KR102607570B1

KR102607570B1 - 데이터 수신자의 권한에 따라 편집된 면접 데이터를 제공하는 면접 플랫폼 시스템

Info

Publication number: KR102607570B1
Application number: KR1020220024765A
Authority: KR
Inventors: 박경호
Original assignee: 박경호
Priority date: 2022-02-25
Filing date: 2022-02-25
Publication date: 2023-11-29
Also published as: KR20230127455A

Abstract

상기한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 면접 데이터 제공 방법에 있어서, 면접관의 질문 및 사용자의 질문별 답변이 포함된 음성 데이터 또는 동영상 데이터에 대응하는 면접 데이터가 수집되는 단계, 딥러닝에 기반하여 상기 면접 데이터로부터 질문 및 질문별 답변에 대응되는 텍스트 데이터를 추출하는 단계, 상기 질문 및 질문별 답변의 텍스트 데이터와 대응되는 구간 정보를 상기 면접 데이터 상에 인덱스 처리하는 단계, 상기 면접 데이터를 제공할 수신자 정보에 따라, 상기 면접 데이터의 질문 또는 질문별 답변에 사용자 또는 면접관의 개인 정보 또는 면접 주관기업의 영업 비밀 정보가 포함된 경우, 상기 인덱스에 기초하여 대응되는 구간을 편집한 가공 면접 데이터를 생성하는 단계, 및 상기 가공 면접 데이터의 인덱스와 상기 질문 및 질문별 답변의 텍스트 데이터가 매칭되어 피드백 형태로 수신자에게 제공하는 단계를 포함하며, 수신자가 상기 질문 또는 질문별 답변과 대응되는 영역을 클릭시 매칭되는 상기 가공 면접 데이터 상의 음성 데이터 또는 동영상 데이터의 구간이 재생되어 출력된다.

Description

데이터 수신자의 권한에 따라 편집된 면접 데이터를 제공하는 면접 플랫폼 시스템{INTERVIEW PLATFORM SYSTEM FOR PROVIDING EDITED INTERVIEW DATA ACCORDING TO THE PERMISSION OF THE DATA RECEIVER}

본 발명은 데이터 수신자의 권한에 따라 편집된 면접 데이터를 제공하는 면접 플랫폼 시스템으로, 보다 상세하게는 면접에 참여한 사용자와 기업 또는 면접에 참여하지 않은 제3 자를 포함하는 데이터 수신자의 권한에 따라 면접 데이터를 자동으로 편집하여, 데이터 수신자에게 제공하는 면접 데이터를 제공하는 면접 플랫폼 시스템에 관한 것이다.

통상적으로 기업이 구직자를 선발하는 과정은, 기업이 희망하는 구인정보를 공개한 다음 구직을 희망하는 구직자로부터 구직정보가 기재된 소위 자기소개서 및 이력서를 받아 서류심사가 이루어지고, 이후 서류심사에 통과한 구직자를 대상으로 면접심사를 거쳐 최종 합격자가 선발되게 된다.

최근 들어 인터넷이 발전함에 따라 구인정보 및 구직정보를 구직자 및 기업에게 실시간으로 제공하는 다양한 구인 구직 서비스 방법이 제안되어 온라인 상에서 구인/구직이 활발하게 이루어지고 있으며, 나아가, 최근에는 통신 스트리밍 기술의 발전에 따라, 개인간 또는 다자간의 실시간 화상 채팅이 가능해져, 이를 구인 구직에 적용한 화상 면접이 이루어지고 있다.

이와 같은 화상 면접은 종래의 오프라인에서 이루어지는 면접과는 달리, 장소와 시간에 구애받지 않아, 구직자뿐만 아니라 기업로서도 구인 준비에 있어서 많은 시간을 할애하는 것을 방지하도록 하며, 상시 고용으로도 구직자와 시간을 조율하여 탄력적으로 구인을 할 수 있다는 점에서, 구인 및 구직자들 사이에서 매우 좋은 반응을 얻고 있다. 더구나, 최근 COVID 19의 확산에 따라 다수의 인원이 한자리에 모이는 것 자체가 기업 및 구직자에게 서로 부담이며, 특히 기업의 경우, 오프라인 면접시 확진자라도 발생하게 되면, 방역 절차 수행 등 기업 운영에 리스크가 크기 때문에, 구인에 있어 화상 면접을 적극적으로 채용하고 있는 실정이다.

한편, 화상 면접에서 기록된 면접 데이터는 다양한 방식으로 활용될 수 있다. 예를 들어, 기업 입장에서는 면접 준비에 상당한 자원을 소모하므로, 면접 절차를 간소화하기 위하여, 또는 좋은 인재를 구하기 위한 분석 자료로 활용할 수 있으며, 사용자 입장에서는 자신이 수행한 면접에서 있어서의 문제점을 스스로 분석하거나, 또는 전문 피드백을 받기 위한 자료로서 활용될 수 있다. 또한, 면접에 참여하지 않은 기업 또는 일반 사용자에게도 컨텐츠로서 제공할 수 있다.

즉, 불특정 다수의 사용자와 기업을 고객으로 두고 있는 면접 플랫폼 시스템에 있어서 면접 데이터는 다양하게 활용될 수 있다. 다만, 면접 데이터를 일방에 제공함에 있어서, 면접 데이터 상에는 사용자의 개인 정보가 포함될 수 있으며, 기업 입장에서는 영업 비밀 정보가 포함될 수 있기 때문에, 면접 데이터의 적절한 가공이 필요하다.

본 발명은 전술한 문제를 해결하는 것을 목적으로 한다.

본 발명의 일 목적은 면접 플랫폼 시스템을 통해 면접을 수행한 사용자별 면접 데이터로부터 추출된 텍스트로 구성된 면접 항목별 및 면접 일자별 면접 훈련 상태가 기록된 면접 훈련 일지를 피드백으로 사용자에게 제공하는 것을 목적으로 한다.

또한, 본 발명의 일 목적은 사용자 및 기업을 고객으로 하는 면접 플랫폼 시스템에 있어서, 사용자의 개인 정보 또는 기업의 영업 비밀 정보가 포함된 면접 데이터를 요청한 고객의 권한에 기초하여, 자동 편집하여 제공하는 것을 목적으로 한다.

본 발명의 일 실시예에 있어서, 상기 수신자 정보에 기초하여, 수신자와 상기 면접 데이터에 포함된 질문별 답변을 수행한 사용자가 동일한 경우, 상기 가공 면접 데이터는 상기 면접 데이터 상의 질문에 대응되는 구간의 면접관의 음성이 변조된 것일 수 있다.

본 발명의 일 실시예에 있어서, 상기 수신자 정보에 기초하여, 수신자와 상기 면접 데이터에 포함된 질문별 답변을 수행한 사용자가 상이한 경우, 상기 가공 면접 데이터는 상기 면접 데이터 상의 질문에 대응되는 구간의 면접관의 음성 및 질문별 답변에 대응되는 구간의 사용자의 음성이 변조된 것일 수 있다.

본 발명의 일 실시예에 있어서, 상기 면접 데이터에 포함된 특정 질문에 있어서 면접 주관기업의 영업 비밀이 포함되고, 상기 수신자 정보에 기초하여 상기 면접 주관기업과 수신자가 상이한 경우, 상기 가공 면접 데이터는 상기 면접 데이터 상의 상기 특정 질문에 대응되는 구간과 상기 특정 질문에 대한 답변에 대응되는 구간이 삭제 편집된 것일 수 있다.

본 발명의 일 실시예에 있어서, 상기 면접 데이터에서 삭제 편집된 구간과 대응되는 텍스트 데이터도 함께 삭제 편집되어 수신자에게 제공될 수 있다.

본 발명의 일 실시예에 있어서, 수집된 면접 데이터는 면접 주관기업별로 분류되며, 딥러닝에 기반한 문자 인식 모델에 기초하여, 기업별 면접 데이터에 대응되는 다수의 텍스트 데이터로부터 동일 질문별 다수의 답변들의 특성 정보를 추출하여, 공통된 특성 정보를 갖는 질문별 다수의 답변들을 제1 그룹화하는 단계, 및 상기 동일 질문별 다수의 답변들을 면접 합격자의 답변과 면접 불합격자의 답변으로 제2 그룹화하는 단계를 포함할 수 있다.

본 발명의 일 실시예에 있어서, 사용자로부터 타겟 기업이 지정되면, 상기 타겟 기업의 질문별 다수의 답변들을 상기 제1 그룹화한 후, 상기 제1 그룹화된 그룹별 다수의 답변들을 상기 제2 그룹화하고, 상기 타겟 기업의 질문 리스트와 함께 그룹화된 질문별 답변을 피드백형태로 사용자에게 제공할 수 있다.

본 발명의 일 실시예에 있어서, 면접 주관기업의 질문별 다수의 답변들을 상기 제2 그룹화한 후, 면접 합격자 그룹의 다수의 답변들을 상기 제1 그룹화하고, 상기 면접 주관기업의 질문 리스트와 함께 그룹화된 질문별 공통된 특성 정보를 피드백형태로 주관 기업에게 제공할 수 있다.

본 발명의 일 실시예에 있어서, 특정 질문에 대한 공통된 특성 정보를 갖는 임의의 그룹 내 답변의 개수가 전체 합격자의 답변의 개수 대비 미리 정한 기준보다 높은 비율의 경우, 상기 특정 질문의 리스트를 피드백형태로 주관 기업에게 제공할 수 있다.

본 발명의 일 실시예에 있어서, 상기 특성 정보는, 딥러닝에 기반하여 추출되는 질문별 답변의 의미 또는 형식에 대한 정보일 수 있다.

본 발명의 일 실시예에 따르면, 사용자별 면접 데이터로부터의 텍스트로 구성된 면접 항목별 및 면접 일자별 면접 훈련 상태가 기록된 면접 훈련 일지를 피드백으로 사용자에게 제공함으로써, 사용자는 현재 훈련 상태와 훈련이 부족한 영역을 용이하게 확인할 수 있다.

본 발명의 일 실시예에 따르면, 다수의 사용자 및 기업을 고객으로 하는 면접 플랫폼 시스템에 있어서, 데이터를 요청한 고객의 권한에 기초하여 자동 편집하여 제공함으로써, 면접 데이터 상에 포함된 사용자의 개인 정보 또는 기업의 영업 비밀 정보의 유출을 방지할 수 있다.

도 1은 본 발명의 일 실시예에 따른 면접 플랫폼 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 중앙 서버를 설명하기 위한 블록 구성도이다.
도 3은 도 2의 고객 관리부를 설명하기 위한 블록도이다.
도 4는 도 2의 데이터 변환부를 설명하기 위한 블록도이다.
도 5는 도 2의 피드백 생성부를 설명하기 위한 블록도이다.
도 6은 본 발명의 일 실시예에 따른 데이터 수신자의 권한에 따라 편집된 면접 데이터를 제공하는 방법을 설명하기 위한 흐름도이다.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 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.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1개의 유닛이 2개 이상의 하드웨어를 이용하여 실현되어도 되고, 2개 이상의 유닛이 1개의 하드웨어에 의해 실현되어도 된다.

본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.

본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따른 면접 플랫폼 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 적어도 하나 이상의 사용자와 적어도 하나 이상의 면접관을 연결하는 면접 플랫폼 시스템(1)이 도시된다. 상기 면접 플랫폼 시스템(1)은, 적어도 하나의 사용자 단말(100), 중앙 서버(300) 및 적어도 하나 이상의 면접관 단말(500)을 포함할 수 있다. 다만, 이러한 도 1의 면접 플랫폼 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다. 상기 면접 플랫폼 시스템은 사용자와 면접자 간의 화상 화상 면접을 지원하고, 화상 면접에서의 기록된 영상 데이터 또는 음성 데이터에 포함된 적어도 하나 이상의 정보를 포함하는 면접 데이터를 관리하도록 구성된다.

이때, 도 1의 각 구성요소들은 일반적으로 네트워크(network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 적어도 하나의 사용자 단말(100)은 네트워크(200)를 통하여 중앙 서버(300)와 연결될 수 있다. 그리고, 상기 중앙 서버(300)는, 네트워크(200)를 통하여 적어도 하나의 사용자 단말(100)과 적어도 하나 이상의 면접관 단말(500)을 연결할 수 있다. 그리고, 상기 적어도 하나 이상의 면접관 단말(500)은, 네트워크(200)를 통하여 중앙 서버(300)와 연결될 수 있다.

여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 RF, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5GPP(5th Generation Partnership Project) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스 (Bluetooth) 네트워크, NFC 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.

하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명 하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.

적어도 하나의 사용자 단말(100)은, 면접 플랫폼 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 면접 플랫폼 시스템을 통해 취업, 합격, 등 목적을 불문하고, 면접을 수행하고자 하는 피면접자(이하, "사용자"라 칭한다.)가 이용하는 단말로, 단말의 소유 여부는 불문한다.

적어도 하나의 면접관 단말(500)은, 면접 플랫폼 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 면접 플랫폼 시스템을 통해 면접을 수행하고자 하는 면접자가 이용하는 단말로, 기업 내 인사 담당자인 면접관 또는 기업 외부의 면접 전문관이 이용하는 단말로, 기업의 내외부를 불문한다. 면접관은 면접 플랫폼 서비스에 가입시, 소속된 기업명에 대한 정보를 입력할 수 있으며, 소속 기업이 있는 면접관의 경우, 소속 기업이 주관하는 화상 면접에 로그인을 통해 참여할 수 있으며, 소속 기업이 없는 외주 기관으로서의 전문 면접관의 경우, 화상 면접을 주관하는 기업에 상관없이, 주관 기업의 초대 내지 화상 면접 코드를 입력하여 특정의 화상 면접에 참여할 수 있다.

상기 적어도 하나의 면접관 단말(500)에는, 사용자별 면접 결과에 대해 각 항목별로 평가할 수 있는 입력창이 출력되며, 해당 입력창은 사용자별 면접이 종료한 직후, 또는 면접이 진행되는 동안 평가를 입력할 수 있도록 출력될 수 있다. 사용자별 평가점수는 면접에 참여한 모든 면접관들이 평가한 점수로 취합될 수 있으며, 상대 평가인 경우, 전체 면접이 종료한 시점 또는 절대 평가인 경우 면접 직후에 면접에 대한 합격/불합격 결과가 산출될 수 있다. 이에, 사용자별 면접에 대한 합격/불합격 결과 정보는 면접 데이터와 매칭되어 기록되며, 상기 중앙 서버(300)는 상기 정보에 기초하여, 기업별로 합격한 사용자들에 대한 면접 데이터와 불합격한 사용자들에 대한 면접 데이터를 분류하여 관리할 수 있다.

다만, 이에 한정되지 않는다. 사용자별 합격/불합격 여부는 기업에서 내부적으로 결정하여 통보되거나, 또는 사용자로부터 합격 또는 불합격했는지 여부에 대한 정보를 입력받음으로써 저장될 수 있다.

즉, 면접 플랫폼 시스템(1)은 입사 내지 합격을 위한 전형에 있어서 적어도 한차례 이상의 화상 면접을 진행하는 구인자, 기업, 기관 등(이하, 이들을 총칭하여 "기업"라 칭한다.)에 지원하여, 화상 면접을 수행하거나, 또한 화상 면접을 수행할 예정인 사용자의 사용자 단말(100)과 기업에 속하거나 또는 외주 형태로 기업에 지원한 사용자에 대해 면접을 진행할 면접관의 면접관 단말(500)을 연결하여 원활한 화상 면접이 이루어질 수 있도록 지원하는 것을 전제로 한다.

또한, 상기 면접 플랫폼 시스템(1)은 사용자를 대상으로 사용자 단말(100)을 통해 가상 내지 모의 면접을 지원하도록 구성된다. 즉, 상기 면접 플랫폼 시스템(1)은, 사용자별 기업과의 실전 면접에 대한 실전면접 데이터와, 사용자별 가상 내지 모의 면접에 대한 모의 면접 데이터를 수집하고 관리하며, 이를 가공하여 피드백 서비스를 제공하도록 구성된다. 한편, 상기 면접 플랫폼 시스템(1)은, 면접의 종류에 따라, 사용자와 면접관 간의 일대일 면접, 일대다 면접, 다대다 면접 등을 지원하도록 구성된다.

상기 적어도 하나의 사용자 단말(100) 및 면접관 단말(500)은, 사용자 및 면접관의 화상 및 음성을 포함하는 면접 데이터를 수신하기 위해 적어도 하나의 데이터 수신부를 포함한다. 예를 들어, 상기 데이터 수신부는 사용자의 화상 데이터를 수신하기 위한 카메라, 음성 데이터를 수신하기 위한 마이크 등을 포함할 수 있으며, 사용자 단말(100) 및 면접관 단말(500)에 주변기기로서 연결되거나 또는 내장되어 설치될 수 있다. 상기 사용자 단말(100) 및 면접관 단말(500)은 사용자 및 면접관이 수행한 면접과 관련하여 데이터 수신부에서 수집한 면접 데이터를 중앙 서버(300)로 전송하도록 구성된다.

여기서, 적어도 하나의 사용자 단말(100) 및 면접관 단말(500)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 사용자 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 사용자 단말(100) 및 면접관 단말(500)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

상기 중앙 서버(300)는, 사용자 단말(100) 및 면접관 단말(500)에 면접 플랫폼 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 중앙 서버(300)는, 사용자별 또한 기업별로 면접 데이터를 수집하고, 사용자 또는 기업의 요청에 따라 사용자에게 사용자별 수행한 면접 이력에 대한 데이터를 취합한 면접 일지를 제공하고, 기업 고객에게는 기업별 수행한 면접에서 면접 합격자 또는 불합격자에 대한 데이터를 취합하여 분석 결과를 제공할 수 있다.

또한, 상기 중앙 서버(300)는 면접 데이터 또는 면접 데이터를 가공한 데이터를 제공함에 있어서, 데이터를 요청한 사용자 또는 기업 고객의 권한에 따라 면접 데이터를 가공 내지 편집하여 제공할 수 있다.

여기서, 상기 중앙 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.

본 발명의 일 실시예에 따른 중앙 서버(300)는 적어도 하나의 사용자 단말(100)에 면접 플랫폼 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 사용자 단말(100)은, 면접 플랫폼 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 적어도 하나의 사용자 단말(100)에서 구동될 수도 있다.

여기서, 웹 브라우저는 웹(WWW: world wide web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(hypertext mark-up language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(app)을 포함한다.

도 2는 도 1의 시스템에 포함된 중앙 서버를 설명하기 위한 블록 구성도이다. 도 3은 도 2의 고객 관리부를 설명하기 위한 블록 구성도이다. 도 4는 도 2의 데이터 변환부를 설명하기 위한 블록도이다. 도 5는 도 2의 피드백 생성부를 설명하기 위한 블록도이다.

도 1 내지 도 5를 참조하면, 중앙 서버(300)는, 고객 관리부(310), 데이터 수집부(320), 면접 데이터 관리부(330), 데이터 변환부(340), 면접 피드백 생성부(350) 및 데이터 전송부(360)를 포함할 수 있다.

상기 고객 관리부(310)는 상기 면접 플랫폼 시스템(1)에서 모의 또는 실전 화상 면접을 수행하고 하는 사용자, 기업에 소속되거나 또는 외주로서 사용자의 화상 면접을 진행하고자 하는 면접관을 고객으로서 등록하고 관리한다. 예를 들어, 상기 고객 관리부(310)는 사용자의 등록 정보를 저장하고 관리하는 사용자 관리 모듈(311), 면접관의 등록 정보를 저장하고 관리하는 면접관 관리 모듈(313) 및 화상 면접을 주관하는 기업의 등록 정보를 저장하고 관리하는 기업 관리 모듈(315)을 포함할 수 있다.

상기 사용자 관리 모듈(311)은 상기 사용자 단말(100)로부터 입력되는 사용자의 성명, 주민등록번호, 주소, 연락처 등의 기본 정보, 등의 기본 정보를 등록받아 사용자 식별코드에 매칭시켜 고객 DB에 저장하고 관리하도록 구성되며, 또한, 사용자의 자기 소개 정보 및 과거 직무 이력 정보를 함께 저장하고 관리하도록 구성된다 예를 들어, 해당 정보는 과거 직무 이력과 연관된 기업 내지 기관의 증빙 자료 또는 고용 보험의 직종 정보 등에 기초하여 인증될 수 있다. 이와 달리, 사용자가 업로드한 자기소개서 및 이력서로부터 정보를 추출하여 저장하고, 관리하도록 구성될 수도 있다. 또한, 상기 사용자 관리 모듈(311)은 사용자가 수행한 면접 이력을 누적하여 관리하고, 저장된 면접 데이터별 식별 코드를 사용자별 식별 코드에 매칭시켜 저장하도록 구성된다.

상기 면접관 관리 모듈(313)은 상기 면접관 단말(500)로부터 입력되는 면접관의 성명, 주민등록번호, 주소, 연락처 등의 기본 정보 또는 기업에 소속된 경우 기업명, 주소, 연락처 등의 기업 기본 정보를 등록받아 고객 DB에 저장하고 관리하도록 구성되며, 상기 중앙 서버(300)를 통해 면접을 진행한 면접 이력 정보, 화상 면접에서 부여한 사용자별 면접 평가 정보를 저장하고 관리한다.

또한, 본 실시예에 따른 면접 플랫폼 시스템(1)은 면접 데이터를 수신할 수신자에게 면접 데이터를 제공함에 있어서, 면접 데이터에 포함된 면접관 개개인의 얼굴 정보 또는 음성 정보 등의 개인 정보를 편집 내지 가공하여 비공개로 처리할 수 있다. 즉, 면접관 개개인은 면접관 단말(500)을 통해 회원 가입시 또는 면접을 수행하기 전, 면접 데이터 활용에 대한 승인/비승인 정보를 입력할 수 있다. 예를 들어, 정보 수신자의 권한에 따라, 정보 수신자가 사용자인 경우, 면접을 진행한 주관 기업인 경우, 또는 제3 자인 경우에 따라 데이터 제공에 대한 개인 정보의 승인/비승인 정보를 입력할 수 있다. 한편, 기업에 소속된 면접관의 경우, 해당 기업에서 면접 데이터를 요청하는 경우, 자동으로 승인되도록 설정될 수 있다.

또한, 외주 형태로 면접에 참여한 면접관에게는 기업에서 면접 플랫폼 시스템을 통해 면접비를 송금할 수 있으며, 이를 위해 전문 면접관으로부터 면접비를 송금받기 위한 금융 계좌 번호(금융회사명, 예금주)를 등록받아 고객 DB에 저장하고 관리할 수 있다.

상기 기업 관리 모듈(315)는 기업의 면접관 중 대표자가 사용하는 면접관 단말(500)로부터 입력되거나 또는 기업 정보 관리 외부 서버로부터 자동으로 등록되는 기업명, 사업자등록번호, 주소, 연락처 등의 기본 정보 및 인사 책임자, 면접 주관 책임자 등에 대한 기본 정보를 고객 DB에 저장하고 관리하도록 구성되며, 기업의 면접 진행 정보, 예를 들어, 면접 일자, 면접에 참여하는 면접 대상자로서 사용자 정보, 면접 순서 정보, 면접관에 대한 정보를 면접 정보를 등록하고 관리할 수 있다. 또한, 면접 평가를 위한 평가 항목 정보, 항목별 평가 배점 정보, 항목별 평가 기준 정보를 포함하는 면접 평가 정보를 등록할 수 있다. 해당 정보는 면접에 참여할 면접관에게 제공되며, 사전 고지 형태로 제공될 수 있다. 상기 면접 평가 정보에는 면접 합격 여부 결정에 있어서, 상대 평가인지 절대 평가인지에 대한 정보가 포함되고, 합격/불합격 결정을 위한 정보가 포함된다.

또한, 본 실시예에 따른 면접 플랫폼 시스템(1)은 면접 데이터를 수신할 수신자에게 면접 데이터를 제공함에 있어서, 면접관이 면접 과정에서 사용자에게 질문한 내용에 기업의 영업 비밀이 포함될 수 있기 때문에, 해당 질문과 해당 질문에 대해 사용자가 답변한 정보를 편집 내지 가공하여 비공개로 처리할 수 있다. 즉, 면접이 종료된 후, 면접 데이터로부터 면접관이 질문한 정보들은 추출되어, 기업의 인사 책임자 또는 면접 주관 책임자에게 제공되며, 책임자가 특정 질문에 대해서 외부로의 공개를 원치 않는 경우, 면접 데이터를 사용자 또는 제3 자에 제공할 때, 특정 질문과 해당 질문에 대한 사용자의 답변을 비공개 처리하여 제공할 수 있다. 한편, 비공개 처리된 질문은 기업별로 관리될 수 있으며, 키워드 추출에 의해 자동으로 비공개 처리될 수 있다.

또한, 본 발명의 일 실시예는 고객 관리부(310)가 사용자, 면접관 및 기업을 고객 DB에 저장하고 관리하는 것을 예로 들어 설명하였으나, 이에 한정되지 않으며, 각각 별도의 DB를 통해 관리할 수도 있다. 또한, 본 실시예는 사용자, 면접관 및 기업을 구분해서 서로 다른 모듈에서 정보를 관리하는 것을 예로 설명하였으나, 이에 한정되지 않는다. 예를 들어, 상기 고객 관리부(310)는 고객을 구분없이 등록하고 통합하여 관리할 수도 있다. 이 경우, 상기 고객 관리부(310)는, 사용자, 면접관 및 기업 고객이 상기 중앙 서버(300)로 접속하고 로그인을 수행하면, 접속한 자가 고객인지 여부를 확인하고, 고객임을 확인하면, 접속한 자가 사용자, 면접관 및 기업 고객인지 여부에 따라, 그에 대응되는 서비스를 제공받도록 사용자 단말(100) 및 면접관 단말(500)에 표시되는 인터페이스를 전환시킬 수도 있다.

상기 데이터 수집부(320)는, 사용자 단말(100)을 통해 입력되는 사용자의 기본 정보, 과거 직무 정보 및 타겟하는 회사 정보를 수집하여 중앙 서버에 등록하여 관리하도록 구성된다. 한편, 상기 사용자의 기본 정보는 사용자 단말의 별도의 입력창을 통해 정보를 수신할 수 있으며, 이와 달리 문서 형태의 자기소개서 및 이력서를 통해 제공받을 수 있다. 이 경우, 상기 사용자의 자기소개서 및 이력서는 각각 사용자의 기본 정보와 과거 직무 정보를 갈음할 수 있다. 즉, 해당 정보는 문서 형태로 중앙 서버에 등록될 수 있고, 문서에서 OCR에 의해 텍스트 데이터가 추출되어 사용자 식별코드와 매칭되어 저장될 수 있다.

또한, 상기 데이터 수집부(320)는, 화상 면접에서 기록되는 면접 데이터를 사용자별로 수집한다. 상기 면접 데이터는 구직자인 사용자와 면접관 사이에서 이루어지는 실전면접 과정에서 획득되는 실전면접 데이터와 사용자가 실전면접에 대비하기 위하여, 시스템 상에서 제공하는 모의 면접 과정에서 획득되는 모의 면접 데이터를 포함한다. 또한, 실전 면접의 경우, 상기 데이터 수집부(320)는 상기 면접 데이터를 기업별로 수집하며, 해당 면접 데이터에는 적어도 하나 이상의 면접관의 질문 및 적어도 하나 이상의 사용자의 질문별 답변이 포함된다.

상기 면접 데이터는, 사용자가 시스템을 통해 실전면접 또는 모의 면접을 수행 시, 사용자 단말(100)로부터 수신된 각종 데이터를 포함한다. 예를 들어, 상기 면접 데이터는 화상 면접 영상에 사용자의 면접 내용이 녹음된 형태의 동영상 데이터일 수 있으며, 또는 사용자의 음성이 늑음된 형태의 음성 데이터일 수 있다. 또는 이들을 모두 포함할 수 있다.

또한, 상기 면접 데이터에는 면접 데이터별 면접 기본 정보가 포함될 수 있다. 예를 들어, 상기 면접 기본 정보는, 면접을 수행한 사용자 정보, 실전면접인지 모의면접인지 여부에 대한 면접의 종류, 실전면접인 경우 기업의 업종, 업태, 구인 분야 정보를 포함하는 기업 정보 및 합격 여부, 면접이 이루어진 일자, 직무 면접 또는 인성 면접 등 면접의 종류, 면접관이 다수인지 여부, 여러 구직자가 함께 참여하는 단체 면접인지 여부, 신입사원 구인을 위한 면접인지, 경력사원 구인을 위한 면접인지 여부 등 즉, 면접의 종류 및 방식에 대한 적어도 하나 이상의 정보를 포함한다.

또한, 상기 면접 데이터는 사용자 또는 기업에 제공하는 것을 전제로 하며, 정보를 수신할 사용자 또는 기업에 해당하는 수신자의 권한에 기초하여 상기 면접 데이터에 대해 편집 내지 가공이 이루어지도록 구성된다. 예를 들어, 면접 데이터가 동영상 데이터인 경우, 사용자가 정보를 요청했다면, 개인 정보의 노출 방지를 위하여, 영상 내 적어도 하나 이상의 면접관이 표시된 영역을 블러(Blur) 처리하거나, 또는 필터링을 하여 얼굴 노출을 제한할 수 있다. 또한, 음성 데이터 상의 특정 면접관의 음성을 변조시킬 수도 있다. 이에 대해서는 데이터 변환부(340)에서 상세히 설명한다.

또한, 상기 면접 데이터는 딥러닝에 기반하여 사용자 및 기업에 피드백을 제공하기 위해 분석되며, 이를 위해 불특정 다수의 면접 데이터가 수집된다. 즉, 기업별 면접 데이터는 사용자가 합격을 희망하는 기업을 타겟 기업으로 설정할 때, 해당 타겟 기업의 분석된 질문별 답변에 대한 피드백을 제공할 수 있으며, 기업에는 합격자의 면접 데이터로부터 공통된 정보를 분석하여 인재상에 대한 정보로서 제공할 수 있다. 이에 대해서는 피드백 생성부(350)에서 상세히 설명한다.

한편, 상기 데이터 수집부(320)는 면접 데이터로부터 텍스트 정보를 추출하도록 구성된다. 예를 들어, 면접 데이터가 화상 데이터로 구성된 경우, 사용자의 음성이 녹음된 부분의 음성 데이터를 추출한 후, 해당 음성 데이터를 텍스트로 변환하거나, 추출하는 방식으로 이루질 수 있다. 또는 중간 과정을 생략하고, 화상 데이터로부터 바로 텍스트 데이터가 추출될 수 있다. 이와 달리, 면접 데이터가 음성 데이터로 구성되는 경우, 여기서 사용자 또는 면접관의 음성 데이터를 추출하고, 해당 음성 데이터를 텍스트로 변환하거나, 추출할 수 있다. 예를 들어, 해당 과정은 딥러닝에 기반한 음성 인식 기술에 기초할 수 있으며, STT기술(Speech To Text)이 적용될 수 있다. 해당 설명은 본 발명의 범위를 벗어난 것으로 상세한 설명은 생략한다.

한편, 추출된 텍스트 데이터에는 화상 면접에서 이루어진 사용자의 음성과 기업의 면접관의 음성이 분리되어 추출되며, 음성 인식은 딥러닝에 기반하여 사용자의 음성을 인식하여 추출하는 방식이거나, 또는 면접 데이터에서 사용자 단말(100)에 연결된 마이크를 통해 사용자별 음성이 입력된 구간 정보에 기초하여, 사용자의 음성 정보를 추출하는 방식일 수 있다. 다만, 이에 한정되지 않는다.

이에 따라, 면접 데이터에 포함된 여러 음성 정보로부터, 사용자 음성을 추출하고, 사용자 음성 외의 면접관 음성 또는 단체 면접에서의 다른 사용자의 음성을 추출하여, 텍스트화할 수 있다. 여기서, 면접관 음성의 텍스트 데이터는 면접 질문으로 취급되어 분류되어 저장되며, 면접관의 식별코드와 매칭되어 저장될 수 있다. 사용자 음성의 텍스트 데이터는 앞서 기록된 면접 질문에 매칭되어 질문에 대한 답변으로 취급되어 저장되어 관리된다.

상기 면접 데이터 관리부(330)는 수집된 면접 데이터 원본, 상기 면접 데이터로부터 추출된 텍스트 데이터로부터 면접 질문과 질문별 답변을 분리하여, 사용자별 및 기업별 면접 데이터로 누적하여 저장하고 관리하도록 구성된다.

상기 면접 데이터 관리부(330)는 면접 데이터가 수집되면, 수집된 면접 데이터에 식별 코드를 부여하고 면접 데이터 DB에 누적하여 저장하여 관리할 수 있다. 이 때, 면접 데이터의 기본 정보가 함께 매칭되어 저장되며, 면접 데이터와 관련된 적어도 하나 이상의 사용자, 면접자 및 기업의 식별정보가 매칭되도록 한다. 또한, 면접 데이터로부터 추출된 텍스트 데이터로부터의 면접 질문 및 질문별 답변도 각각 식별 코드가 부여되어 저장되고 관리되며, 상기 면접 데이터의 식별 코드와 매칭된다. 또한, 상기 면접 질문은 면접관 음성 식별에 기초하여, 면접관 식별코드와 매칭되며, 질문별 답변은 사용자의 식별코드와 매칭됨과 동시에, 면접 질문의 식별 코드와 매칭된다.

한편, 면접 질문은 키워드 추출을 통해 미리 정해진 질문 항목으로 분류될 수 있다. 해당 분류는 질문 항목을 그룹화하기 위한 것으로, 예를 들어, 사용자별 자기 소개서에서 추출된 키워드 포함여부에 따라 면접 질문을 자기 소개서 질문 그룹으로 그룹화할 수 있다. 또한, 해당 그룹 내 질문들은 지원동기, 성장과정, 강약점, 가족사항, 성장과정 등으로 세부 분류에 따라 분류할 수 있다. 또한, 직무 면접의 경우, 기업의 업종, 업태, 구인 분야 정보 등의 기업 정보에 따라, 면접 질문 내 키워드별로 미리 정해진 항목에 따라 질문이 분류될 수 있다. 예를 들어, 기업이 금융권 기업의 경우, 질문 내 키워드에 따라 금융 이슈, 금리, 환율, 등의 항목으로 면접 질문들이 분류될 수 있다.

이때, 질문의 그룹 개념은, 그룹의 프로파일을 기반으로 하여 그룹의 속성에 따른 유사도 계산을 통해 질문의 속성정보와 유사한 그룹을 그룹핑하는 방식일 수도 있다. 이때, 그룹의 프로파일 정보가 명확하고 다양한 속성 값을 가지는 경우, 키워드 필터링보다는 내용 기반의 질문 유사도에 따른 그룹핑 방식으로 구현될 수도 있다. 물론, 상술한 방법 이외에도 다양한 방법이 이용될 수 있으며, 질문별로 각 특성정보를 분석하여 그룹을 생성하고, 그룹별 유사도에 따라 질문을 재그룹화 할 수도 있다.

한편, 질문 및 질문별 답변은 면접 데이터 또는 사용자에게 제공될 편집 또는 가공된 면접 데이터 상에 인덱스로 표시되도록 구성된다. 여기서 편집 또는 가공된 면접 데이터는 개인 정보 보호 또는 영업 비밀 보호를 위해 원본 면접 데이터로부터 편집이 가해진 데이터를 의미한다. 즉, 면접관의 질문 및 사용자의 질문별 답변에 대응되는 구간이 화상 데이터 또는 음성 데이터 상에 인덱스로 표시되도록 구성된다. 즉, 후술하는 사용자별 제공되는 면접 피드백에는 면접별 질문에 대응되는 사용자의 답변이 텍스트로 표시되며, 해당 텍스트를 클릭하거나, 또는 이에 대응되는 영역에 위치된 조작버튼을 클릭하면, 해당 텍스트에 대응되는 구간의 사용자의 음성이 출력되거나, 사용자의 음성이 포함된 동영상이 출력될 수 있다.

한편, 텍스트 데이터는 동영상 데이터로부터 비언어적 소리나 상황의 맥락 정보가 포함될 수 있다. 해당 정보는 동영상 데이터의 딥러닝에 의해 추출될 수 있다. 예를 들어, 면접 영상에서 사용자의 움직임의 변화를 추출하여, 사용자의 행동 정보를 텍스트화할 수 있다. 예를 들어, (헛)기침 소리, 손들기, 고개 흔들기, 어깨 들기 등의 사용자의 동작을 인식하여, 이를 캡션화 하여, 인식되는 텍스트 데이터에 괄호 내 정보로 포함시킬 수 있다.

상기 면접 데이터에서 추출된 사용자 음성의 텍스트 데이터는 후술하겠지만, 면접관의 질문에 매칭되어, 면접 일자, 질문 항목 등으로 분류되어, 질문과 함께 면접 피드백 정보로 사용자에게 제공될 수 있다. 이에 따라, 사용자로서는 텍스트로 구성된 면접 질문 항목별 및 면접 일자별 면접 피드백으로서 면접 훈련 일지를 제공받을 수 있으며, 이에 기초하여 사용자는 현재 훈련 상태와 취약한 항목을 용이하게 확인할 수 있다.

또한, 상기 면접 데이터 관리부(330)는 저장된 질문별 답변 데이터를 사용자별로 분류하며, 기업별 면접 합격 여부에 따라 합격자 그룹과 불합격자 그룹으로 분류하여 저장하고 관리될 수 있다.

예를 들어, 불특정 다수의 사용자의 질문별 답변 데이터는 사용자별로 분류되어 저장되는 동시에, 기업별 질문과 매칭되어 저장되고, 합격 여부에 따라 분류되어 저장될 수 있다. 예를 들어, '갑'이 A 기업 내지 D 기업의 화상 면접을 수행한 경우, A 기업 내지 C 기업은 불합격하고, D 기업은 합격했다고 했을 때, '갑'에 대해 A 기업 내지 D 기업에서 수행한 면접의 질문별 답변이 질문과 매칭되어 누적되어 저장되고, '갑'의 각 기업별 화상 면접에서 질문별 답변은 A 기업 내지 C 기업에서는 불합격자 그룹으로 분류되고, D 기업에서는 합격자 그룹으로 분류되게 된다.

상기 데이터 변환부(340)는 사용자 또는 기업에게 적어도 하나 이상의 면접 데이터를 제공함에 있어, 면접 데이터별 연관된 사용자 또는 면접관의 보호받고자 하는 개인 정보 또는 기업이 보호받고자 하는 영업 비밀 정보가 누출되는 것을 방지하고자 면접 데이터를 변환하도록 구성된다.

상기 데이터 변환부(340)는 인덱스 처리부(341) 및 데이터 편집부(343)를 포함한다. 상기 인덱스 처리부(341)는 각각의 질문 및 질문별 답변에 텍스트 데이터로부터 원본의 면접 데이터의 대응되는 구간 정보를 인덱스 처리하도록 구성된다. 즉, 면접 데이터로부터 인덱스 처리된 가공된 면접 데이터가 생성되며, 가공된 면접 데이터에 처리된 인덱스는 각각의 질문 및 질문별 답변의 텍스트 데이터와 매칭되도록 한다.

상기 텍스트 데이터를 인덱스하는 방식은 여러가지 방식들이 있을 수 있다. 가장 편리한 방식은 시간을 함수로 인덱스 하는 방식일 것이다. 텍스트 데이터에 대한 대응되는 시간을 인덱스하고, 해당 인덱스는 동영상 데이터의 인덱스와 대응되게 매핑화 내지 사상화함으로써, 텍스트 데이터와 동영상 또는 음성 데이터는 서로 매칭되어진다. 따라서, 텍스트 데이터의 가공 편집 형태를 동영상 데이터에 적용할 수 있게 된다. 시간을 함수로 인덱스 하는 경우에, 인덱스를 음절 단위나, 또는 어절 단위로 할 수도 있을 것이다. 즉, 텍스트 데이터의 어떤 위치의 음절은 특정 시간의 인덱스를 가지게 되고, 해당 인덱스와 대응되는 동영상 또는 음성 데이터의 인덱스를 통해 가공 편집할 동영상 또는 음성 데이터의 위치를 검출할 수 있게 된다. 해당 인덱스는, 음성의 발화 주체에 따라 서로 달리 구분될 수 있다. 예를 들어, 사용자와 면접관들 각각이 구분되도록 처리된다.

즉, 면접관의 질문 및 사용자의 질문별 답변에 대응되는 구간이 화상 데이터 또는 음성 데이터 상에 인덱스로 표시되도록 구성된다. 이에 따라, 인덱스 정보에 기초하여 편집을 가할 위치를 검출할 수 있으며, 또한, 후술하는 사용자별 제공되는 면접 피드백에는 면접별 질문에 대응되는 사용자의 답변이 텍스트로 표시되며, 해당 텍스트를 클릭하거나, 또는 이에 대응되는 영역에 위치된 조작버튼을 클릭하면, 해당 텍스트에 대응되는 구간의 사용자의 음성이 출력되거나, 사용자의 음성이 포함된 동영상이 출력하도록 할 수 있다.

상기 데이터 편집부(343)는 인덱스에 기초하여 구간별 음성을 변조하거나, 또는 화면 상의 일정 영역을 필터 처리하도록 구성된다. 상기 데이터 편집부(343)는 사용자 또는 면접관의 개인 정보가 포함된 구간을 편집할 수 있으며, 기업의 영업 비밀 정보가 포함된 구간을 삭제하(잘라내)도록 구성된다.

예를 들어, 면접 데이터는 다양하게 활용될 수 있는 것을 전제로, 사용자, 기업 또는 제3 자에게 제공될 수 있다. 예를 들어, 사용자 및 기업 고객에게는 서비스의 형태로서 이벤트 발생 시점 또는 정기적으로 면접 데이터가 제공될 수 있으며, 제3 자에게는 자료 요청한 때에 면접 데이터를 제공할 수 있다. 다만, 면접 데이터는 사용자, 면접관, 기업의 이해관계가 있으며, 데이터를 제공받는 자, 제공 시기, 조건 등에 따라 이해관계가 변동될 수 있으므로, 본 실시예에 따른 데이터 변환부(340)는 원본의 면접 데이터를 저장하고, 면접 데이터를 제공하는 시점에, 데이터에 편집을 가하여 제공하는 것을 전제로 한다. 다만, 이에 한정되지 않으며, 다양한 버전의 편집된 면접 데이터를 미리 생성하여 저장할 수도 있다.

예를 들어, 사용자에게는 면접 기록으로서 면접 일자, 면접 기업, 또는 면접 질문 항목에 따라 분류된 질문별 답변에 대한 텍스트 데이터와 원본의 면접 데이터로서 동영상 데이터 또는 음성 데이터가 제공될 수 있다. 이 때, 영상 데이터 및 음성 데이터 상에 포함된 면접관의 목소리는 개인 정보에 해당되므로, 사용자에게는 원본의 면접 데이터에서 면접관의 질문에 대해 음성이 변조 처리된 가공된 면접 데이터가 제공될 수 있다. 이 경우, 모든 면접관의 음성이 변조 처리될 수 있으며, 이와 달리, 정보 활용에 동의를 승인하지 않은 면접관의 음성에 대해서만 음성이 변조 처리될 수 있다. 또한, 영상 데이터의 경우는 추가로 면접관의 얼굴이 필터 처리될 수 있다. 예를 들어, 블러 처리되거나, 또는 이모티콘화될 수 있다. 또는 이와 다리 동영상 데이터 상의 화면 분할된 면접관별 영역 자체가 블러 처리될 수 있다. 또한, 단체 면접에 있어서, 사용자 외의 다른 사용자가 참여한 경우, 다른 사용자의 개인 정보에 대한 부분은 편집될 수 있다.

또한, 면접관의 질문 내용에 있어서, 기업의 비전에 대한 정보, 등 영업 비밀에 대한 정보가 포함되는 경우는 동영상 데이터 및 음성 데이터 상에서 해당 질문 및 질문에 대한 답변 구간을 삭제한 후 제공할 수 있다. 한편, 이 경우는, 사용자에게 제공되는 대응되는 질문 및 질문별 답변에 대응하는 텍스트 데이터도 삭제된 상태로 사용자에게 제공될 수 있다.

기업별 영업 비밀에 대한 정보는 기업으로부터 제공된 영업 비밀 대상 질문 리스트에 대해 추출된 키워드에 기초하여, 설정될 수 있으며, 또는, 사후적으로 기업별 면접 전형이 종료된 후, 면접 전형에서 이루어진 면접관들의 질문 리스트를 텍스트 데이터로 취합하여, 기업의 인사 책임자 또는 면접 주관 책임자에게 제공되며, 책임자가 특정 질문에 대해서 외부로의 공개를 원치 않는 경우, 해당 특정 질문과 특정 질문에 대한 사용자의 답변이 모두 영업비밀로 취급되어 비공개 처리하여 제공된다. 한편, 비공개 처리된 질문은 기업별로 관리될 수 있으며, 키워드 추출에 의해 자동으로 비공개 처리될 수 있다.

또한, 기업에 제공되는 면접 데이터의 경우는, 사용자가 개인 정보 활용에 동의하는 것을 전제로 화상 면접에 임하는 것을 가정할 때 문제가 되지 않으며, 기업에 소속된 면접관의 개인 정보 역시 문제가 되지 않는다. 다만, 외주로서 면접을 진행한 전문 면접관의 경우, 선택에 의해 개인 정보 활용에 동의를 하지 않을 수 있다. 또한, 이 경우, 기업에 제공되기 때문에 면접 데이터 내의 영업 비밀 정보는 문제되지 않는다. 다만, 이에 한정되지 않는다. 소속된 면접관이라도 퇴사하여 소속이 변경된 경우, 데이터의 제공 시점에 따라 면접관의 개인 정보가 비공개 처리될 수 있다.

아울러, 면접 데이터가 제3 자에게 제공되는 경우, 사용자 및 면접관의 개인 정보 및 기업의 영업 비밀 정보가 모두 문제될 수 있다. 이 경우, 제3 자에게 개인 정보 등이 모두 편집 내지 삭제 처리된 가공된 면접 데이터가 제공될 수 있다. 즉, 원본 면접 데이터의 편집 내지 가공은, 데이터를 제공하는거나, 데이터의 제공을 요청한 자의 권한에 기초하여 미리 정해진 방식으로 이루어질 수 있다. 예를 들어, 관련된 사용자, 면접관, 및 기업 중 적어도 하나 이상에 대해 시스템에서 지원하는 방식으로 사전에 승인을 받아 데이터를 요청할 수도 있다. 한편, 음성 데이터 상에서 특정 구간의 음성을 변조하거나, 영상 데이터에 있어서 화면의 일정 영역을 필터링하는 기술은 공지 기술이므로, 자세한 설명은 생략한다.

상기 면접 피드백 생성부(350)는 딥러닝에 기반한 문자 인식 모델을 이용하여, 기업별 면접 데이터로부터 적어도 하나 이상의 질문별 답변을 그룹화하고, 사용자 및 기업에 제공할 피드백을 생성하도록 구성된다. 상기 면접 피드백 생성부(350)는 데이터 그룹화부(351), 사용자 피드백 생성부(353) 및 기업 피드백 생성부(355)를 포함한다.

상기 데이터 그룹화부(351)는, 딥러닝에 기반한 문자 인식 모델에 기초하여, 기업별 실전 면접에서 불특정 다수의 사용자를 대상으로 이루어진 면접 데이터를 기초로 동일 질문별 사용자의 답변의 특성 정보를 추출하며, 특성 정보에 기초하여 동일 또는 유사한 공통된 특성 정보에 대해서는 질문별 답변들을 그룹화하도록 구성된다.

예를 들어, 딥러닝에 기반한 문자 인식 모델을 이용하여, 동일 질문에 대한 적어도 하나 이상의 질문별 답변에 대응하는 텍스트 데이터 각각의 특성 정보가 라벨링되고, 라벨링 정보에 기초하여 공통된 특성 정보를 갖는 질문별 답변을 그룹화하도록 구성된다. 또한, 각 질문별 답변은 합격자에 의한 것인지 또한 불합격자에 의한 것인지 여부가 함께 출력될 수 있다. 즉, 질문별 답변의 특성 정보에 기초하여 상위의 그룹화가 되며, 각 그룹 내에 합격자와 불합격자가 하위의 그룹화가 될 수 있다. 다만, 이에 한정되지 않으며, 합격자와 불합격자로 상위의 그룹화가 이루어지고, 각 그룹 내에 질문별 답변의 특성 정보에 기반하여 하위의 그룹화가 이루어질 수 있다. 즉, 그룹화는 수집된 면접 데이터는 면접 주관기업별로 분류되며, 딥러닝에 기반한 문자 인식 모델에 기초하여, 기업별 면접 데이터에 대응되는 다수의 텍스트 데이터로부터 동일 질문별 다수의 답변들의 특성 정보를 추출하여, 공통된 특성 정보를 갖는 질문별 다수의 답변들을 제1 그룹화와 상기 동일 질문별 다수의 답변들을 면접 합격자의 답변과 면접 불합격자의 답변으로 제2 그룹화를 포함하고, 순서는 불문한다.

상기 특성 정보는 답변의 문언적 의미 또는 형식에 대한 정보로서, 질문의 성격에 따라 결정될 수 있다. 예를 들어, 특정 질문에 대한 답변들로부터 추출된 문언적 의미가 긍정/부정의 라벨링에 따라 분류되는 경우라면, "부정"의 라벨링을 갖는 적어도 하나 이상의 답변들이 그룹화되고, 마찬가지로, "긍정"의 라벨링을 갖는 적어도 하나 이상의 답변들이 그룹화되며, 각 그룹 내에 합격자와 불합격자의 답변의 갯수 또는 그룹 내 전체 답변 갯수 대비 합격자의 답변 갯수인 합격률이 백분위로서 함께 출력될 수 있다. 예를 들어, "긍정"의 그룹에 대해, 20%의 합격률이 출력될 수 있고, "부정"의 그룹에 대해, 60%의 합격률이 출력될 수 있다.

한편, 상기 문자 인식 모델은, 텍스트 데이터를 입력으로 받아 형태소 단위로 분석하여 텍스트 데이터로부터 유의미한 정보만을 추출하는 NLP 전처리기와 한 문장에서 추출된 모든 형태소를 미리 정한 기준에 따라 하나의 특성 정보를 라벨링하는 학습 데이터 생성기, 그리고 생성한 훈련 데이터를 학습하는 CNN 모델을 더 포함할 수도 있다.

우선, 자연어 처리를 해야 하는데, 이를 위하여, 본 발명의 일 실시예는, 학습을 위해 수집한 입력 텍스트는 한국어 단어 또는 문장 단위로 구성된다. 한글은 여러 품사가 혼재하는 복잡한 언어 구조를 가지고 있어 NLP 단계를 통해 단어 표현을 적절하게 만들어 주어야 한다. 따라서, 텍스트 파일을 입력으로 받아 형태소 분석기를 사용하여 형태소 단위로 분석한 후 기 설정된 태그에 해당하는 형태소만 추출할 수 있다. 그 다음으로, 학습 데이터 생성을 해야하는데, 한국어 자연어 처리기에서 추출한 형태소 뭉치들을 미리 정한 질문 항목에 따른 하나의 특성 정보를 라벨링하는 작업을 수행할 수 있다.

예를 들어, 라벨링되는 답변별 텍스트 데이터에 대한 특성 정보는 문언적 의미 또는 형식에 대한 정보로서, 질문의 성격에 따라 이루어질 수 있다. 예를 들어, 사용자의 긍정 부정의 의견을 구하는 질문의 경우, 답변의 의미에 있어서 긍정, 부정 또는 중립의 의미가 라벨링될 수 있으며, 답변의 형식에 있어서, 문장 구조, 주장과 이유, 형태소별 특징, 특정 키워드 포함여부, 등 다양하게 라벨링될 수 있다. 즉, 특성 정보는 복수개로 라벨링될 수 있다. 공통된 특성 정보로 그룹화는 복수개의 라벨링의 조합에 의해 이루어질 수도 있다. 그 다음으로 CNN 모델은, 문장 내의 단어들을 저차원 벡터로 변환한 뒤, 다양한 크기의 필터를 토대로 변환된 단어 벡터와 컨볼루션(Convolution) 변환을 수행한다. 이러한 변환을 통해 얻어진 결과를 하나의 특징 벡터(Feature Vector)로의 최대 풀링(Max Pooling) 및 드롭아웃 정규화(Dropout Normalization) 과정을 거쳐 분류할 수 있다.

한편, 분류 과정은, 문서 분류(document classification), 문서 군집(document clustering), 메타데이터 추출(metedata extraction), 정보 추출(information extraction) 등으로 구분하는데, 문서 분류는 도서관에서 주제별로 책을 분류하듯이 문서의 내용에 따라 분류하는 것을 말하며, 문서 군집은 성격이 비슷한 문서끼리 같은 군집으로 묶어주는 방법이다. 이는 통계학의 방법론인 판별분석(discriminant analysis)과 군집분석(clustering)과 유사한 개념으로 분석 대상이 숫자가 아닌 텍스트라는 점에서 차이가 있다. 통상 문서 분류는 사전에 분류 정보를 알고 있는 상태에서 주제에 따라 분류하는 방법이며 문서 군집은 분류 정보를 모르는 상태에서 수행하는 방법이다. 이를 지도 학습(supervised learning), 자율 학습(unsupervised learning)이라고 부르는데, 데이터 마이닝에서도 동일한 의미로 사용하고 있다. 한편 정보 추출은 문서에서 중요한 의미를 지닌 정보를 자동으로 추출하는 방법론을 말한다. 즉, 상기 데이터 그룹화부(351)는 텍스트 데이터로부터 의미있는 정보를 추출하여 세부 항목별 데이터 셋을 생성하기 위하여 다양한 방법론을 사용할 수 있다.

예를 들어, 사용되는 텍스트 데이터는, 입력의 전처리 과정을 거친 키워드의 모음과 라벨을 콤마(Comma)로 구분하는 형식을 이용할 수 있다. 이러한 데이터를 CNN 모델의 입력으로 사용하기 위해 키워드의 모음을 리스트로 변환하여 라벨과 함께 저장하는 워드 프로세싱(word processing) 과정을 추가로 수행할 수도 있다. 이렇게 생성된 데이터의 색인을 차원이 낮은 벡터로 임베딩하는 것으로 첫번째 레이어를 구성함으로써, 형성된 저차원 벡터를 각각 크기가 다른 필터를 통해 컨볼루션 연산을 수행하고, 이를 하나의 큰 특징 벡터로 병합하는 최대 풀링 과정을 거칠 수 있다. 이때, 컨볼루션 연산을 수행한 결과에 비선형성을 적용할 수 있고, VALID(유효값) 패딩을 통하여 엣지 패딩없이 문장을 슬라이드할 수 있다. 이후, 드롭아웃 정규화 레이어를 통하여 CNN의 오버피팅을 방지할 수 있고, 해당 레이어는 뉴런의 일부를 확률적으로 비활성화하여, 뉴런의 상호 적응을 방지하고 특징을 개별적으로 학습하도록 강제할 수 있다. 마지막으로, 특징 벡터를 통한 행렬 곱셈에 따른 점수가 가장 높은 것으로 라벨을 선택하여 예측할 수 있다. 정규화 확률로 변환된 최종 점수를 토대로 분류 문제에 대한 표준 손실함수인 크로스엔트로피 손실을 사용하여 손실 및 정확도를 계산할 수 있으며, 이를 토대로 테스트 과정에서 정확도를 측정할 수 있다.

또한, 상기 데이터 그룹화부(351)는, 질문별 답변에 해당하는 텍스트 데이터를 로우 데이터로서 수집하고, 로우 데이터 내에 포함된 비정형(Unstructed) 데이터, 정형(Structured) 데이터 및 반정형 데이터(Semi-structured)를 정제하고, 메타 데이터로 분류를 포함한 전처리를 실시한 후, 전처리된 데이터를 데이터 마이닝(Data Mining)을 포함하는 분석을 실시할 수 있다. 이때, 데이터 마이닝은, 전처리된 데이터 간의 내재된 관계를 탐색하여 클래스가 알려진 훈련 데이터 셋을 학습시켜 새로운 데이터의 클래스를 예측하는 분류(Classification) 또는 클래스 정보 없이 유사성을 기준으로 데이터를 그룹짓는 군집화(Clustering)를 수행할 수 있다. 물론, 이외에도 다양한 마이닝 방법이 존재할 수 있으며, 수집 및 저장되는 빅데이터의 종류나 이후에 요청될 질의(Query)의 종류에 따라 다르게 마이닝될 수도 있다. 이렇게 구축된 빅데이터는, 인공신경망 딥러닝이나 기계학습 등으로 검증과정을 거칠 수도 있다.

이때, 인공 신경망은 CNN, 또는 RNN 구조가 이용될 수 있는데, 이에 한정되지 않는다. 또한, 텍스트 마이닝(Text Mining)은 비/반정형 텍스트 데이터에서 자연어처리 기술에 기반하여 유용한 정보를 추출, 가공하는 것을 목적으로 하는 기술이다. 텍스트 마이닝 기술을 통해 방대한 텍스트 뭉치에서 의미 있는 정보를 추출해 내고, 다른 정보와의 연계성을 파악하며, 텍스트가 가진 카테고리를 찾아내거나 단순한 정보 검색 그 이상의 결과를 얻어낼 수 있다. 이를 이용하여, 본 발명의 일 실시예에 따른 맞춤형 면접 플랫폼 서비스에서는, 면접 데이터로 입력되는 식별자나 자연어를 분석하고, 그 안에 숨겨진 정보를 발굴해 내기 위해 대용량 언어자원과 통계적, 규칙적 알고리즘이 사용될 수 있다. 이에, 기업별 합격자 그룹 및 불합격자 그룹에서, 그룹 내 질문별 답변의 유사한 특성을 추출할 수 있고, 이를 그룹간 서로 비교하여 합격 여부를 결정짓는 특성을 추출한다. 한편, 본 발명의 일 실시예 따른 데이터 분류는 문자 인식 모델을 이용하여 텍스트 데이터에 기반하는 것을 예로 설명하였으나, 이에 한정되지 않는다. 예를 들어, 음성 인식 모델을 이용하여 음성 데이터로서의 질문별 답변이 분류될 수도 있다.

상기 사용자 피드백 생성부(353)는, 저장된 사용자별 면접 데이터에 기초하여 사용자에 제공할 피드백을 생성하도록 구성된다.

상기 사용자 피드백 생성부(353)는, 사용자별 면접 데이터를 이용하여, 기업별 면접, 면접 종류, 면접 일자, 질문 항목으로 분류 가능한 면접 이력이 포함된 피드백을 생성하도록 한다. 상기 면접 이력 상에 면접 데이터는 질문과 사용자의 질문별 답변이 매칭되는 식으로 이루어지며, 사용자 단말(100) 상의 UI/UX를 통한 사용자의 조작에 의해 선택된 분류에 따라 사용자의 면접 이력이 표시되도록 한다.

상기 면접 이력은 텍스트로 구성되며, 해당 면접 이력은 데이터 변환부에서 편집 처리가 된 가공된 면접 데이터인 동영상 데이터 또는 음성 데이터가 텍스트 데이터와 함께 제공될 수 있다. 이 경우, 해당 동영상 데이터 또는 음성 데이터 상에는 텍스트 데이터와 매칭되는 지점에 인덱스가 포함되어, 사용자가 텍스트 영역 중 일정 구간의 클릭하면, 대응되는 영상 또는 음성이 재생되도록 할 수 있다. 한편, 인덱스는 선택되는 텍스트 음절이나, 어절 단위가 아니라 최소 문장단위로 선택되는 것이 바람직하다. 즉, 사용자가 사용자 단말(100) 상으로 표시된 텍스트 데이터의 특정 단어를 클릭하면, 해당 단어가 포함된 문장에 대해 사용자의 음성 또는 영상이 출력될 수 있다.

상기 사용자 피드백 생성부(353)는, 사용자의 실전 면접 또는 모의 면접이 수행되어, 실전 면접 데이터 또는 모의 면접 데이터가 수집되면, 이를 기존의 관리하는 면접 이력에 업데이트하여 피드백을 생성하도록 한다. 이에 따라, 사용자로서는 면접 이력을 면접 훈련 일지로서 제공받을 수 있어 현재의 면접 훈련 상태를 직관적으로 파악할 수 있으며, 질문 항목별 사용자가 수행한 면접에서의 질문과 답변이 기록됨으로써 사용자는 연습이 취약한 질문 항목을 용이하게 확인할 수 있다.

또한, 상기 사용자 피드백 생성부(353)는, 사용자별 타겟하는 기업 정보를 제공받아, 타겟 기업의 화상 면접에서 기출된 질문 항목별 질문 리스트와 각 질문별 그룹화된 답변 리스트를 제공받을 수 있다. 또한, 사용자의 면접 이력 내에 타겟 기업의 화상 면접에서 기출된 동일 질문이 포함된 경우, 상기 데이터 그룹화부(531)에서 해당 질문에 대한 사용자의 답변이 어느 그룹에 속하는지 여부를 판단하고, 해당 그룹에 대한 합격률을 출력할 수 있다. 즉, 사용자로부터 타겟 기업이 지정되면, 상기 타겟 기업의 질문별 다수의 답변들을 상기 제1 그룹화한 후, 상기 제1 그룹화된 그룹별 다수의 답변들을 상기 제2 그룹화하고, 상기 타겟 기업의 질문 리스트와 함께 그룹화된 질문별 답변을 피드백형태로 사용자에게 제공할 수 있다.

이에 사용자로서는, 타겟 기업의 기출된 질문 리스트와 각 질문별 그룹화된 답변 리스트를 제공받는 동시에, 각 그룹의 합격률 정보를 제공받음으로써, 질문에 대한 답변을 준비할 수 있으며, 또한, 면접 이력으로부터 제공되는 피드백을 통해 현재 상태를 점검할 수 있다. 한편, 사용자에게 제공되는 피드백에 있어서, 기업의 영업 비밀에 해당되는 질문과 질문별 답변에 대한 리스트는 삭제되도록 한다.

상기 기업 피드백 생성부(355)는, 기업별 면접 데이터에 기초하여 기업에 제공할 피드백을 생성하도록 구성된다

상기 기업 피드백 생성부(355)는, 기업별 면접 데이터에 기초하여 합격자 그룹에 대한 질문별 답변에 대한 리스트 정보를 제공하고, 딥러닝에 기반한 리스트 상의 합격자들의 질문별 답변들의 공통적인 특성 정보를 추출한 피드백을 생성하도록 구성된다. 여기서 공통된 특성 정보는 합격자들의 질문별 답변의 특성 정보가 미리 정해진 기준보다 높은 비율로 공통되는 특성 정보일 수 있다. 예를 들어, 미리 정해진 기준이 80%라고 할때, 합격자들의 특정 질문에 대한 답변이 80% 이상으로 A 특성 정보를 갖는 경우, 상기 A 특성 정보는 공통된 특성 정보로 취급된다. 공통된 특성 정보의 추출은 질문별로 반복 수행하여 공통적인 특성들을 취합하고, 취합한 결과를 피드백으로서 기업에게 제공할 수 있다. 즉, 면접 주관기업의 질문별 다수의 답변들을 상기 제2 그룹화한 후, 면접 합격자 그룹의 다수의 답변들을 상기 제1 그룹화하고, 상기 면접 주관기업의 질문 리스트와 함께 그룹화된 질문별 공통된 특성 정보를 피드백형태로 주관 기업에게 제공하고, 이에 따라, 기업으로서는 합격자의 공통적인 특성 정보에 기초하여 기업에서 요구하는 인재상을 구체화할 수 있다.

합격자 그룹에 대한 질문별 답변에 대한 리스트는 텍스트로 구성되며, 해당 리스트는 데이터 변환부에서 편집 처리가 된 가공된 면접 데이터인 동영상 데이터 또는 음성 데이터가 텍스트 데이터와 함께 제공될 수 있다. 이 경우, 해당 동영상 데이터 또는 음성 데이터 상에는 텍스트 데이터와 매칭되는 지점에 인덱스가 포함되어, 기업 담당자가 텍스트 영역 중 일정 구간의 클릭하면, 대응되는 영상 또는 음성이 재생되도록 할 수 있다. 한편, 인덱스는 선택되는 텍스트 음절이나, 어절 단위가 아니라 최소 문장단위로 선택되는 것이 바람직하다. 즉, 기업의 담당자가 텍스트 데이터의 특정 단어를 클릭하면, 해당 단어가 포함된 문장에 대해 사용자의 음성 또는 영상이 출력될 수 있다. 한편, 기업에 제공되는 질문별 답변에 대한 리스트, 피드백 정보 및 가동된 면접 데이터는 기업에 제공되기 때문에 기업의 영업 비밀 정보도 포함된다.

또한, 상기 기업 피드백 생성부(355)는, 공통된 특성 정보가 도출된 면접 질문에 대해서는 별도로 리스트하여 기업에 제공할 수 있다. 예를 들어, 특정 질문에 대한 공통된 특성 정보를 갖는 임의의 그룹 내 답변의 개수가 전체 합격자의 답변의 개수 대비 미리 정한 기준보다 높은 비율의 경우, 상기 특정 질문의 리스트를 피드백형태로 주관 기업에게 제공할 수 있다. 상기 미리 정한 기준은 80%일 수 있다. 즉, 해당 질문 리스트는기업별 합격자를 선별함에 있어서 변별력이 있는 질문으로 취급되며, 따라서 해당 질문들은 차후 면접 진행을 위하여 별도로 관리될 수 있다. 한편, 본 실시예에서는 기업별 합격자 그룹에서의 질문별 답변을 분석한 피드백을 제공하는 것으로 설명하였으나, 이에 한정되지 않는다. 예를 들어, 면접관별 평가가 행해진 평가 항목별 점수에 기초하여, 질문별 답변이 평가 항목에 따라 세분화하여 분석이 이루어질 수도 있다.

상기 데이터 전송부(360)는 면접 데이터 또는 면접 데이터를 편집한 가공된 면접 데이터를 사용자, 기업 또는 제3자를 포함하는 수신자에게 전송할 수 있으며, 상기 수신자에게 전송하기 전에 면접 데이터를 수신자 정보에 기초한 권한 여부에 따라 편집을 수행하여, 가공 면접 데이터를 생성한다.

상기 가공 면접 데이터의 인덱스와 상기 질문 및 질문별 답변의 텍스트 데이터가 매칭되어 피드백형태로 수신자에게 제공되고, 수신자가 상기 질문 또는 질문별 답변과 대응되는 영역을 클릭시 매칭되는 상기 가공 면접 데이터 상의 음성 데이터 또는 동영상 데이터의 구간이 재생되어 출력될 수 있다.

상기 데이터 전송부(360)는 사용자에게는 사용자별 면접 이력, 질문 및 질문별 답변에 대한 텍스트 데이터 및 가공된 면접 데이터를 피드백형태로 사용자 단말(100)로 전송할 수 있다. 또한, 제3자에게는 특정의 면접 데이터에 대한 질문 및 질문별 답변에 대한 텍스트 데이터 및 가공된 면접 데이터를 제공할 수 있다. 아울러, 기업에게는 질문 및 질문별 답변에 대한 텍스트 데이터와 면접 데이터 또는 가공된 면접 데이터를 제공할 수 있다. 또한, 상기 데이터 전송부(360)는 사용자 및 기업에는 추가적으로 사용자 피드백 생성부(353) 및 기업 피드백 생성부(355)에서 생성한 피드백을 각각 제공할 수 있다.

이하, 도 6을 참조하여, 본 발명의 일 실시예에 따른 데이터 수신자의 권한에 따라 편집된 면접 데이터를 제공하는 면접 플랫폼 방법을 설명한다.

도 6은 본 발명의 일 실시예에 따른 데이터 수신자의 권한에 따라 편집된 면접 데이터를 제공하는 방법을 설명하기 위한 흐름도이다.

도 1 내지 도 6을 참조하면, 본 발명의 일 실시예에 따른 데이터 수신자의 권한에 따라 편집된 면접 데이터 제공 방법은, 사용자별 면접 데이터를 수집하는 단계(S100), 면접 데이터로부터 텍스트 데이터를 추출하는 단계(S200), 텍스트 데이터와 대응되는 구간 정보를 상기 면접 데이터 상에 인덱스 처리하는 단계(S300), 수신자 정보에 따라 인덱스에 기초하여 편집된 가공 면접 데이터르르 생성하는 단계(S400), 수신자에게 가공 면접 데이터 제공하는 단계(S500)를 포함한다.

상기 면접 데이터를 수집하는 단계(S100)에서는 면접관의 질문 및 사용자의 질문별 답변이 포함된 음성 데이터 또는 동영상 데이터에 대응하는 면접 데이터가 수집된다.

해당 단계에서 수집되는 사용자의 기본 정보, 과거 직무 정보 및 타겟하는 회사 정보를 수집하여 중앙 서버에 등록하여 관리하도록 구성된다. 한편, 상기 사용자의 기본 정보는 사용자 단말의 별도의 입력창을 통해 정보를 수신할 수 있으며, 이와 달리 문서 형태의 자기소개서 및 이력서를 통해 제공받을 수 있다. 이 경우, 상기 사용자의 자기소개서 및 이력서는 각각 사용자의 기본 정보와 과거 직무 정보를 갈음할 수 있다. 즉, 해당 정보는 문서 형태로 중앙 서버에 등록될 수 있고, 문서에서 OCR에 의해 텍스트 데이터가 추출되어 사용자 식별코드와 매칭되어 저장될 수 있다.

또한, 화상 면접에서 기록되는 면접 데이터를 사용자별로 수집한다. 상기 면접 데이터는 구직자인 사용자와 면접관 사이에서 이루어지는 실전면접 과정에서 획득되는 실전면접 데이터와 사용자가 실전면접에 대비하기 위하여, 시스템 상에서 제공하는 모의 면접 과정에서 획득되는 모의 면접 데이터를 포함한다. 또한, 실전 면접의 경우, 상기 데이터 수집부(320)는 상기 면접 데이터를 기업별로 수집하며, 해당 면접 데이터에는 적어도 하나 이상의 면접관의 질문 및 적어도 하나 이상의 사용자의 질문별 답변이 포함된다.

면접 데이터로부터 텍스트 데이터를 추출하는 단계(S200)에서는, 딥러닝에 기반하여 상기 면접 데이터로부터 질문 및 질문별 답변에 대응되는 텍스트 데이터가 추출된다.

예를 들어, 면접 데이터가 화상 데이터로 구성된 경우, 사용자의 음성이 녹음된 부분의 음성 데이터를 추출한 후, 해당 음성 데이터를 텍스트로 변환하거나, 추출하는 방식으로 이루질 수 있다. 또는 중간 과정을 생략하고, 화상 데이터로부터 바로 텍스트 데이터가 추출될 수 있다. 이와 달리, 면접 데이터가 음성 데이터로 구성되는 경우, 여기서 사용자 또는 면접관의 음성 데이터를 추출하고, 해당 음성 데이터를 텍스트로 변환하거나, 추출할 수 있다. 예를 들어, 해당 과정은 딥러닝에 기반한 음성 인식 기술에 기초할 수 있으며, STT기술(Speech To Text)이 적용될 수 있다. 해당 설명은 본 발명의 범위를 벗어난 것으로 상세한 설명은 생략한다.

면접 데이터가 수집되면, 수집된 면접 데이터에 식별 코드를 부여하고 면접 데이터 DB에 누적하여 저장하여 관리할 수 있다. 이 때, 면접 데이터의 기본 정보가 함께 매칭되어 저장되며, 면접 데이터와 관련된 적어도 하나 이상의 사용자, 면접자 및 기업의 식별정보가 매칭되도록 한다. 또한, 면접 데이터로부터 추출된 텍스트 데이터로부터의 면접 질문 및 질문별 답변도 각각 식별 코드가 부여되어 저장되고 관리되며, 상기 면접 데이터의 식별 코드와 매칭된다. 또한, 상기 면접 질문은 면접관 음성 식별에 기초하여, 면접관 식별코드와 매칭되며, 질문별 답변은 사용자의 식별코드와 매칭됨과 동시에, 면접 질문의 식별 코드와 매칭된다.

또한, 저장된 질문별 답변의 텍스트 데이터를 사용자별로 분류하며, 기업별 면접 합격 여부에 따라 합격자 그룹과 불합격자 그룹으로 분류하여 저장하고 관리될 수 있다.

텍스트 데이터와 대응되는 구간 정보를 상기 면접 데이터 상에 인덱스 처리하는 단계(S300)에서는, 상기 질문 및 질문별 답변의 텍스트 데이터와 대응되는 구간 정보를 상기 면접 데이터 상에 인덱스 처리된다. 즉, 각각의 질문 및 질문별 답변에 텍스트 데이터로부터 원본의 면접 데이터의 대응되는 구간 정보를 인덱스 처리하도록 구성된다. 즉, 면접 데이터로부터 인덱스 처리된 가공된 면접 데이터가 생성되며, 가공된 면접 데이터에 처리된 인덱스는 각각의 질문 및 질문별 답변의 텍스트 데이터와 매칭되도록 한다.

수신자 정보에 따라 인덱스에 기초하여 편집된 가공 면접 데이터르르 생성하는 단계(S400)에서는, 상기 면접 데이터를 제공할 수신자 정보에 따라, 상기 면접 데이터의 질문 또는 질문별 답변에 사용자 또는 면접관의 개인 정보 또는 면접 주관기업의 영업 비밀 정보가 포함된 경우, 상기 인덱스에 기초하여 대응되는 구간을 편집한 가공 면접 데이터를 생성한다.

즉, 해당 단계에서는, 면접 데이터의 편집은 인덱스에 기초하여 구간별 음성을 변조하거나, 또는 화면 상의 일정 영역을 필터 처리하도록 구성된다. 상기 데이터 편집부(343)는 사용자 또는 면접관의 개인 정보가 포함된 구간을 편집할 수 있으며, 기업의 영업 비밀 정보가 포함된 구간을 삭제하(잘라내)도록 구성된다.

즉, 사용자와 제3 간에는 상기 수신자 정보에 기초하여, 수신자와 상기 면접 데이터에 포함된 질문별 답변을 수행한 사용자가 동일한 경우, 상기 가공 면접 데이터는 상기 면접 데이터 상의 질문에 대응되는 구간의 면접관의 음성이 변조될 수 있으며, 상기 수신자 정보에 기초하여, 수신자와 상기 면접 데이터에 포함된 질문별 답변을 수행한 사용자가 상이한 경우, 상기 가공 면접 데이터는 상기 면접 데이터 상의 질문에 대응되는 구간의 면접관의 음성 및 질문별 답변에 대응되는 구간의 사용자의 음성이 변조된 가공 면접 데이터가 제공될 수 있다.

또한, 상기 면접 데이터에 포함된 특정 질문에 있어서 면접 주관기업의 영업 비밀이 포함된 경우, 기업과 제3 간에는 상기 수신자 정보에 기초하여 상기 면접 주관기업과 수신자가 상이한 경우, 상기 가공 면접 데이터는 상기 면접 데이터 상의 상기 특정 질문에 대응되는 구간과 상기 특정 질문에 대한 답변에 대응되는 구간이 삭제 편집할 수 있고, 이 경우, 상기 면접 데이터에서 삭제 편집된 구간과 대응되는 텍스트 데이터도 함께 삭제 편집되어 수신자에게 제공될 수 있다. 한편, 상기 면접 주관기업과 수신자가 동일한 경우는 편집없이 원본의 면접 데이터가 제공될 수 있다.

수신자에게 가공 면접 데이터 제공하는 단계(S500)에서는, 상기 가공 면접 데이터의 인덱스와 상기 질문 및 질문별 답변의 텍스트 데이터가 매칭되어 피드백형태로 수신자에게 제공되고, 수신자가 상기 질문 또는 질문별 답변과 대응되는 영역을 클릭시 매칭되는 상기 가공 면접 데이터 상의 음성 데이터 또는 동영상 데이터의 구간이 재생되어 출력될 수 있다.

즉, 해당 단계에서는, 면접 데이터 또는 면접 데이터를 편집한 가공된 면접 데이터를 사용자, 기업 또는 제3자를 포함하는 수신자에게 전송할 수 있으며, 상기 수신자에게 전송하기 전에 면접 데이터를 수신자 정보에 기초한 권한 여부에 따라 편집을 수행하여, 가공 면접 데이터를 생성한다.

구체적으로, 사용자에게는 사용자별 면접 이력, 질문 및 질문별 답변에 대한 텍스트 데이터 및 가공된 면접 데이터를 피드백형태로 사용자 단말(100)로 전송할 수 있다. 또한, 제3자에게는 특정의 면접 데이터에 대한 질문 및 질문별 답변에 대한 텍스트 데이터 및 가공된 면접 데이터를 제공할 수 있다. 아울러, 기업에게는 질문 및 질문별 답변에 대한 텍스트 데이터와 면접 데이터 또는 가공된 면접 데이터를 제공할 수 있다. 또한, 상기 데이터 전송부(360)는 사용자 및 기업에는 추가적으로 사용자 피드백 생성부(353) 및 기업 피드백 생성부(355)에서 생성한 피드백을 각각 제공할 수 있다.

본 발명의 일 실시예에 따르면, 다수의 사용자 및 기업을 고객으로 하는 면접 플랫폼 시스템에 있어서, 면접 데이터를 제공하는 방법은, 데이터를 요청한 고객의 권한에 기초하여 자동 편집하여 제공함으로써, 면접 데이터 상에 포함된 사용자의 개인 정보 또는 기업의 영업 비밀 정보의 유출을 방지할 수 있다.

전술한 본 발명의 일 실시예에 따른 면접 플랫폼에서 면접 데이터를 제공하는 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션 (즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 면접 데이터를 제공하는 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 특성은 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 특성들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드(또는, 애플리케이션이나 소프트웨어)로서 구현하는 것이 가능하다. 상술한 방법은 메모리 등에 저장된 코드에 의하여 실현될 수 있다.

컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한, 상기 컴퓨터는 프로세서를 포함할 수도 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

100: 사용자 단말
200: 네트워크
300: 중앙서버
310: 고객 관리부
320: 데이터 수집부
330: 면접 데이터 관리부
340: 데이터 변환부
350: 면접 피드백 생성부
360: 데이터 전송부

Claims

중앙 서버에 의해 수행되는 면접 데이터 제공 방법에 있어서,
면접관의 질문 및 사용자의 질문별 답변이 포함된 음성 데이터 또는 동영상 데이터에 대응하는 면접 데이터가 수집되는 단계;
딥러닝에 기반하여 상기 면접 데이터로부터 질문 및 질문별 답변에 대응되는 텍스트 데이터를 추출하는 단계;
상기 질문 및 질문별 답변의 텍스트 데이터와 대응되는 구간 정보를 상기 면접 데이터 상에 인덱스 처리하는 단계;
상기 면접 데이터를 제공할 수신자 정보에 따라, 상기 면접 데이터의 질문 또는 질문별 답변에 사용자 또는 면접관의 개인 정보 또는 면접 주관기업의 영업 비밀 정보가 포함된 경우, 상기 인덱스에 기초하여 대응되는 구간을 편집한 가공 면접 데이터를 생성하는 단계; 및
상기 가공 면접 데이터의 인덱스와 상기 질문 및 질문별 답변의 텍스트 데이터가 매칭되어 피드백형태로 수신자에게 제공하는 단계를 포함하고,
수신자가 상기 질문 또는 질문별 답변과 대응되는 영역을 클릭시 매칭되는 상기 가공 면접 데이터 상의 음성 데이터 또는 동영상 데이터의 구간이 재생되어 출력되는 것을 특징으로 하며,
상기 면접 데이터에 포함된 특정 질문에 있어서 면접 주관기업의 영업 비밀이 포함되고, 상기 수신자 정보에 기초하여 상기 면접 주관기업과 수신자가 상이한 경우, 상기 가공 면접 데이터는 상기 면접 데이터 상의 상기 특정 질문에 대응되는 구간과 상기 특정 질문에 대한 답변에 대응되는 구간이 삭제 편집된 것을 특징으로 하며,
수집된 면접 데이터는 면접 주관기업별로 분류되며, 딥러닝에 기반한 문자 인식 모델에 기초하여, 기업별 면접 데이터에 대응되는 다수의 텍스트 데이터로부터 동일 질문별 다수의 답변들의 특성 정보를 추출하여, 공통된 특성 정보를 갖는 질문별 다수의 답변들을 제1 그룹화하는 단계; 및
상기 동일 질문별 다수의 답변들을 면접 합격자의 답변과 면접 불합격자의 답변으로 제2 그룹화하는 단계를 포함하는 것을 특징으로 하고,
면접 주관기업의 질문별 다수의 답변들을 상기 제2 그룹화한 후, 면접 합격자 그룹의 다수의 답변들을 상기 제1 그룹화하고, 상기 면접 주관기업의 질문 리스트와 함께 그룹화된 질문별 공통된 특성 정보를 피드백형태로 주관 기업에게 제공하는 것을 특징으로 하며,
특정 질문에 대한 공통된 특성 정보를 갖는 임의의 그룹 내 답변의 개수가 전체 합격자의 답변의 개수 대비 미리 정한 기준보다 높은 비율의 경우, 상기 특정 질문의 리스트를 피드백형태로 주관 기업에게 제공하는 것을 특징으로 하고,
상기 면접관으로부터 면접자에 대한 면접을 수행하기 전, 상기 면접관의 질문이 포함된 면접 데이터의 활용에 대한 승인 정보 또는 비승인 정보를 획득하되, 상기 획득된 승인 정보 또는 비승인 정보는 상기 면접 데이터의 수신자가 사용자인지, 면접 주관기업인지 또는 제3자인지에 따라 상이하며,
상기 추출된 텍스트 데이터에는,
상기 수집된 면접 데이터 내의 동영상 데이터로부터 추출된 상기 사용자의 움직임의 변화를 나타내는 정보로서, 기침 소리, 손들기, 고개 흔들기 및 어깨 들기 중 적어도 하나의 동작이 캡션화되어서 포함되는 면접 데이터 제공 방법.
제1 항에 있어서,
상기 수신자 정보에 기초하여, 수신자와 상기 면접 데이터에 포함된 질문별 답변을 수행한 사용자가 동일한 경우, 상기 가공 면접 데이터는 상기 면접 데이터 상의 질문에 대응되는 구간의 면접관의 음성이 변조된 것을 특징으로 하는 면접 데이터 제공 방법.
삭제
삭제
제1 항에 있어서,
상기 면접 데이터에서 삭제 편집된 구간과 대응되는 텍스트 데이터도 함께 삭제 편집되어 수신자에게 제공되는 것을 특징으로 하는 면접 데이터 제공 방법.
삭제
제1 항에 있어서,
사용자로부터 타겟 기업이 지정되면, 상기 타겟 기업의 질문별 다수의 답변들을 상기 제1 그룹화한 후, 상기 제1 그룹화된 그룹별 다수의 답변들을 상기 제2 그룹화하고, 상기 타겟 기업의 질문 리스트와 함께 그룹화된 질문별 답변을 피드백형태로 사용자에게 제공하는 것을 특징으로 하는 면접 데이터 제공 방법.
삭제
삭제
제1 항에 있어서,
상기 특성 정보는, 딥러닝에 기반하여 추출되는 질문별 답변의 의미 또는 형식에 대한 정보인 것을 특징으로 하는 면접 데이터 제공 방법.