 획득하는 단계(S780)를 수행할 수 있다.

또한, 컴퓨터는 상기 참여율에 기초하여 상기 평가된 점수를 조정하는 단계(S790)를 수행할 수 있다.

상술한 바와 같이, 컴퓨터는 기 수행된 구직자의 전문성을 평가한 자료를 획득할 수 있다. 예를 들어, 컴퓨터는 각 구직자 정보들과, 각각의 구직자 정보에 대하여 특정 전문분야와의 연관성을 평가한 정보들을 획득할 수 있다.

컴퓨터는 획득된 정보들을 데이터베이스에 저장하며, 저장된 정보들로부터 키워드를 추출할 수 있다. 예를 들어, 컴퓨터는 각각의 구직자 정보로부터 하나 이상의 키워드를 추출하고, 해당 구직자 정보에 대한 각 전문분야와의 연관성에 대한 정보를 획득함으로써, 각 키워드와 각 전문분야와의 연관성에 대한 정보를 획득할 수 있다.

일 실시 예에서, 컴퓨터는 키워드와 전문분야 간의 단순비교를 통해 정보를 획득할 수도 있으며, 인공지능 모델에 기반한 학습을 통해 정보를 획득할 수도 있다.

일 실시 예에서, 컴퓨터는 추출된 키워드들을 선별할 수 있다. 예를 들어, 컴퓨터는 다른 구직자 정보들과 공통되는 키워드들은 일반적인 키워드로 판단하여 배제할 수 있으며, 다른 구직자 정보들과 차별화될 수 있는 키워드들을 해당 구직자 정보의 핵심 키워드로 판단할 수도 있다.

또한, 컴퓨터는 수집된 정보에 기초하여 학습 데이터를 생성할 수 있다. 학습 데이터 생성 과정에서, 구직자 정보의 핵심 키워드가 선별될 수 있으며, 이러한 작업은 자연어처리(NLP), 키워드 비교, 클러스터링 등에 기초한 분류작업을 통해 수행될 수 있으나, 이에 제한되는 것은 아니다.

획득된 학습 데이터는, 전문분야와 키워드들 간의 연관성에 대한 정보가 포함될 수 있다. 예를 들어, 각 전문분야 카테고리와, 이와 연관성이 기준치 이상인 키워드들을 분류한 정보를 포함할 수 있고, 각 키워드와 각 전문분야 간의 연관성을 퍼센트 등 정량적 수치로 평가한 정보가 포함될 수도 있다.

컴퓨터는 학습 데이터에 기반하여 인공지능 모델을 학습시킬 수 있다.

컴퓨터는 획득된 구직자 정보로부터 키워드를 추출하고, 인공지능 모델을 이용하여 각각의 추출된 키워드와 각 전문분야 간의 연관성을 평가할 수 있다.

또한, 컴퓨터는 각각의 경력정보에 대하여, 각 구직자의 참여율을 획득하고, 이에 기초하여 평가점수를 조정할 수 있다. 예를 들어, 해당 구직자가 특정 과제에 참가하였으나, 그 참여율이 10%인 경우, 해당 경력정보에 대한 평가점수의 10%만을 해당 구직자에게 반영할 수 있다.

도 7은 일 실시 예에 따른 업무 스케쥴 기반 매칭방법을 도시한 흐름도이다.

상술한 단계(S400)에서, 컴퓨터는 프리랜서를 찾는 구인정보를 획득하는 단계(S410)를 수행할 수 있다.

상술한 단계(S500)에서, 컴퓨터는 상기 데이터베이스에 저장된 구직자 중 상기 구인정보에 매칭되는 프리랜서 구직자를 추출하는 단계(S510)를 수행할 수 있다.

또한, 컴퓨터는 상기 프리랜서 구직자의 업무 수행 히스토리 및 업무 스케쥴을 획득하는 단계(S520)를 수행할 수 있다.

또한, 컴퓨터는 상기 단계(S520)에서 획득된 정보 및 상기 구인정보에 포함된 요청 스케쥴을 비교하여, 상기 프리랜서 구직자의 예상 업무 스케쥴을 획득하는 단계(S530)를 수행할 수 있다.

또한, 컴퓨터는 상기 업무 수행 히스토리에 기초하여, 상기 예상 업무 스케쥴에 따른 상기 프리랜서 구직자의 업무 처리 완성도를 추정하는 단계(S540)를 수행할 수 있다.

또한, 컴퓨터는 상기 업무 처리 완성도가 기 설정된 기준값 이상인 프리랜서 구직자를 상기 구인정보에 매칭하는 단계(S550)를 수행할 수 있다.

일 예로, 개시된 실시 예에 따른 구직자 매칭방법은, 프리랜서 구직자에게 외주업무를 매칭 및 위탁하기 위한 서비스를 제공하는 데 이용될 수 있다.

프리랜서 구직자의 경우 외주업무를 과제 형태로 위탁받고, 위탁된 범위의 업무를 기간 내에 수행하여 납품하게 된다. 이 경우, 각 프리랜서 구직자가 수임할 수 있는 업무의 수는 제한되지 않고, 개인의 판단에 의하여 업무를 수임하고 처리하도록 할 수 있다.

하지만, 이 경우 개인의 능력을 초과하는 양의 업무를 수임할 수 있으며, 이 경우 기간을 맞추지 못하거나 기간을 맞추기 위해 업무의 질을 떨어트릴 수 있다.

따라서, 컴퓨터는 프리랜서 구직자의 기존 업무 수행 히스토리에 기초하여 해당 구직자의 업무처리 속도를 판단하고, 현재 업무 스케쥴을 획득하여 현재 업무량을 판단할 수 있다.

컴퓨터는 프리랜서 구직자에게 위탁하고자 하는 업무의 종류 및 분량에 기초하여 해당 프리랜서 구직자에게 업무가 위탁될 시 예상되는 업무 스케쥴을 생성하고, 해당 업무 스케쥴에 기초하여 해당 프리랜서 구직자의 업무 처리 완성도를 추정할 수 있다. 예를 들어, 예상 업무 스케쥴상 해당 프리랜서 구직자가 일반적인 업무시간 내로 업무를 처리할 수 없다고 판단되는 경우, 완성도가 떨어질 것으로 예측할 수 있다.

실시 예에 따라서, 해당 프리랜서 구직자가 평소에는 하루 8시간을 근무하지만, 업무가 많을 때에는 하루 10시간을 일할 수 있다. 컴퓨터는 업무 히스토리에 기초하여, 해당 프리랜서 구직자가 하루 최대 몇 시간을 근무하여도 업무의 완성도가 떨어지지 않는가에 대한 정보 또한 획득할 수 있다.

또한, 각 프리랜서 구직자는 하루당 업무수행이 가능한 시간의 범위를 미리 입력할 수 있다. 예를 들어, 사람에 따라 하루 6시간 이하의 업무만 수행하고자 하는 사람이 있을 수 있고, 일이 많으면 하루 10시간 이상의 업무도 수행할 수 있는 사람이 있다. 따라서, 컴퓨터는 프리랜서 구직자가 미리 입력한 업무시간의 범위에 기초하여 예상 업무 스케쥴을 생성 및 평가할 수 있다.

또한, 컴퓨터는 이에 기초하여 수행된 업무의 완성도에 따라, 각 구직자가 업무의 완성도를 떨어트리지 않고 하루 최대 몇 시간을 근무할 수 있는가에 대한 정보를 획득할 수 있다.

컴퓨터는 획득된 정보들에 기초하여, 각 구직자가 업무의 완성도를 떨어트리지 않고 하루 최대 근무할 수 있는 시간 내로 해당 업무를 수행하여, 기간 내로 업무를 마칠 수 있는가를 예상 업무 스케쥴에 기초하여 판단하고, 판단 결과 업무수행이 가능한 프리랜서 구직자를 구인정보와 매칭할 수 있다.

실시 예에 따라, 컴퓨터는 프리랜서 구직자의 개인 스케쥴을 획득하고, 이에 기초하여 실질적으로 업무수행이 가능한 시간에 대한 정보를 획득할 수 있다. 예를 들어, 해당 구직자가 개인적 스케쥴이 있는 경우 해당 시간에는 업무를 수행할 수 없을 것이므로, 이를 참조하여 해당 구직자의 실질 업무수행 가능 시간을 획득하고, 이에 기초하여 예상 업무 스케쥴을 생성하고, 해당 구직자의 업무수행 가능성을 평가할 수 있다.

도 8은 일 실시 예에 따른 이력서 요약정보 제공방법을 도시한 흐름도이다.

상술한 단계(S600)에서, 컴퓨터는 상기 매칭된 구직자 정보에 포함된 이력서를 획득하는 단계(S810)를 수행할 수 있다.

또한, 컴퓨터는 상기 획득된 이력서로부터, 상기 구인정보와 연관된 부분을 추출하는 단계(S820)를 수행할 수 있다.

또한, 컴퓨터는 상기 획득된 이력서로부터, 상기 데이터베이스에 저장된 다른 이력서들과 상이한 부분을 추출하는 단계(S830)를 수행할 수 있다.

또한, 컴퓨터는 상술한 단계(S820) 및 단계(S830)에서 추출된 부분들 각각으로부터 하나 이상의 키워드를 추출하는 단계(S840)를 수행할 수 있다.

또한, 컴퓨터는 상기 추출된 키워드에 기초하여, 상기 이력서에 대한 요약문을 생성하는 단계(S850)를 수행할 수 있다.

또한, 컴퓨터는 상기 생성된 요약문을 상기 기업에 제공하는 단계(S860)를 수행할 수 있다.

일 실시 예에서, 각 기업은 구직자들이 업로드한 이력서를 일일이 검토하는 데 소요되는 시간을 절약하고자 할 수 있고, 또한 이력서를 짧은 시간 내로 검토하는 과정에서 누락되는 정보를 획득하고자 할 수 있다.

본 명세서에서, 이력서는 특정 형태를 의미하는 것은 아니고, 개시된 실시 예에 따른 구직자 정보의 모든 형태를 포괄하는 의미로서 이해된다.

컴퓨터는 구직자 정보로부터 이력서를 추출하고, 각 구인정보와 연관된 부분들을 추출할 수 있다. 즉, 구직자가 이력서를 기업에 제출하는 경우와 달리, 기업이 구직자를 검색하는 상황이므로, 컴퓨터는 각 구직자들의 구직자 정보(이력서)로부터 각 기업의 구인정보와 연관된 부분을 추출할 수 있다.

예를 들어, 연관된 부분은 각 구인정보의 전문분야를 증명할 수 있는 배경정보 및 경력정보 등을 의미할 수 있으나, 이에 제한되는 것은 아니다.

또한, 컴퓨터는 이력서의 특징적인 부분들을 추출할 수 있다. 예를 들어, 컴퓨터는 해당 구직자 정보에 포함된 이력서와, 데이터베이스에 저장된 다른 구직자들의 이력서를 비교하여, 상이한 부분들을 추출할 수 있다. 이력서의 공통되는 부분은 일반적인 기술내용이거나, 해당 구직자의 특징을 나타내기 어려운 부분일 수 있다. 따라서, 컴퓨터는 다른 이력서들과 상이하거나, 다른 이력서들에 낮은 확률 또는 비율로 포함된 내용을 추출할 수 있다.

컴퓨터는 추출된 내용들에 기초하여 이력서에 대한 요약문을 생성할 수 있으며, 요약문에 해당하는 전문의 부분을 하이라이트할 수 있고, 요약문에서도 주요 키워드를 하이라이트 처리할 수 있다.

컴퓨터는 생성된 요약문을 정리하여 기업에 제공할 수 있으며, 기업은 요약문을 확인하면서 원하는 구직자에 대한 정보를 선택하여 구체적으로 검토할 수 있는 장점이 있다.

도 9는 일 실시 예에 따른 프로젝트 기반 매칭방법을 도시한 흐름도이다.

상술한 단계(S400)에서, 컴퓨터는 상기 기업으로부터 프로젝트 정보를 획득하는 단계(S910)를 수행할 수 있다.

또한, 컴퓨터는 상기 프로젝트 정보에 포함된 하나 이상의 업무분야에 대한 정보를 획득하는 단계(S920)를 수행할 수 있다.

또한, 컴퓨터는 상기 하나 이상의 업무분야를 수행하기 위한 전문분야를 결정하는 단계(S930)를 수행할 수 있다.

또한, 컴퓨터는 상기 하나 이상의 업무분야의 필요인력을 결정하는 단계(S940)를 수행할 수 있다.

상술한 단계(S500)에서, 컴퓨터는 상기 결정된 전문분야에 대응하는 구직자 정보를 획득하는 단계(S950)를 수행할 수 있다.

또한, 컴퓨터는 상술한 단계(S950)에서 획득된 구직자 정보로부터, 상기 결정된 필요인력에 해당하는 구직자를 추출하는 단계(S960)를 수행할 수 있다.

상술한 단계(S600)에서, 컴퓨터는 상기 추출된 구직자에 대한 정보를 상기 기업에 제공하는 단계(S970)를 수행할 수 있다.

일 실시 예에서, 프로젝트는 특정 기간동안 수행되는 태스크포스(TF)나 과제 등을 의미할 수 있으나, 이에 제한되는 것은 아니며, 일반적인 기업 혹은 특정 부서의 업무를 의미할 수도 있다.

컴퓨터는 프로젝트 정보로부터 프로젝트를 수행하는 데 필요한 하나 이상의 업무분야에 대한 정보를 획득할 수 있다. 이는 기업의 업무분장에 대한 정보를 의미할 수도 있다.

컴퓨터는 각 업무분야를 처리하기 위한 하나 이상의 전문분야를 결정하고, 해당 분야의 필요인력의 종류 및 수를 결정할 수 있다. 예를 들어, 전문분야는 개발, 디자인, 기획, 회계, 어학 등을 포함할 수 있으나, 이에 제한되는 것은 아니다.

또한, 컴퓨터는 각 전문분야의 필요인력의 종류 및 수(예를 들어 사원급 2명, 대리급 2명, 혹은 5년 이상 경력자 1명 등)를 결정할 수 있다.

컴퓨터는 결정된 필요인력의 종류 및 수에 기초하여 구직자 정보를 추출하고, 추출된 정보를 기업에 제공할 수 있다.

즉, 컴퓨터는 프로젝트 정보만을 획득하여, 해당 프로젝트를 운영하는 데 필요한 인력을 설계하고, 추천할 수 있다.

일 실시 예에서, 컴퓨터는 프로젝트 정보에 기초하여 다양한 TF팀 구성을 생성하고, 각각의 구성에 대해서도 서로 다른 구직자를 포함하는 복수의 조합을 생성할 수 있다.

예를 들어, 컴퓨터는 각 전문분야별 필요인력의 종류 및 수에 대한 복수의 구성을 생성하고, 이를 기업에 제공하여 원하는 구성을 선택하도록 할 수 있으며, 각각의 구성에 대한 정량적 평가결과를 함께 제공할 수 있다.

또한, 컴퓨터는 결정된 구성에 대하여 서로 다른 구직자를 포함하는 복수의 조합을 생성하고, 각각의 조합을 기업에 제공할 수 있다. 예를 들어, TF팀을 구성하는 각각의 위치에 서로 다른 구직자를 매칭하고, 매칭 결과에 따른 각 TF팀의 정량적 평가정보를 기업에 함께 제공할 수 있다. 기업은 제시된 예시들 중 적어도 하나의 팀을 선택할 수 있다. 실시 예에 따라서, 기업은 제시된 복수의 조합에 포함된 서로 다른 구직자들을 이용하여 새로운 조합을 생성하고, 생성된 조합에 기초하여 각 구직자를 매칭할 것을 요청할 수도 있다.

또한, 컴퓨터는 기업의 인사과의 업무를 수행할 수 있으며, 예를 들어 기업의 업무내용에 기초하여 각 팀의 필요인력의 종류 및 수를 판단할 수 있다.

컴퓨터는 해당 기업에 이미 근무중인 직원들을 프로젝트 혹은 업무에 필요한 각 자리에 배치할 수도 있다. 컴퓨터는 프로젝트 혹은 업무에 배치할 수 있는 직원들의 풀을 획득하고, 획득된 풀에서 우선적으로 자리를 채울 수 있다. 부족한 인력이 있는 경우, 컴퓨터는 해당 인력에 대해 구직자를 검색 및 추출하여, 해당 정보를 기업에 제공할 수 있다.

도 10은 일 실시 예에 따른 장치의 구성도이다.

프로세서(102)는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.

일 실시예에 따른 프로세서(102)는 메모리(104)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 도 1 내지 도 9와 관련하여 설명된 방법을 수행한다.

예를 들어, 프로세서(102)는 구직자 정보를 수집하고, 상기 구직자 정보를 검증하고, 상기 검증된 구직자 정보를 데이터베이스에 저장하고, 기업으로부터 구인정보를 획득하고, 상기 데이터베이스에 저장된 구직자 중 상기 구인정보에 대응하는 구직자를 매칭하고, 상기 매칭된 구직자 정보를 상기 기업에 제공한다.

한편, 프로세서(102)는 프로세서(102) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(102)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.

메모리(104)에는 프로세서(102)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리(104)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.

본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.

이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

10: 기업 단말
20: 구직자 단말
100: 서버

Claims (10)

1. 컴퓨터에 의하여 수행되는 방법에 있어서,
   전문가 정보를 수집하는 단계(S100);
   상기 전문가 정보를 검증하는 단계(S200);
   상기 검증된 전문가 정보를 데이터베이스에 저장하는 단계(S300);
   기업으로부터 구인정보를 획득하는 단계(S400);
   상기 데이터베이스에 저장된 전문가 중 상기 구인정보에 대응하는 전문가를 매칭하는 단계(S500); 및
   상기 매칭된 전문가 정보를 상기 기업에 제공하는 단계(S600); 를 포함하고,
   상기 단계(S100)는,
   전문가의 학력, 자격증 및 어학점수를 포함하는 전문가의 배경정보 및 전문가가 근로한 직장에 대한 정보, 전문가가 수행한 프로젝트에 대한 정보 및 전문가가 수행한 과제에 대한 정보를 포함하는 경력정보를 수집하는 단계(S110); 를 포함하고,
   상기 단계(S200)는,
   상기 수집된 배경정보 및 경력정보를 검증하는 단계(S210); 및
   상기 단계(S210)에서 검증된 결과에 기초하여 전문가의 전문분야를 평가하는 단계(S220); 를 포함하고,
   상기 단계(S210)는,
   상기 수집된 배경정보 및 경력정보에 대응하는 증빙자료를 획득하되, 상기 증빙자료는 상기 전문가로부터 획득된 자료 및 상기 수집된 배경정보 및 경력정보에 포함된 키워드에 기초하여 검색된 자료를 포함하는, 단계(S212); 및
   상기 증빙자료에 기초하여 상기 전문가의 배경정보 및 경력정보를 검증하는 단계(S214); 를 포함하고,
   상기 단계(S214)는,
   상기 전문가로부터 증빙자료를 수신하는 단계; 및
   상기 배경정보 및 상기 경력정보를 검증할 수 있는 정보를 검색하여, 상기 배경정보 및 상기 경력정보를 검증하는 단계; 를 포함하고,
   상기 단계(S220)는,
   상기 수집된 배경정보 및 경력정보와 상기 전문가의 전문분야 간의 연관성을 평가하는 단계(S222);
   상기 수집된 배경정보 및 경력정보 각각의 점수를 평가하는 단계(S224);
   상기 평가된 연관성에 기초하여, 상기 전문가의 전문분야에 대한 상기 평가된 점수 각각의 가중치를 적용하는 단계(S226); 및
   상기 가중치가 적용된 점수에 기초하여, 상기 전문가의 전문분야에 대한 상기 전문가의 전문성을 평가하는 단계(S228); 를 포함하고,
   상기 단계(S222)는,
   전문가가 근무한 직장, 각 직장에서의 부서, 담당업무, 기타 업무수행 경력, 전문가가 수행한 과제, 프로젝트 및 해당 과제 및 프로젝트에서 각 전문가가 담당한 업무에 대한 정보에 기초하여 기 수행된 전문가들의 전문성 평가자료를 획득하는 단계(S710);
   상기 획득된 전문성 평가자료에 포함된 키워드들을 추출하는 단계(S720);
   상기 추출된 키워드들에 대응하는 전문성 평가결과를 획득하는 단계(S730);
   상기 추출된 키워드들 및 상기 전문성 평가결과를 포함하는 학습 데이터를 생성하는 단계(S740);
   상기 학습 데이터를 이용하여, 키워드와 전문분야 간의 연관성을 평가하는 인공지능 모델을 학습시키는 단계(S750);
   상기 단계(S110)에서 수집된 상기 전문가의 배경정보 및 경력정보로부터 하나 이상의 키워드를 추출하는 단계(S760); 및
   상기 인공지능 모델을 이용하여, 상기 단계(S760)에서 추출된 하나 이상의 키워드 및 상기 전문가의 전문분야 간의 연관성을 평가하는 단계(S770); 를 더 포함하고,
   상기 단계(S224)는,
   상기 수집된 경력정보 각각에 대한 상기 전문가의 참여율을 획득하는 단계(S780); 및
   상기 참여율에 기초하여 상기 평가된 점수를 조정하는 단계(S790); 를 더 포함하고,
   상기 단계(S400)는,
   프리랜서 전문가를 찾는 구인정보를 획득하는 단계(S410); 를 포함하고,
   상기 단계(S500)는,
   상기 데이터베이스에 저장된 전문가 중 상기 구인정보에 매칭되는 프리랜서 전문가를 추출하는 단계(S510);
   상기 프리랜서 전문가의 업무 수행 히스토리, 개인 스케쥴 및 업무 스케쥴을 획득하는 단계(S520);
   상기 단계(S520)에서 획득된 정보 및 상기 구인정보에 포함된 요청 스케쥴을 비교하여, 상기 프리랜서 전문가의 예상 업무 스케쥴을 획득하는 단계(S530);
   상기 업무 수행 히스토리에 기초하여, 상기 예상 업무 스케쥴에 따른 상기 프리랜서 전문가의 업무 처리 완성도를 추정하는 단계(S540); 및
   상기 업무 처리 완성도가 기 설정된 기준값 이상인 프리랜서 전문가를 상기 구인정보에 매칭하는 단계(S550); 를 포함하고,
   상기 단계(S530)는,
   상기 개인 스케쥴에 기초하여 업무 수행이 가능한 시간에 대한 업무수행 가능 시간을 획득하는 단계;
   상기 업무 스케쥴에 기초하여 상기 프리랜서 전문가의 현재 업무량을 판단하는 단계; 및
   상기 업무수행 가능 시간 및 상기 현재 업무량과 상기 구인정보에 포함된 요청 스케쥴을 비교하여, 상기 프리랜서 전문가의 예상 업무 스케쥴을 획득하는 단계; 를 포함하고,
   상기 단계(S600)는,
   상기 매칭된 전문가 정보에 포함된 이력서를 획득하는 단계(S810);
   상기 획득된 이력서로부터, 상기 구인정보와 연관된 부분을 추출하는 단계(S820);
   상기 획득된 이력서로부터, 상기 데이터베이스에 저장된 다른 이력서들과 상이한 부분을 추출하는 단계(S830);
   상기 단계(S820) 및 단계(S830)에서 추출된 부분들 각각으로부터 하나 이상의 키워드를 추출하는 단계(S840);
   상기 추출된 키워드에 기초하여, 상기 이력서에 대한 요약문을 생성하는 단계(S850); 및
   상기 생성된 요약문을 상기 기업에 제공하는 단계(S860); 를 더 포함하고,
   상기 단계(S400)는,
   상기 기업으로부터 프로젝트 정보를 획득하는 단계(S910);
   상기 프로젝트 정보에 포함된 하나 이상의 업무분야에 대한 정보를 획득하는 단계(S920);
   상기 하나 이상의 업무분야를 수행하기 위한 전문분야를 결정하는 단계(S930); 및
   상기 하나 이상의 업무분야의 필요인력을 결정하는 단계(S940); 를 더 포함하고,
   상기 단계(S500)는,
   상기 결정된 전문분야에 대응하는 전문가 정보를 획득하는 단계(S950); 및
   상기 단계(S950)에서 획득된 전문가 정보로부터, 상기 결정된 필요인력에 해당하는 전문가를 추출하는 단계(S960); 를 더 포함하고,
   상기 단계(S600)는,
   상기 추출된 전문가에 대한 정보를 상기 기업에 제공하는 단계(S970); 를 포함하고,
   상기 단계(S100)는,
   상기 배경정보 및 상기 경력정보에 기초하여 상기 전문가에 대한 하나 이상의 전문분야를 선택하는 단계;
   상기 하나 이상의 전문분야 각각에 대한 전문성을 평가하는 단계; 및
   상기 평가된 전문성을 바탕으로 상기 하나 이상의 전문분야의 우선순위를 판단하는 단계; 를 포함하고,
   상기 단계(S500)는,
   상기 하나 이상의 전문분야 중 적어도 하나의 전문분야에 대한 삭제 명령을 수신한 경우, 상기 삭제 명령에 대응되는 상기 적어도 하나의 전문분야를 상기 전문가의 전문분야에서 삭제하는 단계; 및
   상기 하나 이상의 전문분야 중 삭제되지 않은 전문분야 각각의 전문성을 바탕으로 상기 구인정보에 대응하는 전문가를 매칭하는 단계; 를 포함하는 전문가 매칭 서비스 제공방법.
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 삭제
7. 삭제
8. 삭제
9. 하나 이상의 인스트럭션을 저장하는 메모리; 및
   상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고,
   상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
   제1항의 방법을 수행하는, 장치.
10. 하드웨어인 컴퓨터와 결합되어, 제1 항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램.

Images