KR102504861B1 - 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법, 장치 및 시스템 - Google Patents
인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법, 장치 및 시스템 Download PDFInfo
- Publication number
- KR102504861B1 KR102504861B1 KR1020210184240A KR20210184240A KR102504861B1 KR 102504861 B1 KR102504861 B1 KR 102504861B1 KR 1020210184240 A KR1020210184240 A KR 1020210184240A KR 20210184240 A KR20210184240 A KR 20210184240A KR 102504861 B1 KR102504861 B1 KR 102504861B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- job
- time
- job seeker
- artificial intelligence
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 33
- 230000007115 recruitment Effects 0.000 claims abstract description 31
- VYQNWZOUAUKGHI-UHFFFAOYSA-N monobenzone Chemical compound C1=CC(O)=CC=C1OCC1=CC=CC=C1 VYQNWZOUAUKGHI-UHFFFAOYSA-N 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 description 8
- 230000015654 memory Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000000306 recurrent effect Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
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
- G06N20/00—Machine learning
-
- 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
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
일 실시예에 따르면 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법이 개시된다.
일 실시예에 따라 장치에 의하여 수행되는, 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법은 사업자단말로부터 단기간 아르바이트 채용에 대한 채용정보를 수신하는 단계, 복수의 구직자단말로부터 단기간 아르바이트 구직에 대한 구직자정보를 수신하는 단계, 인공지능모듈을 기반으로 상기 채용정보 및 복수의 상기 구직자정보를 기반으로 상기 구직자단말별로 매칭점수를 산출하는 단계, 상기 매칭점수가 기설정된 임계점수를 초과하는 상기 구직자단말들을 상기 구직자정보를 기반으로 알림우선순위정보를 생성하는 단계 및 상기 알림우선순위정보를 기반으로 상기 복수의 구직자단말로 상기 채용정보를 송신하는 단계를 포함할 수 있다.
일 실시예에 따라 장치에 의하여 수행되는, 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법은 사업자단말로부터 단기간 아르바이트 채용에 대한 채용정보를 수신하는 단계, 복수의 구직자단말로부터 단기간 아르바이트 구직에 대한 구직자정보를 수신하는 단계, 인공지능모듈을 기반으로 상기 채용정보 및 복수의 상기 구직자정보를 기반으로 상기 구직자단말별로 매칭점수를 산출하는 단계, 상기 매칭점수가 기설정된 임계점수를 초과하는 상기 구직자단말들을 상기 구직자정보를 기반으로 알림우선순위정보를 생성하는 단계 및 상기 알림우선순위정보를 기반으로 상기 복수의 구직자단말로 상기 채용정보를 송신하는 단계를 포함할 수 있다.
Description
아래 실시예들은 인공지능을 기반으로 사업장을 운영하는 사용자와 단기간 아르바이트를 구하는 구직자를 매칭해주는 기술에 관한 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.
구직자들이 늘어나고 있을 뿐만 아니라 사원을 모집하는 구인업체들도 늘어남에 따라 구직자와 구인업체를 서로 연결해 주는 인력 중개 업체들도 늘어나고 있다. 이러한 인력 중개 업체들은 구인 및 구직 정보를 직접 소집해두었다가 무료 또는 소정의 수수료를 받고 구인업체와 구직자를 서로 연결시켜 줌으로써, 구직자와 구인업체간의 구인 및 구직을 중개해 준다.
그리고, 이러한 구인/구직을 중개해주는 서비스는 온라인 상에서도 이루어지고 있다. 시간이 지남에 따라, 구직의 어려움을 겪은 많은 사람들이 많아지고 있는 실정이다. 예를 들어, 정규직으로의 구직이 어려운 구직자, 구직의 어려움으로 구직을 단념하는 구직 단념자, 퇴직에 의해 구직이 어려운 퇴직자 등 정규직을 구하기 어려운 구직자들이 많아지고 있다.
이러한 구직자들은 생활을 위하여 구직 활동을 필요로 하지만, 정규직으로의 구직이 어렵기 때문에 생활비를 벌기 위해 아르바이트를 구하는 경우가 많다.
하지만, 종래 구인/구직 중개 서비스 시스템은 아르바이트 구인/구직 서비스를 제공하지만, 직업과 직업 간의 매칭을 통해 이루어지는 시스템으로, 초단기(very short-term) 아르바이트에 대한 구인/구직 그리고 초단기 아르바이트에 대해 구직자의 현재 위치와 연계하여 구직 정보를 제공할 수 있는 시스템은 아니다.
즉, 종래 구인/구직 중개 서비스 시스템은 초단기 아르바이트를 구하고자 하는 구직자의 현재 위치와 무관하게 등록된 구직 정보만을 제공하기 때문에 단기 아르바이트를 구하는 구직자가 이러한 구직 정보를 제공받기가 어렵고, 구직자가 원하는 시간에 원하는 단기 아르바이트를 구하지 못하는 경우가 많다.
실시예들은 단기간 아르바이트를 구하는 사업자와 구직자를 정보를 인공지능 기반으로 분석하여 적절한 매칭을 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.
일 실시예에 따라 장치에 의하여 수행되는, 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법은, 사업자단말로부터 단기간 아르바이트 채용에 대한 채용정보를 수신하는 단계, 복수의 구직자단말로부터 단기간 아르바이트 구직에 대한 구직자정보를 수신하는 단계, 인공지능모듈을 기반으로 상기 채용정보 및 복수의 상기 구직자정보를 기반으로 상기 구직자단말별로 매칭점수를 산출하는 단계, 상기 매칭점수가 기설정된 임계점수를 초과하는 상기 구직자단말들을 상기 구직자정보를 기반으로 알림우선순위정보를 생성하는 단계 및 상기 알림우선순위정보를 기반으로 상기 복수의 구직자단말로 상기 채용정보를 송신하는 단계를 포함할 수 있다.
이 때, 상기 채용정보는, 알바업종정보, 알바기간정보, 알바위치정보 및 알바비용정보를 포함할 수 있다.
이 때, 상기 구직자정보는, 알바신용정보, 구직자위치정보, 구직시간정보 및 구직비용정보를 포함할 수 있다.
이 때, 상기 채용정보를 송신하는 단계는, 인공지능모듈을 통하여 상기 알바업종정보, 상기 알바비용정보, 알바기간정보, 알바위치정보와 구직자에 대한 인기도를 산출하는 단계, 상기 인기도를 기반으로 1회송신인원수를 산출하는 단계 및 기설정된 시간간격으로 상기 알림우선순위정보에 따라 상기 1회송신인원수만큼 상기 채용정보를 송신하는 단계를 포함할 수 있다.
이 때, 상기 알바신용정보는 아래 수학식으로 산출되되,
PCP(Part time Credit Point)는 상기 알바신용정보를 의미하고, NoA(Number of Agreement)는 수신된 전체 채용정보에 대한 승낙 횟수를 의미하고, NoD(Number of Reject)는 수신된 전체 채용정보에 대한 거절 횟수를 의미하고, NoT(Number of Total)는 실제 아르바이트를 수행한 횟수를 의미하고, NoLC(Number of Low Cost)는 해당 구직자의 평균시급보다 낮은 시급으로 수행한 아르바이트 횟수를 의미하고, D(Distance)는 실제 아르바이르를 수행한 장소와 구직자위치정보와의 평균거리를 의미할 수 있다.
이 때, 상기 채용정보를 송신하는 단계는, 복수개의 채용정보를 송신하는 경우, 제1 채용정보의 인기도 및 상기 제2 채용정보의 인기도를 합한 값으로, 제1 총합 인기도를 산출하는 단계, 상기 제1 채용정보의 인기도를 상기 제1 총합 인기도로 나눈 값으로, 제1 비율을 산출하고, 상기 제2 채용정보의 인기도를 상기 제1 총합 인기도로 나눈 값으로, 제2 비율을 산출하는 단계, 상기 제1 비율로 제1 영역의 크기를 설정하고, 상기 제2 비율로 제2 영역의 크기를 설정하는 단계 및 상기 제1 비율 및 상기 제2 비율을 통해 상기 제1 영역 및 상기 제2 영역의 크기가 설정되면, 상기 구직자단말의 디스플레이에 출력되는 상기 제1 영역에서 상기 제1 콘텐츠의 요약 정보가 표시되고 상기 제2 영역에서 상기 제2 콘텐츠의 요약 정보가 표시되도록 제어하는 제어정보를 상기 구직자단말로 송신하는 단계를 포함할 수 있다.
일 실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.
실시예들을 통하여, 단기간 아르바이트를 구하는 사업자와 구직자를 정보를 인공지능 기반으로 분석하여 적절한 매칭을 제공할 수 있다.
도 1은 일 실시예에 따른 인공지능 기반 단기간 아르바이트 매칭 정보 제공 시스템의 구성도이다.
도 2는 일 실시예에 따른 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법의 흐름도이다.
도 3은 일 실시예에 따른 제어부의 구성의 예시도이다.
도 2는 일 실시예에 따른 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법의 흐름도이다.
도 3은 일 실시예에 따른 제어부의 구성의 예시도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
이하에서 도면을 참조하여 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법, 장치 및 시스템에 대하여 설명하도록 한다.
도 1은 일 실시예에 따른 인공지능 기반 단기간 아르바이트 매칭 정보 제공 시스템의 구성도이다.
본 발명의 일 실시예에 따른 인공지능 기반 단기간 아르바이트 매칭 정보 제공 시스템은 단기간 아르바이트생을 구하고자 채용정보를 생성하여 장치(100)로 송신하는 사업자단말(200), 채용정보를 수신받고 상기 단기간 아르바이트의 수행여부를 결정하는 구직자단말(300) 및 채용정보와 구직자정보를 기반으로 상호 매칭시켜주는 장치(100)를 포함할 수 있다.
이 때, 장치(100)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 장치(100)는 추론 기능을 수행하는 적어도 하나 이상의 인공지능모듈을 구비할 수 있다. 장치(100)는 후술하는 바와 같이 사업자단말(200) 및 구직자단말(300)과 유무선으로 통신하도록 구성될 수 있다.
이 때, 장치(100)는 후술하는 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법을 수행함으로써 본 발명의 목적을 달성할 수 있으며, 상세한 동작은 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법을 통해 자세하게 설명하도록 한다.
이 때, 사업자단말(200) 및 구직자단말(300)은 컴퓨터, 스마트폰, 핸드폰, 태블릿 PC, 디지털 카메라, 캠코더, 전자책 단말기, 디지털 방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 착용형 기기(wearable device), 오디오, DVD 플레이어 등 통신이 가능한 장치를 모두 포함할 수 있다.
도 2는 일 실시예에 따른 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법의 흐름도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따라 장치(100)에 의하여 수행되는, 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법은 사업자단말(200)로부터 단기간 아르바이트 채용에 대한 채용정보를 수신할 수 있다(S201).
이 때, 상기 채용정보는 단기간 아르바이트에 대한 정보에 관한 것으로 써, 알바업종정보, 알바기간정보, 알바위치정보 및 알바비용정보를 포함할 수 있다.
또한, 본 발명의 일 실시예에 따른인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법은 복수의 구직자단말(300)로부터 단기간 아르바이트 구직에 대한 구직자정보를 수신할 수 있다(S203).
이 때, 상기 구직자정보는 구직자에 대한 개인정보 및 구직자가 구하고자 하는 단기간 아르바이트에 대한 정보에 관한 것으로써, 알바신용정보, 구직자위치정보, 구직시간정보 및 구직비용정보를 포함할 수 있다.
이 때, 알바신용정보는 구직자가 아르바이트를 구하고 실제 실행함으로써, 얼마나 성실하게 아르바이트를 수행했는지, 비용이나 거리에 관하여 얼마나 관대한지를 나타내는 지표일 수 있다.
보다 상세하게 살펴보면, 상기 알바신용정보는 아래 수학식 1에 의하여 산출될 수 있다.
이 때, PCP(Part time Credit Point)는 상기 알바신용정보를 의미하고, NoA(Number of Agreement)는 수신된 전체 채용정보에 대한 승낙 횟수를 의미하고, NoD(Number of Reject)는 수신된 전체 채용정보에 대한 거절 횟수를 의미하고, NoT(Number of Total)는 실제 아르바이트를 수행한 횟수를 의미하고, NoLC(Number of Low Cost)는 해당 구직자의 평균시급보다 낮은 시급으로 수행한 아르바이트 횟수를 의미하고, D(Distance)는 실제 아르바이르를 수행한 장소와 구직자위치정보와의 평균거리를 의미할 수 있다.
이를 통하여, 상기 구직자가 수신된 채용정보에 대하여 얼마나 수락을 했는지, 얼마나 먼거리에도 아르바이트를 수행했는지, 구직자의 평균 시급보다 다소 금액이 작더라도 아르바이트를 수행했는지에 대한 정보를 파악할 수 있으며, 이를 통하여 구직자의 아르바이트에 대한 신용을 평가할 수 있다.
또한, 본 발명의 일 실시예에 따른인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법은 인공지능모듈을 기반으로 상기 채용정보 및 복수의 상기 구직자정보를 기반으로 상기 구직자단말(300)별로 매칭점수를 산출할 수 있다(S205).
이 때, 상기 인공지능모듈은 머신러닝의 한 분야인 딥러닝(Deep Learning) 기법을 이용하여, 채용정보 및 구직자정보를 입력으로 매칭점수를 출력하는 기계학습모델을 생성할 수 있다.
또한, 인공지능모듈은 딥러닝을 통하여 상기 함수에서의 복수 개의 입력들의 가중치(weight)를 학습을 통하여 산출할 수 있다. 또한, 이러한 학습을 위하여 활용되는 인공지능망 모델로는 RNN(Recurrent Neural Network), DNN(Deep Neural Network) 및 DRNN(Dynamic Recurrent Neural Network) 등 다양한 모델들을 활용할 수 있을 것이다.
여기서 RNN은 현재의 데이터와 과거의 데이터를 동시에 고려하는 딥러닝 기법으로서, 순환 신경망(RNN)은 인공 신경망을 구성하는 유닛 사이의 연결이 방향성 사이클(directed cycle)을 구성하는 신경망을 나타낸다. 나아가, 순환 신경망(RNN)을 구성할 수 있는 구조에는 다양한 방식이 사용될 수 있는데, 예컨대, 완전순환망(Fully Recurrent Network), 홉필드망(Hopfield Network), 엘만망(Elman Network), ESN(Echo state network), LSTM(Long short term memory network), 양방향(Bi-directional) RNN, CTRNN(Continuous-time RNN), 계층적 RNN, 2차 RNN 등이 대표적인 예이다. 또한, 순환 신경망(RNN)을 학습시키기 위한 방법으로서, 경사 하강법, Hessian Free Optimization, Global Optimization Method 등의 방식이 사용될 수 있다.
또한, 본 발명의 일 실시예에 따른인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법은 상기 매칭점수가 기설정된 임계점수를 초과하는 상기 구직자단말(300)들을 상기 구직자정보를 기반으로 알림우선순위정보를 생성할 수 있다(S207).
이 때, 임계점수는 구직자가 최소한의 관심을 가질 수 있는 최소한의 점수로 설정될 수 있다. 이 때, 임계점수를 설정하여 비교하는 이유는 편의점 아르바이트만 주로 수행하여 구직자에게 피아노 연주 등과 같은 채용정보를 송신하는 것은 낭비이기 때문이다.
또한, 상기 매칭점수가 상기 임계점수를 초과하는 복수의 구직자단말(300)들에게 일률적으로 채용정보를 송신하는 것 또한 낭비일 수 있다. 따라서, 복수의 구직자단말(300)들에게 채용정보를 송신할 때, 우선순위를 정하여 송신하는 것이 바람직하다.
특히, 구직자정보 중 알바신용정보를 기반으로 알림우선순위정보를 생성할 수 있다.
또한, 본 발명의 일 실시예에 따른인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법은 상기 알림우선순위정보를 기반으로 상기 복수의 구직자단말(300)로 상기 채용정보를 송신할 수 있다(S209).
상기 채용정보를 송신하는 단계(S209)는 인공지능모듈을 통하여 상기 알바업종정보, 상기 알바비용정보, 알바기간정보, 알바위치정보와 구직자에 대한 인기도를 산출하는 단계, 상기 인기도를 기반으로 1회송신인원수를 산출하는 단계 및 기설정된 시간간격으로 상기 알림우선순위정보에 따라 상기 1회송신인원수만큼 상기 채용정보를 송신하는 단계를 포함할 수 있다.
인기도가 높은 경우, 동시에 수락하는 인원이 많을 수 있기 때문에 인기도가 높은경우 1회송신인원수를 적게 설정하고, 인기도가 낮은 경우, 수락하는 인원이 적을 수 있기 때문에 1회송신인원수를 많게 설정할 수 있다.
또한, 구직자단말(300)로 송신되는 채용정보는 하나뿐만 아니라 복수개일 수도 있다. 이 경우, 단순히 리스트로 제공해줄 수도 있으나, 구직자단말(300)의 디스플레이에 시인성 좋게 제공해줄 수도 있다.
이에, 채용정보를 송신하는 단계(S209)는, 복수개의 채용정보를 송신하는 경우, 제1 채용정보의 인기도 및 상기 제2 채용정보의 인기도를 합한 값으로, 제1 총합 인기도를 산출할 수 있다.
또한, 채용정보를 송신하는 단계(S209)는, 상기 제1 채용정보의 인기도를 상기 제1 총합 인기도로 나눈 값으로, 제1 비율을 산출하고, 상기 제2 채용정보의 인기도를 상기 제1 총합 인기도로 나눈 값으로, 제2 비율을 산출할 수 있다.
또한, 채용정보를 송신하는 단계(S209)는, 상기 제1 비율로 제1 영역의 크기를 설정하고, 상기 제2 비율로 제2 영역의 크기를 설정할 수 있다.
또한, 채용정보를 송신하는 단계(S209)는, 상기 제1 비율 및 상기 제2 비율을 통해 상기 제1 영역 및 상기 제2 영역의 크기가 설정되면, 상기 구직자단말(300)의 디스플레이에 출력되는 상기 제1 영역에서 상기 제1 콘텐츠의 요약 정보가 표시되고 상기 제2 영역에서 상기 제2 콘텐츠의 요약 정보가 표시되도록 제어하는 제어정보를 상기 구직자단말(300)로 송신할 수 있다.
이를 통하여, 인기도가 높은 채용정보의 화면영역을 크게 출력하여 구직자로 하여금 인기가 있는 단기간 아르바이트를 보다 빠르게 수락할 수 있도록 할 수 있다.
도 3은 일 실시예에 따른 제어부의 구성의 예시도이다.
일 실시예에 따른 제어부(100)는 프로세서(310) 및 메모리(320)를 포함한다. 프로세서는 도 1 및 도 2를 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(320)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(320)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(310)는 프로그램을 실행하고, 제어부(100)를 제어할 수 있다. 프로세서(310)에 의하여 실행되는 프로그램의 코드는 메모리(320)에 저장될 수 있다. 제어부(100)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 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 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 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. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
Claims (3)
- 장치에 의하여 수행되는, 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법에 있어서,
사업자단말로부터 단기간 아르바이트 채용에 대한 알바업종정보, 알바기간정보, 알바위치정보 및 알바비용정보를 포함하는 채용정보를 수신하는 단계;
복수의 구직자단말로부터 단기간 아르바이트 구직자에 대한 알바신용정보, 구직자위치정보, 구직시간정보 및 구직비용정보를 포함하는 구직자정보를 수신하는 단계;
인공지능모듈을 기반으로 상기 채용정보 및 복수의 상기 구직자정보를 기반으로 상기 구직자단말별로 매칭점수를 산출하는 단계;
상기 매칭점수가 기설정된 임계점수를 초과하는 상기 구직자단말들을 상기 구직자정보를 기반으로 알림우선순위정보를 생성하는 단계; 및
상기 알림우선순위정보를 기반으로 상기 복수의 구직자단말로 상기 채용정보를 송신하는 단계; 를 포함하되,
상기 채용정보를 송신하는 단계는,
인공지능모듈을 통하여 상기 알바업종정보, 상기 알바비용정보, 알바기간정보, 알바위치정보와 구직자에 대한 인기도를 산출하는 단계;
상기 인기도를 기반으로 1회송신인원수를 산출하는 단계; 및
기설정된 시간간격으로 상기 알림우선순위정보에 따라 상기 1회송신인원수만큼 상기 채용정보를 송신하는 단계; 를 포함하고,
상기 알바신용정보는,
아래 수학식으로 산출되되,
PCP(Part time Credit Point)는 상기 알바신용정보를 의미하고, NoA(Number of Agreement)는 수신된 전체 채용정보에 대한 승낙 횟수를 의미하고, NoR(Number of Reject)는 수신된 전체 채용정보에 대한 거절 횟수를 의미하고, NoT(Number of Total)는 실제 아르바이트를 수행한 횟수를 의미하고, NoLC(Number of Low Cost)는 해당 구직자의 평균시급보다 낮은 시급으로 수행한 아르바이트 횟수를 의미하고, D(Distance)는 실제 아르바이르를 수행한 장소와 구직자위치정보와의 평균거리를 의미하는 것을 특징으로 하는 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법. - 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210184240A KR102504861B1 (ko) | 2021-12-21 | 2021-12-21 | 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법, 장치 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210184240A KR102504861B1 (ko) | 2021-12-21 | 2021-12-21 | 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법, 장치 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102504861B1 true KR102504861B1 (ko) | 2023-02-28 |
Family
ID=85326686
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210184240A KR102504861B1 (ko) | 2021-12-21 | 2021-12-21 | 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법, 장치 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102504861B1 (ko) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160150128A (ko) * | 2015-05-14 | 2016-12-29 | (주)시도우 | 초단기 아르바이트 중개 서비스 방법 및 그 시스템 |
| KR101774907B1 (ko) | 2016-04-15 | 2017-09-12 | 주식회사 워크앤테이크 | 위치 기반 일자리 매칭 서비스 제공 방법, 장치 및 컴퓨터 판독 가능한 기록 매체 |
| KR101857610B1 (ko) | 2016-08-22 | 2018-05-15 | 곽천영 | 일용직 매칭방법 |
| KR20200062797A (ko) * | 2018-11-27 | 2020-06-04 | 문예진 | 사용자 맞춤형 구인구직 중개 방법 |
| KR20200098261A (ko) | 2019-02-12 | 2020-08-20 | 인제대학교 산학협력단 | 어플리케이션을 이용한 아르바이트 대행 시스템 |
| KR20200113694A (ko) | 2019-03-26 | 2020-10-07 | (주) 오소 | 초단기 실시간 일자리 공유시스템 및 방법 |
-
2021
- 2021-12-21 KR KR1020210184240A patent/KR102504861B1/ko active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160150128A (ko) * | 2015-05-14 | 2016-12-29 | (주)시도우 | 초단기 아르바이트 중개 서비스 방법 및 그 시스템 |
| KR101774907B1 (ko) | 2016-04-15 | 2017-09-12 | 주식회사 워크앤테이크 | 위치 기반 일자리 매칭 서비스 제공 방법, 장치 및 컴퓨터 판독 가능한 기록 매체 |
| KR101857610B1 (ko) | 2016-08-22 | 2018-05-15 | 곽천영 | 일용직 매칭방법 |
| KR20200062797A (ko) * | 2018-11-27 | 2020-06-04 | 문예진 | 사용자 맞춤형 구인구직 중개 방법 |
| KR20200098261A (ko) | 2019-02-12 | 2020-08-20 | 인제대학교 산학협력단 | 어플리케이션을 이용한 아르바이트 대행 시스템 |
| KR20200113694A (ko) | 2019-03-26 | 2020-10-07 | (주) 오소 | 초단기 실시간 일자리 공유시스템 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Schumann et al. | We need fairness and explainability in algorithmic hiring | |
| US11093818B2 (en) | Customer profile learning based on semi-supervised recurrent neural network using partially labeled sequence data | |
| CN107729532A (zh) | 一种简历匹配方法及计算设备 | |
| Junaid et al. | Modeling an optimized approach for load balancing in cloud | |
| US11321634B2 (en) | Minimizing risk using machine learning techniques | |
| US11748621B2 (en) | Methods and apparatus for feature generation using improved term frequency-inverse document frequency (TF-IDF) with deep learning for accurate cloud asset tagging | |
| US11488014B2 (en) | Automated selection of unannotated data for annotation based on features generated during training | |
| Xiao et al. | Simulation optimization using genetic algorithms with optimal computing budget allocation | |
| US20180075765A1 (en) | System and method for transmission of market-ready education curricula | |
| Imran et al. | Engineering crowdsourced stream processing systems | |
| Desnitsky et al. | Application of a technique for secure embedded device design based on combining security components for creation of a perimeter protection system | |
| Zhongda et al. | Scheduling method for networked control system with resource constraints based on fuzzy feedback priority and variable sampling period | |
| US10732589B2 (en) | Method of controlling energy storage and apparatuses performing the same | |
| US20220174124A1 (en) | Correlating multiple media sources for personalized media content | |
| KR102504861B1 (ko) | 인공지능 기반 단기간 아르바이트 매칭 정보 제공 방법, 장치 및 시스템 | |
| US11436412B2 (en) | Predictive event searching utilizing a machine learning model trained using dynamically-generated event tags | |
| US12046077B2 (en) | Assistance management system | |
| Oh et al. | Probabilistic plan recognition for proactive assistant agents | |
| Vubangsi et al. | Design and implementation of a conference attendance monitoring system using blockchain and AI technologies | |
| KR102430989B1 (ko) | 인공지능 기반 콘텐츠 카테고리 예측 방법, 장치 및 시스템 | |
| KR102346760B1 (ko) | 인공지능 기반의 cctv 영상처리를 위한 서버의 제어 방법, 장치 및 시스템 | |
| US11941157B2 (en) | Computer analysis of software permissions for protecting access to data | |
| US20220207413A1 (en) | Loss augmentation for predictive modeling | |
| KR20230027944A (ko) | 상담 카테고리 분류 방법 및 시스템 | |
| KR20230072599A (ko) | 빅데이터 기반 디지털 마케팅 정보 자동 추출 방법, 장치 및 시스템 |