KR102299780B1 - 강화학습 기반 경력자 전문능력 추천 시스템 및 추천 방법 - Google Patents

Abstract

추천시스템 서버가 인터넷을 이용한 기업 구인앱을 통하여 기업으로부터 전문능력 요구정보를 포함한 구인 요구정보를 포함하여 입력받는 단계; 상기 추천시스템 서버가 인터넷을 이용한 경력자 구직앱을 통하여 전문능력 입력정보를 포함한 경력자 구직 정보를 입력받는 단계; 상기 추천시스템 서버가 상기 경력자 구직정보로부터 제1 기업에서 요구되는 기본 조건을 만족하는 경력자들을 선별하여 경력자 집단을 추출하는 단계; 상기 추천시스템 서버가 상기 추출된 경력자 집단에 대해 강화학습 기반 전문능력 추천방법을 수행하여 전문능력 유사도에 따른 전문 경력자 그룹을 추출하는 단계; 상기 추천시스템 서버가 상기 전문 경력자 그룹에 대해 추천용 경력자 리스트를 추출하는 단계; 및 상기 제1 기업에게 상기 추천용 경력자 리스트 및 구직 정보를 상기 제1기업에게 제공하는 단계; 를 포함하는 강화학습 기반 경력자 전문능력 추천방법.

Description

강화학습 기반 경력자 전문능력 추천 시스템 및 추천 방법{(Reinforcement learning-based recommendation system for job matching of person with experience and method using the same}

본 발명은 강화학습 기반으로 전문직종의 경력자 고용을 원하는 사용자에게 매칭하여주는 전문능력 추천시스템 및 그 방법에 관한 기술이다.

베이비붐 세대(1955~1963년생)가 은퇴를 앞두거나 은퇴하는 등 사회적인 세대 교체가 다방면으로 일어나고 있다. 베이비 부머들은 스스로 이전 세대의 노인 달리 '더 젊은 노인'이라고 여기고 있으며, 또한, 과거와는 달리 세계적 경제 호황기의 혜택으로 윤택한 생활과 문화적 다양성을 누린 세대를 다수 포함하고 있다.

이에 따라 경력자 재취업에는, 생계유지에만 국한하여 고려하는 것보다는 심리적 만족, 보상과 행복한 삶의 조건에 따른 구성요소에 이르기까지 개인적 취향과 사회적 기여를 모두 포괄하는 매우 적극적이고 성취적이며 관계 지향적 전략이 필요하다.

한편, 기업의 입장에서는 경력자의 과거 커리어를 직종에 맞도록 채용하려는 욕구는 있으나, 수많은 지원자 중에서 기업이 활용할 수 있는 전문 지식을 가진 경력자를 구별하는 것에 어려움이 있어서 원하는 구인이 제대로 이루어지지 않을 수 있다.

이에 따라 정보탐색을 이용하여 요구 업무에 일치하는 구직자를 선별하여 제공함으로써 지능적 커리어 매칭을 이끌러 낼 수 있는 지원 시스템이 하나의 방법으로 될 수 있다.

본 발명 기술에 대한 배경기술은 대한민국 등록특허공보 10-2008127 B(시니어 일자리 특화 이지 매칭 플랫폼 시스템)에 게시된바 있다.

대한민국 등록특허공보 10-2008127 B(시니어 일자리 특화 이지 매칭 플랫폼 시스템) 대한민국 공개 특허공보 10-2020-0006493(블록체인을 이용한 구인 구직 서비스 제공 시스템)

본 발명은 사용자가 기업에 필요로 하는 조건과 전문 경력을 가지고 있는 구직자들의 다양한 정보들을 고려하여 효율적으로 구직자들을 추출하여 매칭 정보를 제공하는 강화학습기반 경력자 전문능력 추천 시스템을 목적으로 한다.

본 발명의 목적은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.

본 발명의 일측면에 따르면, 추천시스템 서버가 인터넷을 이용한 기업 구인앱을 통하여 기업으로부터 전문능력 요구정보를 포함한 구인 요구정보를 포함하여 입력받는 단계; 상기 추천시스템 서버가 인터넷을 이용한 경력자 구직앱을 통하여 전문능력 입력정보를 포함한 경력자 구직 정보를 입력받는 단계; 상기 추천시스템 서버가 상기 경력자 구직정보로부터 제1 기업에서 요구되는 기본 조건을 만족하는 구직자들을 선별하여 구직자 집단을 추출하는 단계; 상기 추천시스템 서버가 상기 추출된 구직자 집단에 대해 강화학습 기반 전문능력 추천방법을 수행하여 전문능력 유사도에 따른 전문 구직자 그룹을 추출하는 단계; 상기 추천시스템 서버가 상기 전문 경력자 그룹에 대해 추천용 경력자 리스트를 추출하는 단계; 및 상기 제1 기업에게 상기 추천용 경력자 리스트 및 구직 정보를 제공하는 단계; 를 포함하는 강화학습 기반 경력자 전문능력 추천방법이 제공된다.

또한, 상기 마) 단계는, 상기 추출된 전문 경력자 그룹에 대해 최소한의 추천인 수를 선정하고, 선정된 경력자에게 상기 제1기업에 추천을 위한 동의를 요청하고, 상기 동의가 완료된 경력자에 대한 추천용 경력자 리스트를 추출하는 것을 특징으로 한다.

또한, 상기 경력자 구직 정보는 경력자 단말로부터 상기 구직앱의 입력화면을 통하여 주거지 위치 및 인적사항에 대한 기본정보, 경력자가 요구하는 근무형태, 희망 임금 및 희망 직종 정보, 경력자의 과거 경력, 전문능력 입력정보를 포함하여 입력되고, 상기 구인 정보는 기업 구인자 단말로부터 상기 구인앱의 입력화면을 통하여 기업에서 요구되는 근무형태, 임금 범위, 구인 직종, 요구 업무, 상기 업무 관련 키워드를 포함한 전문능력 요구정보를 포함하여 입력되는 것을 특징으로 한다.

또한, 상기 구인앱의 전문능력 요구정보는, 상기 구인앱의 입력화면을 통하여 요구 업무와 관련된 전문능력에 관한 상기 키워드를 입력하여 제공되되, 상기 키워드는 복수의 키워드로 입력이 되고, 입력된 키워드의 중요도에 대한 순위 및 중요도에 따른 비율을 퍼센트로 입력되는 것을 특징으로 한다.

또한, 상기 구인앱의 입력화면에는 키워드 검색기능을 더 포함하고, 상기 입력화면을 통하여 요구 직종 및 요구 업무가 입력이 되고, 키워드 검색기능 버튼이 선택되면, 상기 추천시스템 서버는 데이터베이스에 축적된 해당 요구직종 및 요구 업무에 대한 키워드 및 중요도에 대한 리스트를 신뢰도 순위 순으로 나열하여 팝업 창으로 제공되는 것을 특징으로 한다.

또한, 상기 구직앱의 전문능력 입력정보는, 상기 구직앱의 입력화면을 통하여 경력자 전문능력에 대한 정보를 텍스트로 입력할 수 있는 항목이 제공되어 입력되되, 상기 전문능력에 대한 정보는 수업과목명, 프로젝트 과목명, 논문명, 협회경력, 자문요원 경력 중 어느 하나 이상이 입력되는 것을 특징으로 한다.

또한, 상기 라) 단계의 상기 강화학습 기반 전문능력 추천방법은, a) 상기 경력자 집단 중 제1경력자에 대해 상기 제1 기업에서 요구 직종 및 요구 업무와 관련되어 요구되는 키워드 및 중요도 정보를 수집하는 단계; b) 상기 제1경력자의 경력자 정보로부터 전문능력에 대해 텍스트로 제공된 항목들을 추출하여 수집하는 텍스트 데이터 수집단계; c) 상기 수집된 텍스트 데이터로부터 상기 키워드와 일치하는 횟수를 추출하는 키워드 추출단계; d) 상기 추출한 키워드에 대해 각 키워드별 추출횟수, 상기 추출횟수에 대한 가중치 및 상기 중요도 정보를 합산하여 경력자 점수를 부여하는 점수 부여단계; e) 상기 경력자 점수에 과거 취업패턴 또는 기업의 피드백 정보를 학습하여 최적의 점수를 산출하는 최적 점수 산출단계; 및 f) 상기 최적 점수가 설정된 조건을 만족하는 지를 판단하는 조건만족 판단단계; 를 포함하는 것을 특징으로 한다.

또한, 상기 f) 단계의 조건 만족 판단단계에서 조건에 만족된 경우, 상기 제1경력자를 상기 전문 경력자 그룹으로 분류하되, 상기 전문 경력자 그룹은 e) 단계에서 산출된 점수순으로 배열되는 것을 특징으로 한다.

또한, 상기 f) 단계의 조건 만족 판단단계에서 조건에 만족되지 않은 경우, 상기 제1 경력자를 제외하고 경력자 집단 중의 다른 경력자에 대해 상기 a) 단계부터 추천 방법을 순차적으로 수행하는 것을 특징으로 한다.

또한, 상기 구인앱의 입력화면에는 키워드 검색기능을 더 포함하고, 상기 입력화면을 통하여 요구 직종 및 요구 업무가 입력이 되고, 키워드 검색기능 버튼이 선택되면, 상기 추천시스템 서버는 데이터베이스에 축적된 해당 요구직종 및 요구 업무에 대한 키워드 및 중요도에 대한 리스트를 신뢰도 순위 순으로 나열하여 팝업 창으로 제공되는 것을 특징으로 한다.

또한, 상기 구인 요구 정보에 구인을 요하는 경력자의 위치정보를 고려하도록 선택된 경우, 상기 f) 단계 이후에 경력자의 주거지와 기업 간의 거리에 따른 점수를 상기 e) 단계에서 산출된 점수에서 가감하는 과정을 더 포함하여 상기 전문 경력자 그룹을 다시 수정하여 재배열하는 것을 특징으로 한다.

본 발명의 또 다른 측면에 따르면, 강화학습 기반 경력자 전문능력 추천시스템 서버는, 인터넷을 이용한 기업 구인앱을 통하여 기업으로부터 전문능력 요구정보를 포함한 구인 요구정보를 포함하여 입력받고, 인터넷을 이용한 경력자 구직앱을 통하여 전문능력 입력정보를 포함한 경력자 구직 정보를 입력받는 입력부; 상기 경력자 구직정보로부터 제1 기업에서 요구되는 기본 조건을 만족하는 경력자들을 선별하여 경력자 집단을 추출하는 기본조건 매칭모듈부; 상기 추출된 경력자 집단에 대해 강화학습 기반 전문능력 추천방법을 수행하여 전문능력 유사도에 따른 전문 경력자 그룹을 추출하고, 상기 전문 경력자 그룹에 대해 추천용 경력자 리스트를 추출하는 강화학습 기반 전문능력 추천모듈부; 및 상기 제1 기업에게 상기 추천용 경력자 리스트에 대한 경력자의 구직 정보를 상기 제1기업에게 제공하는 출력부; 를 포함하는 것을 특징으로 한다.

본 발명의 일 실시 예에 따르면, 기업 측면 기업 구인 담당자가 추천시스템 서버를 통하여 필요한 전문능력을 갖춘 경력 구직자들에 대해 키워드를 기반으로 간편하게 선택할 수 있다.

경력자의 전문능력을 활용해 기업과의 매칭해 전문적인 능력을 퇴직 후에도 활용할 수 있도록 하는데 기여할 수 있다.

본 발명의 일 실시 예에 따르면, 경력자의 전문인력 제공 서비스를 통해 퇴직자의 일자리 문제를 해결할 수 있고 이를 토대로 경력자들의 네트워크 구축할 수 있다,

또한, 기업과 경력자들에 대한 고용 점수 계산을 통한 단일 및 다중 매칭을 통해 고용의 형평성을 제공할 수 있다.

도 1은 본 발명의 일 실시 예에 따른 강화 학습 기반 경력자 전문능력 추천 시스템의 구축 예를 도시한 것이다
도 2는 본 발명의 일 실시 예에 따른 경력자 전문능력 추천시스템 서버(100)의 내부 구성에 대한 블록도를 도시한 것이다.
도 3은 본 발명의 일 실시 예에 따른 경력자 전문능력 추천시스템 서버가 기업의 요구에 맞추어 경력자 전문능력을 매칭하여 기업에게 추천하는 추천방법에 대한 순서를 도시한 것이다.
도 4는 본 발명의 본 발명의 일 실시 예에 따른 강화 학습 기반 경력자 전문능력 추천시스템 서버가 전문능력 추천단계의 세부방법에 대한 순서도를 도시한 것이다.
도 5는 기업의 경력자자 구인앱의 웹페이지 입력화면 중 전문능력에 관한 요구정보 입력화면의 예를 도시한 것이다.
도 6은 본 발명의 일 실시 예에 따른 경력자 구직앱의 입력화면 중 전문능력 입력정보 입력화면의 예를 도시한 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 출원에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

또한, 본 발명의 실시 예의 구성 요소를 설명하는 데 있어서, 제1, 제2 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 '연결', '결합' 또는 '접속'된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결, 결합 또는 접속될 수 있지만, 그 구성 요소와 그 다른 구성요소 사이에 또 다른 구성 요소가 '연결', '결합' 또는 '접속'될 수도 있다고 이해되어야 할 것이다.

이하, 강화학습기반 경력자 전문능력 추천 시스템 및 방법에 대해 실시 예를 들어 설명한다.

도 1은 본 발명의 일 실시 예에 따른 강화학습 기반 경력자 전문능력 추천 시스템의 구축 예를 도시한 것이다.

도 1을 참조하면, 본 발명의 일 실시 예에 따른 강화학습 기반 경력자 전문능력 추천 시스템은 강화학습 기반 경력자 전문능력 추천 시스템 서버(100, ' 이하 추천 시스템 서버'라 한다.)에 네트워크상으로 연결된 복수의 경력자 단말기(200) 및 복수의 기업 구인자 단말(300)을 포함한다.

구직을 요하는 복수의 경력자는 경력자 단말(200)을 이용하여 상기 추천시스템 서버(100)에서 제공하는 경력자 구직앱을 통하여 회원 가입을 하고, 상기 추천시스템 서버(100)에 요구되는 경력자 정보를 입력할 수 있다.

또한, 복수의 기업의 구인 담당자는 기업 구인자 단말(300)을 이용하여 상기 추천시스템 서버(100)에서 제공하는 기업 구인앱을 통하여 회원가입을 한 후, 상기 추천시스템 서버(100)에 요구되는 구인정보를 입력할 수 있다.

추천시스템 서버(100)는 경력자 및 기업의 회원 가입으로 개인 및 기업의 유효한 진위 여부의 확인으로 신뢰성을 높이고 효율적인 구인 구직활동을 원활하게 유지할 수 있다.

본 발명의 일 실시 예에 따른 경력자 구직앱의 입력화면에는 주거지 위치 및 인적사항에 대한 기본정보, 경력자가 요구하는 근무형태, 희망 임금 및 희망 직종 정보, 경력자의 과거 경력, 전문능력 입력정보를 포함하여 입력될 수 있다.

본 발명의 일 실시 예에 따른 기업의 경력자 구인앱의 웹페이지에서 제공하는 입력화면에는 기업에서 요구되는 근무형태, 임금 범위, 구인 직종 및 요구 업무, 요구 업무 관련 키워드를 포함한 전문능력 요구정보를 포함하여 입력될 수 있다.

기업에서 요구되는 근무형태는 주 5일 근무, 주 3일 근무, 재택근무, 시간근무(강의 시간 등) 기타 야간근무 중 복수를 선택적으로 기재하도록 할 수 있다.

본 발명의 일 실시 예에 따른 추천시스템 서버(100)는 경력자의 전문 분야에 대한 키워드 횟수와 위치정보에 대한 점수를 계산하고 강화학습 방법론을 이용해 통해 단일 및 다중 추천 시스템을 구축하는 것을 특징으로 한다.

또한, 본 발명의 또 다른 실시 예에서는 비슷한 점수를 가지는 경력자들에 대해 시기별(분기, 월 단위, 주 단위) 기업 고용 횟수값을 점수 계산에 추가함으로써, 기업 고용의 기회에 대해 형평성을 제공할 수 있다.

본 발명의 일 실시 예에 따른 추천시스템 서버(100)의 입력부(110)는 기업 구인앱 및 경력자 구직앱을 통하여 기업의 정보와 경력자의 정보 및 전문 경력에 대한 정보들을 제공받는다.

또한, 추천시스템 서버(100)의 데이터베이스는 매번 수행되는 직종 및 요구 업무에 관한 키워드, 중요도들에 대한 키워드 데이터 베이스를 구축함으로써 기업에서 요구하는 능력과 연관된 경력자에 대한 효율적인 추천 시스템을 구축할 수 있다.

본 발명의 일 실시 예에 따른 추천시스템 서버(100)는 매칭 프로그램에 의해 기업의 경력자 구인 모집에 의한 요구되는 능력과 연관된 구직을 요하는 경력자의 전문 능력에 대한 전문능력 연관성에 대한 유사도를 산출하고, 유사도에 따라 매칭되는 은퇴지 그룹을 추출할 수 있다.

또한, 추출된 경력자 그룹에 대해서는 경력자의 추천 동의를 득한 후, 매칭되는 기업에 복수의 구직 경력자 구직 정보를 제공하여 기업 구인 담당자로 하여금 효율적으로 채용을 결정할 수 있도록 할 수 있다.

도 2는 본 발명의 일 실시 예에 따른 경력자 전문능력 추천시스템 서버(100)의 내부 구성에 대한 블록도를 도시한 것이다.

도 2를 참조하면, 본 발명의 일 실시 예에 따른 경력자 전문능력 추천시스템 서버(100)는 입력부(110), 출력부(120), 기본조건 매칭모듈부(130), 강화학습기반 전문능력 추천모듈부(140). 데이터베이스(150) 및 상기 각 부를 제어하는 제어부(160)를 포함한다,

이하, 본 발명의 일 실시 예에 따른 경력자 전문능력 추천시스템 서버(100)가 경력자 전문능력을 매칭하여 기업에게 제공하는 추천방법을 설명한다.

도 3은 본 발명의 일 실시 예에 따른 경력자 전문능력 추천시스템 서버가 기업의 요구에 맞추어 경력자 전문능력을 매칭하여 기업에게 추천하는 추천방법에 대한 순서를 도시한 것이다.

도 3을 참조하면, 본 발명의 일 실시 예에 따른 추천시스템 서버(100)의 매칭 추천방법은, 먼저 추천시스템 서버(100)의 입력부(110)가 인터넷을 이용한 기업 구인앱을 통하여 기업으로부터 기업에서 요구되는 근무형태, 임금 범위, 구인 직종, 업무 관련 전문능력 키워드를 포함한 전문능력 요구정보 및 위치 고려사항을 포함한 구인 요구정보를 포함하여 입력받는다(410 단계).

또한, 추천시스템 서버(100)의 입력부(110)는 는 인터넷을 이용한 경력자 구직앱을 통하여 구직을 요하는 경력자의 주거지 위치 및 인적사항에 대한 기본정보, 경력자가 요구하는 근무형태, 희망 임금 및 희망 직종 입력정보, 전문능력 입력정보를 포함한 경력자 구직 정보를 입력받는다(420 단계).

상기 매칭 프로그램의 다음 단계에서, 추천시스템 서버(100)의 기본조건 매칭모듈부(130)가 구직을 요하는 경력자 구직 정보로부터 제1기업에서 요구되는 직종, 임금범위, 근무형태를 포함하는 기본 조건을 만족하는 경력자들을 선별하여 제1 기업에 대한 경력자 집단을 추출한다(430 단계).

다음은 440단계에서 추천시스템 서버(100)의 강화학습 기반 전문능력 추천모듈부(140)_가 상기 선별된 제1기업에 대한 경력자 집단에 대해 강화학습 기반 전문능력 추천방법을 수행하여 전문능력 유사도에 따른 전문 경력자 그룹을 추출한다.

본 발명의 일 실시 예에 따른 전문 경력자 그룹에 대해 전문능력 추천방법은 도 4에서 다시 상세하게 설명한다.

다음은 450단계에서 추천시스템 서버(100)의 강화학습 기반 전문능력 추천모듈부(140)는 상기 추출된 전문 경력자 그룹에 대해 최소한의 추천인 수를 선정하고, 선정된 경력자에게 상기 제1기업에 추천을 위한 동의를 요청하고, 동의가 완료된 경력자에 대한 추천용 경력자 리스트를 추출한다.

본 발명의 일 실시 예에 따른 면, 상기 최소한의 추천 개수는 통상 10 ~ 20개 범위에서 유사도 점수의 높은 순으로 선정한다.

최소한의 추천인 수가 20개가 넘으면 기업 담당자의 선택 업무가 과중되어 선호도가 떨어질 수 있으며, 최소한의 추천인 수가 10개 미만에서는 기업 담당자의 선택의 폭이 좁아서 기업으로부터 불만이 야기될 수 있다.

본 발명의 또 다른 실시 예에서는 상기 최소한의 추천 개수는 기업 구인앱을 통하여 기업의 업무 담당자로부터 그 범위를 선택하도록 할 수 있다.

다음은, 추천시스템 서버(100)의 출력부(120)는 상기 450단계에서 추출된 추천용 경력자 리스트 및 경력자 리스트에 해당하는 경력자의 구직 정보를 제1기업에게 제공하는 단계(460 단계)가 수행된다.

이에 따라 기업으로 하여금 추천된 경력자 중에서 구인을 효율적으로 선택하도록 할 수 있다.

또한, 본 발명의 일 실시 예에 따른 추천시스템 서버(100)는 기업 구인 담당자에게 기업이 요구되는 조건에 부합되는 전문 능력에 해당하는 최적의 경력자들을 추천하고 추천된 매칭 정보를 암호화하고 블록체인 기술을 기반으로 분산 저장하는 구성을 더 포함할 수 있다.

이러한 블록체인 기술을 도입하여 기업과 경력자의 고용 날짜, 시간, 금액 및 지불 날짜, 리뷰 등을 기록하고 이를 통해 위조를 방지하고 기업과 경력자 간의 투명성을 보장할 수 있다. 본 발명의 일 실시 예에서 적용될 블록체인 기술은 이미 공지된 종래 방법을 이용하여 적용할 수 있다.

매칭정보를 블록체인 기술을 기반으로 분산 저장하는 기술은 대한민국 공개 특허공보 10-2020-0006493호를 통해 공지된 바 있다.

도 4는 본 발명의 본 발명의 일 실시 예에 따른 강화 학습 기반 경력자 전문능력 추천시스템 서버가 전문능력 추천단계의 세부방법에 대한 순서도를 도시한 것이다.

도 4를 참조하면, 요구정보 수집단계(510)에서 추천시스템 서버(100)의 강화학습기반 전문능력 모듈부(140)는 제1 기업의 경력자 집단에 대해 기업의 경력자 구인앱을 통하여 입력된 정보로부터, 제1기업에서 요구 직종 및 요구 업무와 관련된 요구되는 전문능력에 관한 요구정보에 대한 키워드 및 중요도 정보를 수집한다.

도 5는 기업의 경력자 구인앱의 웹페이지 입력화면 중 전문능력에 관한 요구정보 입력화면의 예를 도시한 것이다.

도 5를 참조하면, 기업의 구인 담당자는 상기 웹페이지 입력화면을 통하여 요구 직종 및 요구 업무와 관련된 전문능력에 관한 키워드를 입력하여 제공할 수 있다.

기업의 구인 담당자는 전문능력에 관한 요구정보 입력화면(310)을 통하여 단일 및 복수의 키워드를 지정하여 입력할 수 있고 키워드의 중요도에 대한 순위 및 중요도에 따른 배분 Percent를 지정하여 입력할 수 있다.

본 발명의 일 실시 예에 따르면, 전문능력에 관한 요구정보 입력화면(310)에는 키워드 검색기능을 더 추가할 수 있다. 기업의 구인 담당자는 요구 직종 및 요구 업무를 기재하고, 키워드 검색기능 버튼을 선택하면, 추천시스템 서버(100)는 데이터베이스에 축적된 해당 요구직종 및 요구 업무에 대한 키워드 및 중요도에 대한 리스트를 신뢰도 순위 순으로 나열하여 팝업 창으로 제시하여 기업의 구인 담당자가 이를 참조하여 기재하도록 할 수 있다.

또한, 본 발명의 일 실시 예에서는 추천시스템 서버(100)의 강화학습기반 전문능력 모듈부(40)는 상기 키워드에 대한 동의어 리스트를 포함한 정보를 팝업 창으로 제공할 수 있다.

구인 담당자는 상기 동의어 리스트를 참조하여 상기 동의어 리스트에 추가할 단어를 상기 팝업 창을 통하여 추가할 수 있다.

예를 들면, 도 5를 참조하면, 요구 직종 및 요구 업무가 전산직종의 데이터분석을 요하는 직업이고 추후 기계학습을 요하는 업무인 경우, 기업의 구인 담당자는 직종관련 키워드 정보 기재 항목(311)에 데이터분석, 딥런링, CNN,… , 등으로 기재할 수 있으며, 각각 업무의 중요도에 따라 각각의 키워드 하위 화면에 중요도 정보 기재 항목(312)에 중요도에 따라 50%, 30%, 20%로 기재할 수 있다.

또한, 기업의 구인 담당자가 상기 키워드 리스트 중 참조하여 기재한 경우, 참조한 키워드 항목의 일련번호가 자동 또는 수동으로 기재될 수 있는 기능을 더 포함할 수 있다.

본 발명의 일 실시 예에서는 기업의 구인 담당자가 상기 키워드 리스트 중 참조하는 횟수를 추천시스템 서버(100)에서 입력받아 학습될 수 있다. 예를 들면, 추천시스템 서버(100)의 학습모델에서 참조하는 횟수가 많을수록 상기 키워드 정보의 신뢰도 점수가 더 높게 가산하여 데이터베이스에 축적될 수 있다.

또는 기업의 구인 담당자가 키워드 및 중요도를 기재하지 않은 경우에는 추천시스템 서버(100)의 강화학습기반 전문능력 모듈부(40)가 축적된 데이터베이스(50)에서 요구 직종 및 요구 업무에 따른 키워드 중 최상위 신뢰도를 가진 키워드를 추출하여 자동으로 기재되도록 할 수 있다.

또한, 본 발명의 일 실시 예에서는 경력자 구인앱의 웹페이지 입력화면에는 요구 직종 및 요구 업무를 수행할 경력자의 주소지 위치를 고려할지 여부를 기재하는 위치 고려여부 기재 항목(313)이 더 포함될 수 있다.

이는 근무지와 주거지 간의 거리가 업무에 영향을 주는지에 따라 기업의 구인 담당자가 선택적으로 기재할 수 있다.

다시 도 4를 참조하면, 기업의 전문능력 요구정보 수집단계 이후에 추천시스템 서버(100)의 강화학습기반 전문능력 모듈부(40)는 상기 430단계에서 추출된 경력자집단 중 제1 경력자에 대해 경력자 구직앱의 전문능력 입력정보 입력화면을 통하여 입력된 경력자 구직 정보로부터 전문능력에 대해 텍스트로 제공된 항목들을 추출하여 수집하는 텍스트 데이터 수집단계(520)를 수행한다.

도 6은 본 발명의 일 실시 예에 따른 경력자 구직앱의 입력화면 중 전문능력 입력정보 입력화면의 예를 도시한 것이다.

도 6을 참조하면, 경력자는 경력자 구직앱의 전문능력 입력정보 입력화면을 통하여 경력자 자신의 전문능력 정보에 대한 텍스트를 입력할 수 있다(예: 수업과목명, 프로젝트 과목명, 논문명, 협회경력 및 자문요원 경력 중 어느 하나 이상을 포함할 수 있다.). 경력자는 전문능력 입력화면의 각 정보 항목에 대한 부가설명의 텍스트를 추가하여 입력할 수 있다. 예를 들면, 논문인 경우 요약을 텍스트형태로 입력을 하고, 수업과목의 경우 수업 내용을 부연설명으로 제공할 수 있다.

또한, 기본정보 입력화면을 통하여 현재 거주하는 주소를 입력하는 것을 더 포함할 수 있다.

다시 도 4로 돌아와서 텍스트 데이터 수집단계(520) 이후에, 강화학습기반 전문능력 모듈부(40)는 수집된 텍스트 데이터로부터 상기 510단계에서 수집된 키워드들과 일치하는 횟수를 추출하는 키워드 추출단계(530)가 수행된다.

다음은, 추출한 키워드에 대해 경력자 점수를 부여하는 점수 부여단계(550)가 수행된다.

점수 부여단계(550)에서는 510단계에서 수집된 키워드 중요도 정보와 추출횟수에 따른 가중치를 합산하여 점수를 부여한다.

예를 들면, 키워드 하나당 5점이라고 가정했을 때 중요도에 따라 점수 변환 중요도가 100%라면 5점 50%라면 2.5점으로 계산하고 이들에 각각 추출횟수에 대한 가중치를 곱하여 점수를 부여할 수 있다.

다음은 최적점수 도출단계(560)가 수행된다. 최적점수 도출단계에서는 키워드 기반 학습을 통해 상기 점수부여단계(550)에서 부여한 점수로부터 과거 취업에 성공한 패턴을 분석하여 이를 학습하여 상기 부여 점수를 가감하거나, 가중치를 부여하여 최적의 점수를 산출한다.

본 발명의 일 실시 예에서는 경력자의 취업된 패턴을 분석한 결과 키워드 추출횟수가 어느 정도 이상에서는 기업의 선호도가 유사한 것으로 판단되었다.

따라서 각 키워드별 추출횟수에 대한 가중치는 최대 횟수를 설정을 하여 상기 최대 횟수를 넘는 것에 대한 가중치는 동일하게 부여하는 과정을 더 포함한다. 또한, 각 키워드별 최대 횟수는 기업의 구인 선택 패턴을 분석하여 지속적으로 변경 설정될 수 있다.

본 발명의 일 실시예서 상기 키워드별 추출횟수에 대한 가중치는 추출횟수가 증가할수록 점점 증가하여 일정 횟수 이상에서는 동일한 수치에 수렴되도록 상한치가 설정될 수 있다, 예를 들어 키워드 하나당 5점, 키워드 2개면 5점에 가중치 1.5를 가산하여 7.5, 3개면 가중치 1.75를 가산하여 8.75 점 등으로 산출될 수 있다.

또한, 키워드 10개에 대한 가중치를 3.5로 한 경우, 최대 키워드를 10개로 설정시 키워드가 10개이든 15개이든 가중치의 상한치를 3.5로 설정을 하여 최대점수로 얻을 수 있는 값은 동일하게 정산된다.

또한, 최적점수 산출단계(560)에서는 기업으로부터 취업 후 피드백 정보를 축적하여 이를 토대로 부여점수를 가감하거나, 가중치를 부여하여 최적의 점수로 수정을 하는 과정이 더 포함될 수 있다.

다음은 강화학습기반 전문능력 모듈부(40)가 산출된 최적의 점수가 설정된 조건을 만족하는지에 대해 판단하는 조건 만족 판단단계(570)가 수행된다.

조건 만족 판단단계(570)에서는 요구정보 수집단계(510)에서 수집된 키워드 및 중요도 정보로부터 기준 점수를 설정을 하고, 상기 최적점수 산출단계(560)에서 조건에 만족하지 않은 경우, 즉 산출된 점수가 상기 기본 점수 미만인 경우, 해당 제1 경력자를 제외하고 다음 제2 경력자에 대한 추천 방법을 순차적으로 수행한다.

예를 들면, 요구정보 수집단계(510)에서 수집된 키워드들을 각각 최소 2개 이상으로 설정하여 이에 대한 가중치 점수를 합산하여 기준 점수로 설정할 수 있다.

조건 만족 판단단계(570)에서 기준 점수 이상인 경우, 사용된 키워드, 중요도 정보 기준 점수를 데이터베이스에 축적(540)을 하고, 상기 제1경력자는 제1기업의 추천 그룹으로 분류한다.

본 발명의 일 실시 예에 따르면, 강화학습기반 전문능력 모듈부(40)는 상기 경력자 집단에 대해 전문능력 추천방법을 수행한 결과 추천그룹은 점수순으로 선별하여 경력자그룹 테이블로 배열할 수 있다.

본 발명의 일 실시 예에서, 추천시스템 서버(100)의 강화학습기반 전문능력 모듈부(40)는 상기 분류된 제2차 경력자 그룹에 대해 시기별(분기, 월 단위, 주 단위) 기업 고용 횟수값을 점수 계산에 추가하는 과정을 더 포함하여 상기 제1기업의 상기 경력자 그룹을 수정하여 재배열할 수 있다.

예를 들어 A가 정해진 시기에 3번 이상 유사 기업에 고용을 반복하였다면, 설정된 점수로 감정을 하고 상기 경력자 그룹을 수정하여 재배열할 수 있다.

또한, 본 발명의 일 실시 예에 따르면, 추천시스템 서버(100)는 상기 분류된 제2차 경력자 그룹 또는 상기 재배열된 경력자 그룹에 대해 기업으로부터 위치정보를 고려하도록 선택된 경우, 위치정보에 대해서도 점수 계산에 추가하는 과정을 더 포함하여 상기 제1기업의 제2차 경력자 그룹을 다시 수정하여 재배열할 수 있다.

예를 들어, 경력자의 주거지가 기업으로부터 기준 거리(예를 들면 5km)를 초과한 경우, 매 5km 단위로 일정 점수를 감점을 하여 상기 경력자 그룹을 다시 수정하여 재배열할 수 있다.

본 발명의 일 실시 예에 따르면, 기업 측면 기업 구인 담당자가 추천시스템 서버(100)를 통하여 필요한 전문능력을 갖춘 경력자들에 대해 키워드를 기반으로 간편하게 효율적으로 선택할 수 있다.

경력자의 전문능력을 활용해 기업과의 매칭해 전문적인 능력을 은퇴 후에도 활용할 수 있다.

본 발명의 일 실시 예에 따르면, 고학력 경력자의 전문인력 제공 서비스를 통해 고령자의 일자리 문제를 해결할 수 있고 이를 토대로 고학력 경력자들의 네트워크 구축할 수 있다.

또한, 기업과 경력자에 대한 고용 점수 계산을 통한 단일 및 다중 매칭을 통해 고용의 형평성을 제공하고 블록체인 시스템을 통해 기업과 경력자들의 매칭 정보에 대해 투명성을 제공할 수 있다.

100: 추천시스템 서버
110: 입력부
120: 출력부
130: 기본조건 매칭모듈부
140: 강화학습기반 전문능력 추천모듈부
150: 데이터베이스
160: 제어부
200: 경력자 단말
300: 기업 구인자 단말

Claims (11)

1. 강화학습 기반 경력자 전문능력 추천시스템 서버가 수행하는 전문능력 추천 방법에 있어서,
   가) 상기 추천시스템 서버가 인터넷을 이용한 기업 구인앱을 통하여 기업으로부터 전문능력 요구정보를 포함한 구인 요구정보를 포함하여 입력받는 단계;
   나) 상기 추천시스템 서버가 인터넷을 이용한 경력자 구직앱을 통하여 전문능력 입력정보를 포함한 경력자 구직 정보를 입력받는 단계;
   다) 상기 추천시스템 서버가 상기 경력자 구직정보로부터 제1 기업에서 요구되는 기본 조건을 만족하는 경력자들을 선별하여 경력자 집단을 추출하는 단계;
   라) 상기 추천시스템 서버가 상기 추출된 경력자 집단에 대해 강화학습 기반 전문능력 추천방법을 수행하여 전문능력 유사도에 따른 전문 경력자 그룹을 추출하는 단계;
   마) 상기 추천시스템 서버가 상기 전문 경력자 그룹에 대해 추천용 경력자 리스트를 추출하는 단계; 및
   바) 상기 추천용 경력자 리스트 및 구직 정보를 상기 제1기업에게 제공하는 단계;
   를 포함하는 것을 특징으로 하되,
   상기 라) 단계에서 상기 강화학습 기반 전문능력 추천방법은,
   a) 상기 경력자 집단 중 제1경력자에 대해 상기 제1 기업에서 요구 직종 및 요구 업무와 관련되어 요구되는 키워드 및 중요도 정보를 수집하는 단계;
   b) 상기 제1경력자의 경력자 정보로부터 전문능력에 대해 텍스트로 제공된 항목들을 추출하여 수집하는 텍스트 데이터 수집단계;
   c) 상기 수집된 텍스트 데이터로부터 상기 키워드와 일치하는 횟수를 추출하는 키워드 추출단계;
   d) 상기 추출한 키워드에 대해 각 키워드별 추출횟수, 상기 추출횟수에 대한 가중치 및 상기 중요도 정보를 합산하여 경력자 점수를 부여하는 점수 부여단계;
   e) 상기 경력자 점수에 과거 취업패턴 또는 기업의 피드백 정보를 학습하여 최적의 점수를 산출하는 최적 점수 산출단계; 및
   f) 상기 최적 점수가 설정된 조건을 만족하는 지를 판단하는 조건만족 판단단계; 를 포함하는 것을 특징으로 하고,
   상기 마) 단계는
   상기 추출된 전문 경력자 그룹에 대해 최소한의 추천인 수를 선정하고, 선정된 경력자에게 상기 제1기업에 추천을 위한 동의를 요청하고, 상기 동의가 완료된 경력자에 대한 추천용 경력자 리스트를 추출하는 것을 특징으로 하는 강화학습 기반 경력자 전문능력 추천방법.
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 삭제
7. 삭제
8. 제1항에 있어서,
   상기 f) 단계의 조건 만족 판단단계에서 조건에 만족된 경우, 상기 제1경력자를 상기 전문 경력자 그룹으로 분류하되, 상기 전문 경력자 그룹은 e) 단계에서 산출된 점수순으로 배열되는 것을 특징으로 하는 강화학습 기반 경력자 전문능력 추천방법.
9. 제1항에 있어서,
   상기 f) 단계의 조건 만족 판단단계에서 조건에 만족되지 않은 경우, 상기 제1 경력자를 제외하고 경력자 집단 중의 다른 경력자에 대해 상기 a) 단계부터 추천 방법을 순차적으로 수행하는 것을 특징으로 하며,
   상기 기업 구인앱의 입력화면에는 키워드 검색기능을 더 포함하고,
   상기 입력화면을 통하여 요구 직종 및 요구 업무가 입력이 되고, 키워드 검색기능 버튼이 선택되면,
   상기 추천시스템 서버는 데이터베이스에 축적된 해당 요구직종 및 요구 업무에 대한 키워드 및 중요도에 대한 리스트를 신뢰도 순위 순으로 나열하여 팝업 창으로 제공되는 것을 특징으로 하는 강화학습 기반 경력자 전문능력 추천방법.
10. 제8항에 있어서,
    상기 구인 요구 정보에 구인을 요하는 경력자의 위치정보를 고려하도록 선택된 경우,
    상기 f) 단계 이후에 경력자의 주거지와 기업 간의 거리에 따른 점수를 상기 e) 단계에서 산출된 점수에서 가감하는 과정을 더 포함하여 상기 전문 경력자 그룹을 다시 수정하여 재배열하는 것을 특징으로 하는 강화학습 기반 경력자 전문능력 추천방법.
    
11. 삭제

Images