KR20190052980A - 인재 정보 처리 방법 및 장치 - Google Patents

인재 정보 처리 방법 및 장치 Download PDF

Info

Publication number
KR20190052980A
KR20190052980A KR1020170148882A KR20170148882A KR20190052980A KR 20190052980 A KR20190052980 A KR 20190052980A KR 1020170148882 A KR1020170148882 A KR 1020170148882A KR 20170148882 A KR20170148882 A KR 20170148882A KR 20190052980 A KR20190052980 A KR 20190052980A
Authority
KR
South Korea
Prior art keywords
talent
information
big data
site
human
Prior art date
Application number
KR1020170148882A
Other languages
English (en)
Inventor
김태령
Original Assignee
김태령
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 김태령 filed Critical 김태령
Priority to KR1020170148882A priority Critical patent/KR20190052980A/ko
Publication of KR20190052980A publication Critical patent/KR20190052980A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

인재 정보 처리 장치는, 발굴하고자 하는 인재와 관련된 키워드가 포함된 인재 정보 요청 신호를 입력받는 신호 입력부, 논문 검색 사이트, 소셜 네트워크 서비스 게시물, 블로그 게시물, 인명 사전 사이트, 신문 기사, 인맥 정보 전문 사이트, 대학 동문 정보를 제공하는 대학교 사이트, 분야별 전문 보고서 제공 사이트, 공개 특허 검색 사이트 중 하나 이상을 포함하는 사이트로부터 상기 키워드에 상응하는 인재 관련 빅데이터를 수신하는 인재 정보 수집부, 상기 키워드, 상기 인재의 연구 분야, 업무 분야, 성명, 지역, 연령, 경력, 성과 등을 통해 검색될 수 있는 형태로 상기 인재 관련 빅데이터를 변환하고, 상기 인재 관련 빅데이터를 분석하여 상기 인재 정보 요청 신호에 상응하는 인재 현황 정보를 생성하는 인재 정보 처리부, 변환된 상기 인재 관련 빅데이터를 저장하는 인재 정보 저장부 및 상기 인재 현황 정보를 출력하는 인재 정보 출력부를 포함할 수 있다. 방대한 양의 인재 관련 정보를 빠르게 처리하고 사용자의 의도에 정확히 부합하는 인재 현황 정보를 제공할 수 있다.

Description

인재 정보 처리 방법 및 장치{DEVICE AND METHOD OF PROCESSING RECRUITMENT INFORMATION}
본 발명은 인력 정보를 처리하는 방법 및 장치에 관한 것으로, 보다 상세하게는, 보다 광범위하고 다양한 소스로부터 수집한 대용량의 인재 관련 자료를 바탕으로 인재 정보를 생성하는 방법 및 장치에 관한 것이다.
개인 또는 기업, 연구소, 대학 등이 인력을 채용함에 있어서, 구직자 또는 특정 분야 전문가에 대한 정보는 분산되어 존재해 왔다. 그리고 분산되어 있는 구직자들의 인력 정보를 통합하여 수집하고 관리하며 그 정보를 제공하는 시스템은 아직 구비된 바가 없다고 해도 과언이 아니다. 2017년 현재에도 대부분의 CEO, 채용담당자, 산업분야별 현업 실무담당자 등은 회사의 핵심급 인재를 발굴하는 데에 많은 시간과 비용을 소비한다. 인재 채용을 위한 비용은 적게는 수천만원 단위에서 많게는 수십억원 단위까지 다양하며 그 규모 역시 상당하다.
대기업의 한 계열사만 보더라도 연간 일반 경력 채용 외 핵심급 인력의 채용만 100여명에 이른다. 물론 경력 채용, 지인 추천 등으로 핵심급 인력이 채용되는 경우도 있으나, 핵심급 인력 채용은 아직도 단순히 인사 담당자가 직접 여러 채널, 즉 잡포탈사이트 검색, 국내외 대학 리크루팅, 링크드인(linkedin), 구글링(googling), 소셜 네트워크 서비스, 헤드헌팅 등을 통해서 인재를 검색하는 경우가 절대적으로 많다.
기존의 이러한 방식의 리크루팅은 다소 주먹구구식임을 부인할 수 없으며, 장기적인 관점에서 체계적인 데이터와 노하우의 축적을 기대할 수 없음이 사실이다. 또한 시간과 비용 면에서도 합리적이지 못하다. 뿐만 아니라 그 성과 면에서도 수요자의 니즈에 가장 적절히 매칭되는 인재가 기존의 방식에 의해 발굴될 수 있을 것인지를 보장하기 어렵다. 찾고자 하는 스펙에 맞는 국내외 인재가 존재하는지, 존재한다면 어떻게 분포하는지에 대한 전체적인 데이터를 수집하고 이를 축적하여 데이터베이스화 한다면 장기간에 걸쳐 이를 인재 발굴의 기초 자료로 활용할 수 있고, 이를 통해 보다 체계적이고 합리적인 인재 발굴이 가능할 것이다.
본 발명의 일 실시예는 보다 체계적이고 합리적인 인재 발굴 시스템과 채용 담당자의 니즈에 정확하게 부합하는 인재 정보를 제공하고자 한다. 또한 본 발명의 실시예는 인력 관련 데이터의 축적을 통해 채용 과정을 체계적으로 진행하고 매니징할 수 있게 하며 차후의 인재 채용에 있어서도 참고할 수 있는 데이터베이스를 구축할 수 있게 하고자 한다. 또한 본 발명의 다른 실시예는 필요로하는 분야의 인재가 어떻게 분포하는지에 대한 종합적인 정보를 제공하고자 한다.
위와 같은 과제를 해결하기 위해 본 발명의 일 실시예에 따른 인재 정보 처리 방법은, 발굴하고자 하는 인재와 관련된 키워드가 포함된 인재 정보 요청 신호를 입력받는 단계; 논문 검색 사이트, 소셜 네트워크 서비스 게시물, 블로그 게시물, 인명 사전 사이트, 신문 기사, 인맥 정보 전문 사이트, 대학 동문 정보를 제공하는 대학교 사이트, 분야별 전문 보고서 제공 사이트, 공개 특허 검색 사이트 중 하나 이상을 포함하는 사이트를 검색하여 상기 키워드에 상응하는 인재 관련 빅데이터를 수집하는 단계; 입력받은 상기 키워드, 상기 인재의 연구 분야, 업무 분야, 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교 중 하나 이상을 통해 검색될 수 있는 형태로 변환하여 상기 인재 관련 빅데이터를 서버에 저장하는 단계; 상기 서버에 저장된 상기 인재 관련 빅데이터를 분석하여 상기 인재 정보 요청 신호에 상응하는 인재 현황 정보를 출력하는 단계를 포함할 수 있다.
여기서 상기 인재 정보 요청 신호는 상기 키워드 외에, 상기 인재의 연구 분야, 업무 분야, 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교 중 하나 이상을 포함할 수 있다.
또한 상기 인재 관련 빅데이터를 변환하고 저장하는 단계는 하둡, HBASE, NoSql(Cassandra) 중 하나 이상을 이용할 수 있다.
그리고 상기 인재 관련 빅데이터를 온톨로지 기반의 빅데이터 분석 방법에 의해 분석할 수 있다.
또한 상기 정보를 출력하는 단계는 상기 인재 정보 요청 신호에 포함된 상기 키워드, 상기 인재의 연구 분야, 업무 분야, 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교 중 하나 이상의 기준에 의해 그래프의 형태로 시각화 된 상기 인재 현황 정보를 출력할 수 있다.
그리고 본 발명의 다른 실시예에 따른 인재 정보 처리 장치는, 발굴하고자 하는 인재와 관련된 키워드가 포함된 인재 정보 요청 신호를 입력받는 신호 입력부; 논문 검색 사이트, 소셜 네트워크 서비스 게시물, 블로그 게시물, 인명 사전 사이트, 신문 기사, 인맥 정보 전문 사이트, 대학 동문 정보를 제공하는 대학교 사이트, 분야별 전문 보고서 제공 사이트, 공개 특허 검색 사이트 중 하나 이상을 포함하는 사이트로부터 상기 키워드에 상응하는 인재 관련 빅데이터를 수신하는 인재 정보 수집부; 상기 키워드, 상기 인재의 연구 분야, 업무 분야, 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교 중 하나 이상을 통해 검색될 수 있는 형태로 상기 인재 관련 빅데이터를 변환하고, 상기 인재 관련 빅데이터를 분석하여 상기 인재 정보 요청 신호에 상응하는 인재 현황 정보를 생성하는 인재 정보 처리부; 변환된 상기 인재 관련 빅데이터를 저장하는 인재 정보 저장부; 및 상기 인재 현황 정보를 출력하는 인재 정보 출력부를 포함할 수 있다.
여기서 상기 인재 정보 요청 신호는 상기 키워드 외에, 상기 인재의 연구 분야, 업무 분야, 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교 중 하나 이상을 포함할 수 있다.
그리고 상기 인재 정보 처리부는 하둡, HBASE, NoSql(Cassandra) 중 하나 이상을 이용하여 인재 관련 빅데이터를 변환할 수 있다.
그리고 상기 인재 정보 처리부는 상기 인재 관련 빅데이터를 분석함에 있어, 온톨로지 기반의 빅데이터 분석 방법에 의해 분석할 수 있다.
또한 상기 인재 정보 출력부는 상기 인재 정보 요청 신호에 포함된 상기 키워드, 상기 인재의 연구 분야, 업무 분야, 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교 중 하나 이상의 기준에 의해 상기 인재 현황 정보를 그래프 형태로 시각화하여 출력할 수 있다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 인재 정보 처리 방법 및 장치는 여러 소스에 분산되어 있는 인재 관련 정보를 하나의 빅데이터로 모아 처리함으로써 보다 정확도 높고 풍부한 내용의 인재 관련 정보를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따른 인재 정보 처리 방법 및 장치는 온톨로지 방식의 데이터 분석 방법을 채용함으로써 관련 업무 분야의 인재에 대해 참고가 가능하면서도 사용자로 하여금 전문 분야 간의 혼동 없이 필요한 인재에 대한 정보를 얻을 수 있도록 한다.
또는 본 발명의 일 실시예에 따른 인재 정보 처리 방법 및 장치에 따르면 구인 담당자는 구직자 대상 상담을 할 수 있는 지식을 학습할 수 있고, 인사 담당자로서의 역할을 학습하기 위해 본 발명의 실시예에 따라 획득되는 인재 관련 정보를 참고하거나 이용할 수 있다.
그리고 본 발명의 일 실시예에 따른 인재 정보 처리 방법 및 장치를 이용하여 면접 진행 사항(면접관, 피면접자 대응 및 결과)을 축적하고 학습할 수 있다.
특히 본 발명의 일 실시예에 따른 인재 정보 처리 방법 및 장치를 이용하면, 빅데이터 분석을 통해 심층면접까지 가능한 인공지능 개발을 기대할 수 있다.
또한 본 발명의 일 실시예에 따른 인재 정보 처리 방법 및 장치에 따르면, 인력발굴에서 채용(발굴, 서류전형, 면접전형, 연봉협상, 개인의 업적 성과분석 등)까지 모든 프로세스를 외부에 의뢰할 필요성이 줄어드므로, 구인자 측에서 구인 프로세스를 전적으로 관리하며 직접 진행할 수 있는 가능성이 높아진다.
도 1은 본 발명의 일 실시예에 따라 인재 정보를 수집할 수 있는 여러 소스와 연결을 유지하는 인재 정보 처리 장치를 나타낸 도면이다.
도 2는 도 1의 인재 정보 처리 장치를 설명하는 블록도이다.
도 3은 도 2의 인재 정보 처리 장치가 정보를 수집 및 처리하여 인재 관련 정보를 생성하는 과정을 설명하는 순서도이다.
도 4는 인재 관련 빅데이터를 추출하고 분석하는 과정을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따라 생성 및 출력된 인재 현황 정보의 예시를 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따라 생성 및 출력된 인재 현황 정보의 다른 예시를 나타낸 도면이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 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.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
본 발명의 실시예들을 설명하기에 앞서 이하에서 사용할 용어들과 개념들을 간략히 설명하도록 한다.
시맨틱 웹(semantic web)은 현재의 인터넷과 같은 분산 환경에서 리소스(웹 문서, 각종 파일, 서비스 등)에 대한 정보와 자원 사이의 관계-의미 정보(semanteme)를 기계, 즉 컴퓨터가 처리할 수 있는 온톨로지(ontology)의 형태로 표현하고, 이를 자동화된 기계가 처리하도록 하는 프레임워크이자 기술이다.
여기서 온톨로지란 사람들이 사물에 대해 생각하는 바를 추상화하고 공유화한 모델로서, 개념의 유형이나 사용상의 제약 조건들이 명시적으로 정의되고, 정형화된 기술을 말한다. 즉 온톨로지는, 컴퓨터가 단어의 개념을 이해해 처리하는 등 논리적 추론을 가능케 하는 기술이다.
컴퓨터 과학 분야에서 온톨로지는 특정한 영역을 표현하는 데이터 모델로서 특정한 영역(domain)에 속하는 개념과 개념 사이의 관계를 기술하는 정형(formal)화된 어휘의 집합으로 정의된다. 특히 온톨로지는 시맨틱 웹을 구현할 수 있는 도구로서, 지식 개념을 의미적으로 연결할 수 있는 도구로 사용된다. 웹 정보 검색은 웹을 통해 접근할 수 있는 모든 전자자원을 대상으로 하는 검색을 가능하게 하였다. 온톨로지는 특히 컴퓨터에서 사람이 갖고 있는 사물에 대한 개념을 일종의 데이터베이스의 형태로 가공하여 처리할 수 있도록 해 준다. 인터넷의 급속한 발달로 인해 검색 대상 범위가 확대됨에 따라 보다 정교한 검색을 필요로 하게 되었으며, 지능화된 정보 검색 시스템 개발을 촉진하는 계기가 되었다. 이런 계기를 바탕으로 웹 자원을 효과적으로 관리할 수 있는 정보 검색의 새로운 도구의 필요성이 대두되었고, 온톨로지가 각광을 받게 되었다.
온톨로지는 자연어의 기계 번역과 인공지능 분야에서 활용되며, 최근에는 특정 분야의 인터넷 자원과 그 사이의 관계를 기술하는 온톨로지를 사용하는 시맨틱 웹과 이것에서 파생된 시맨틱 웹 서비스 등의 핵심 요소로서 주목받고 있다.
기계가 의미에 따라 정보를 추론하여 사용자에게 제공하는 환경을 시맨틱 웹이라고 한다면 그 중 이렇게 기계가 의미를 해석하는데 도움이 되는 뼈대를 온톨로지라고도 할 수 있다. 정보 기술에서의 온톨로지(Ontology)는 지식의 어떤 특정 영역 내에 있는 ‘실체’와 ‘그 실체가 의미하는 것’(또는 데이터와 그 데이터가 뜻하는 ‘의미’) 사이의 상호 작용의 작업 모델을 말하며, 실체와 가상(그것의 웹 표현) 사이의 윤활유가 필요하다. 이것을 웹상에서 공유하기 위한 표준들과 Best Practice들의 집합체를 말한다고도 볼 수 있다.
시맨틱 웹 기술은 사람의 머리 속에 있는 언어에 대한 이해를 컴퓨터 언어로 표현하고 이것을 컴퓨터가 사용할 수 있게 만드는 것인데, 특별한 분산환경을 갖춘 웹에 구현하자는 것이다. 이것은 기계가 정보검색과 같은 사람의 요구를 더 잘 이해하고 적절하게 반응하도록 만들기 위해서이다. 사람과 기계 사이에 진정한 커뮤니케이션이 가능하기 위해서는 사람이 이해하는 수준으로 기계도 언어를 이해할 수 있어야 한다. 세상에 있는 각각의 사물이나 사건들을 경험하면서 이들 속에 들어있는 특징을 파악해서 이해하는 방식을 개념화라고 하는데, 온톨로지는 컴퓨터에서도 사람이 갖고 있는 개념과 같은 것을 일종의 데이터베이스와 같은 형태로 만드는 기술이라 할 수 있다. 프로그램과 인간이 지식을 공유하는데 도움을 주기 위한 온톨로지는, 정보시스템의 대상이 되는 자원의 개념을 명확하게 정의하고 상세하게 기술하여 보다 정확한 정보를 찾을 수 있도록 하는데 목적이 있다.
시맨틱 웹은 XML(Extensible Markup Language)에 기반한 시맨틱 마크업 언어로써 표현될 수 있다. 이러한 시맨틱 웹에서는 주체(subject), 술어(predicate), 객체(object)의 트리플(triple) 형태로 개념을 표현하며, 다시 각각의 주체, 술어, 객체는 XML의 URI(Uniform Resource Identifier)로 표현될 수 있다. 현재 시맨틱 웹 온톨로지를 기술하는 표준 언어로 W3C에서 제안한 RDF, RDF-Schema, OWL, SW RL 그리고 ISO에서 제안한 TopicMaps 등이 있다.
또한 온톨로지의 구성 요소는 클래스(class), 인스턴스(instance), 관계(relation), 속성(property)으로 구분할 수 있다. 클래스(Class)는 일반적으로 우리가 사물이나 개념 등에 붙이는 이름을 말한다고 설명할 수 있다. 그리고 인스턴스(Instance)는 사물이나 개념의 구체물이나 사건 등의 실질적인 형태로 나타난 그 자체를 의미한다. 클래스와 인스턴스의 구분은 응용과 사용목적, 상황에 따라서 매우 달라질 수 있다. 즉, 같은 표현의 개체가 어떠한 경우에는 클래스가 되었다가 다른 경우에는 인스턴스가 될 수 있다. 그리고 속성(Property)은 클래스나 인스턴스의 특정한 성질, 성향 등을 나타내기 위하여 클래스나 인스턴스를 특정한 값(value)와 연결시킨 것이다.
관계(Relation)는 클래스, 인스턴스 간에 존재하는 관계들을 칭하며, 일반적으로 분류 관계(taxonomic relation)와 비분류 관계(non-taxonomic relation)으로 구분할 수 있다. 분류 관계(taxonomic relation)는 클래스, 인스턴스들의 개념분류를 위하여 보다 상위개념과 하위 개념들로 구분하여 계층적으로 표현하는 관계이다. 그리고 비분류 관계(non-taxonomic relation)는 분류 관계(Taxonomic Relation)가 아닌 관계를 말한다. 예를 들어, "운동으로 인해 건강해진다"는 것은 인과관계(cause-result)를 이용하여 표현한다.
도 1은 본 발명의 일 실시예에 따라 인재 정보를 수집할 수 있는 여러 소스와 연결을 유지하는 인재 정보 처리 장치를 나타낸 도면이다. 도 1을 참조하면, 인재 정보 처리 장치(100)는 다양한 사이트로부터 인재 관련 정보를 수집할 수 있다. 여기서는 일반 포털 사이트, 소셜 네트워크 서비스 사이트, 국내외 논문 검색 사이트, 구인 구직 전문 사이트, 전문 보고서를 유료 또는 무료로 제공하는 각종 사이트들과 연동하여 인재 정보 처리 장치가 인재 관련 정보를 수신하여 수집하는 것으로 예를 들었다. 여기서 소셜 네트워크 서비스에는 페이스북, 인스타그램, 링크드인 등을 포함할 수 있으며, 그 종류에 제한은 없다.
즉 인재 정보 처리 장치(100)가 연결될 수 있는 사이트나 그 서버에는 제한이 없으며, 해당 사이트나 서버로부터 받을 수 있는 정보의 내용이나 종류에도 특별한 제한이 있지 않다. 연동하고자 하는 논문 검색 사이트 또는 보고서 검색 사이트가 유료 사이트라면 미리 이에 대한 요금을 지불하는 단계가 추가될 수 있다. 이 외에도, 인재 정보 처리 장치(100)는 각종 블로그, 홈페이지, 인터넷 인명 사전, 인터넷 신문 기사, 인맥 정보 전문 사이트, 대학 동문 정보를 제공하는 대학교 사이트, 공개 특허 검색 사이트 중 하나 이상의 사이트와 연결을 유지하면서 인재 관련 정보를 수신할 수 있다.
도 2는 도 1에 있는 인재 정보 처리 장치(100)를 설명하는 블록도이다.
도 2를 참조하면, 인재 정보 처리 장치(100)는 신호 입력부(110), 인재 정보 수집부(120), 인재 정보 처리부(130), 인재 정보 저장부(140) 및 인재 정보 출력부(150)를 포함할 수 있다.
일 실시예에서, 신호 입력부(110)는 발굴하고자 하는 인재에 대한 정보를 요청하는 인재 정보 요청 신호를 입력받을 수 있다. 이러한 인재 정보 요청 신호는 인재 검색을 위한 키워드를 입력받는 형대로 입력될 수 있다. 즉 키워드의 입력 자체가 인재 정보 요청 신호로 인식될 수도 있고, 키워드 입력 및 검색 이후 별도의 인재 정보 요청 신호가 입력될 수도 있다.
예를 들면, 이공계 또는 유망기술 내 특수 연구 분야에서 과거의 연구결과(논문, 저널) 등의 저자 정보와 해당 저자들이 현재 종사하고 있는 업무분야 및 관련 소셜 네트워크 서비스 등을 검색하여, 관련업무의 지속성이 있는 경우 해당 인력을 본 발명의 실시예에 따른 인재 풀에 등록하고, 해당 인제 정보를 구인관련 기업의 인사정보와 매칭시켜 헤드헌팅이나 인재초빙 등의 기초자료로 활용할 수 있다.
소셜 네트워크 서비스나 기타 정보를 기반으로 하여 인력 데이터 베이스를 구성하고 이를 기반으로 한 구인 및 구직 프로그램에 대하여 일부 언급된 공지기술이 있으나, 본 발명의 실시예와 같이 해당 인력이 과거 전문적인 연구과제나 업무를 수행할 때 발생되었던 논문, 저널 등과 같은 기초정보는 물론 현재 공개된 소셜 네트워크 서비스를 통해 게시된 내용과 관련 업무까지 모두 추적하여 연관성있는 데이터로 비교하는 기술은 아직 공개된 바가 없다.
일 실시예에서, 인재 정보 요청 신호는 위에서 언급한 바와 같이, 발굴 또는 채용하고자 하는 인재에 대한 키워드를 포함할 수 있다. 그리고 키워드 이외에도, 상기 인재의 연구 분야, 업무 분야, 기술 분야, 채용 심사의 대상이 되는 인재의 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교 중 하나 이상의 정보를 포함할 수 있다. 여기서 지역 정보라 함은 해당 인재의 출신지, 근무지, 연구지, 거주지 등에 대한 정보일 수 있다. 또한 해당 인재가 석사급인지 박사급인지, 주요 저널에 게재된 논문은 몇 편인지, 그 논문은 무엇인지, 특허가 있는지, 있다면 해당 특허의 번호가 무엇인지 등의 보다 자세한 정보도 인재 정보 요청 신호에 포함될 수 있다.
설령 이와 같은 정보가 인재 정보 요청 신호에 포함되지 않더라도, 본 발명의 일 실시예에 따르면, 후술할 데이터 수집 및 분석 과정에서 이러한 정보가 함께 수집되고 관리되는 것이 가능할 수 있다.
인재 정보 수집부(120)는 앞서 언급한 바와 같이 다양한 사이트나 그 서버로부터 인재 관련 정보를 추출하여 수집할 수 있다. 특히 해당 인재가 논문을 게재하거나 특허 출원을 한 경우에, 인재 정보 수집부는 해당 논문이나 특허 문서 전체를 인재 관련 자료로서, 이들 자료는 문서 전체가 저장될 수 있다. 즉 인재 관련 정보는 상당히 큰 용량의 데이터일 수 있다.
특히, 예컨대 소셜 네트워크 서비스에 따른 게시물들로부터 인재 관련 정보를 수집하는 경우, 해당 인재의 업무 또는 전공과 관련된 게시물이 모두 검색되어 인재 정보 수신부(120)를 통해 수신될 수 있으며 이 경우 인재 관련 정보는 빅데이터의 형태를 가질 수 있다. 논문 역시, 해당 인재가 논문의 주 저자인 경우는 물론 부 저자인 경우, 다른 논문의 레퍼런스로 활용된 경우 모두 분류되어 해당 데이터가 모두 인재 관련 정보로서 인재 정보 처리 장치(100)로 전송될 수 있다.
본 발명의 일 실시예에서, 인재 정보 처리부(130)는 인재 발굴 또는 채용을 위한 키워드, 인재의 연구 분야, 업무 분야, 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교 중 하나 이상을 통해 검색될 수 있는 형태로 상기 인재 관련 빅데이터를 변환할 수 있다. 또한 인재 정보 처리부(130)는 인재 관련 빅데이터를 분석하여 상기 인재 정보 요청 신호에 상응하는 인재 현황 정보를 생성할 수 있다.
본 발명의 일 실시예에 따라 인재 정보 처리부(130)가 수집된 인재 관련 빅데이터를 변환함에 있어서, 하둡, HBASE, NoSql(Cassandra) 등이 이용될 수 있다.
하둡은 여러 개의 저렴한 컴퓨터를 마치 하나인 것처럼 묶어 대용량 데이터를 처리하는 기술이다. 하둡은 수천대의 분산된 x86 장비에 대용량 파일을 저장할 수 있는 기능을 제공하는 분산파일 시스템과, 저장된 파일 데이터를 분산된 서버의 CPU와 메모리 자원을 이용해 쉽고 빠르게 분석할 수 있는 컴퓨팅 플랫폼인 맵리듀스로 구성돼 있다. 하둡을 이용하면 대용량 데이터를 비교적 저렴한 비용으로 빠르게 처리할 수 있다.
이 외에도, 인재 정보 처리부(130)는 데이터 수집을 위해서는 플럼을 이용하여 데이터 발생원으로부터 인재 관련 데이터를 수집해 하둡 파일 시스템에 안정적으로 저장할 수 있다. 또한 인재 정보 처리부(130)는 엘라스틱 서치를 이용하여 인재 관련 빅데이터에 대한 검색을 수행할 수 있다. 그리고 인재 정보 처리부(130)는 HBASE나 카산드라를 이용해 인재 관련 대용량 데이터를 분산된 서버에 구조적으로 저장함으로서 실시간 고속 저장이 가능하고, 조회 기능이 구비된 구조적 데이터 저장소를 제공할 수 있다.
또한 본 발명의 일 실시예에 따라 인재 정보 처리부(130)가 인재 관련 정보 또는 인재 관련 빅데이터를 분석한다 함은 온톨로지 기반의 빅데이터 분석 방법을 채용함으로써, 구직자 관련 데이터가 구인기업이 원하는 조건에 해당하는지를 빠르게 분석해 낼 수 있다. 예컨대 구인 담당자가 인재 정보를 얻기 위해 키워드를 입력할 때, 입력되는 키워드가 추가될수록 인재 정보 처리 장치(100)는 구인 담당자가 원하는 인재 정보를 정확히 파악할 수 있고, 노이즈가 제거되어 보다 정확도가 높고 사용자의 니즈에 부합하는 인재 현황 정보를 생성하여 제공할 수 있게 된다.
인재 정보 처리부(130)는 분석된 인재 관련 빅데이터를 기반으로, 인재 정보 요청 신호에서 요청받은 바에 부합하는 인재 현황 정보를 생성한다.
여기서 본 발명의 일 실시예에 따라 생성되는 인재 현황 정보는 특정 분야의 인재풀이 어떻게 형성되어 있는지를 나타내는 정보일 수 있다. 학위 또는 경력에 따라 특정 분야의 석사급, 박사급 인력이 몇명인지, 30대 전문인력과 40대 전문인력은 각각 몇명인지, 어느 지역에 분포하는지, 성별은 어떻게 되는지, 그리고 그 인력들은 각각 누구인지 등이 인재 현황 정보에 포함될 수 있다. 즉 인력 현황 정보는 기 입력받은 인재 정보 요청 신호에 포함되어 있던 키워드, 인재의 연구 분야, 업무 분야, 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교, 구직 정보 중 하나 이상의 정보를 포함하며, 이들 중 하나 이상의 기준에 의해 분류 또는 정렬된 정보일 수 있다. 즉 인재 현황 정보는 어떤 키워드로 검색 시 검색 결과에 도출되는 인력인지, 전문 연구 분야, 업무 분야 또는 세부 전공은 무엇인지, 인력의 연령대나 주요 경력, 현재 근무처가 어디인지, 현재 어떤 직장에 구직 중인지 등에 대한 정보를 포함할 수 있다.
그리고 본 발명의 실시예에 따르면 인재 현황 정보는 밴다이어그램, 막대그래프, 띠그래프 등으로 시각화된 그래프 형태의 정보로 출력될 수 있다. 이에 대해서는 이후 도 5 및 도 6에서 부가적으로 설명하도록 한다.
그리고 본 발명의 일 실시예에 따른 인재 정보 처리 장치(100)의 인재 정보 저장부(140)는 변환된 인재 관련 정보 또는 인재 관련 빅데이터를 저장한다. 그리고 인재 정보 저장부(150)에 저장된 인재 관련 빅데이터는 주기적으로 업데이트 될 수 있다.
인재 정보 출력부(150)는 인재 현황 정보를 출력한다. 앞서 설명한 바와 같이 인재 현황 정보는 인재의 분포나 각 인재들의 현재 상황에 대한 가독성 있는 정보를 제공할 수 있으며, 이를 위해 그래프 등의 형태로 시각화된 정보일 수 있다.
도 3은 도 1 및 도 2에서 설명한 본 발명의 일 실시예에 따른 인재 정보 처리 장치가 인재 정보를 수집하고 처리하여 출력하는 과정을 설명하는 순서도이다.
본 발명의 일 실시예에 의한 인재 정보 처리 장치(100)의 신호 입력부(110)는 인재 정보 요청 신호를 입력받는다(S210). 인재 정보 요청 신호는 앞서 설명한 바와 마찬가지로, 발굴하고자 하는 인재를 검색하기 위한 키워드일 수 있으며, 해당 인재의 연구 분야, 업무 분야, 세부 전공, 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교, 구직 여부 등에 대한 정보를 포함할 수 있다. 신호 입력부(110)가 인재 정보 요청 신호를 입력받으면, 인재 정보 수집부(120)는 일반 포털 사이트, 페이스북이나 인스타그램, 링크드인과 같은 소셜 네트워크 서비스 사이트, 국내외 논문 검색 사이트, 구인 구직 전문 사이트, 전문 보고서를 유료 또는 무료로 제공하는 각종 사이트 또는 그 서버로부터 해당 인재와 관련된 모든 정보와 데이터를 전송받음으로써 인재 관련 정보를 수집할 수 있다(S220). 여기서 인재 관련 정보는 대용량의 빅데이터일 수 있다.
이후 수집한 정보는 추후에도 검색될 수 있는 형태로 변환되어 저장될 수 있으며(S230), 특히 빅데이터의 변환과 분석에 필요한 여러 가지 도구들이 사용될 수 있다. 여기서는 예컨대 하둡, 카산드라, HBASE 등이 사용될 수 있다.
인재 정보 처리부(130)가 인재 현황 정보를 생성하기 위해 변환된 인재 관련 정보를 분석함에 있어, 온톨로지에 기반한 빅데이터 분석 방법을 사용할 수 있다. 온톨로지에 기반한 빅데이터 분석 방법에 따르면, 사용자가 입력한 키워드가 다른 분야의 용어와 혼동되거나 혼합되지 않으며, 키워드의 조합에 의해 사용자의 니즈를 유추하여, 사용자가 의도한 구직 대상자를 보다 정확하게 추출해낼 수 있게 된다. 이러한 과정을 통해 인재 정보 처리부(130)는 인재 현황 정보를 생성할 수 있다(S240).
인재 정보 출력부는 위에서 생성된 인재 현황 정보를 출력한다(S250). 여기서 출력되는 인재 현황 정보는 채용 여부를 심사받을 인력들의 리스트일 수도 있고, 인력들의 분포나 경력 사항, 구직 여부, 현재 업무 등을 파악할 수 있는 그래프 등의 형태일 수도 있다.
도 4는 본 발명의 일 실시예에 따라 온톨로지 기반의 빅데이터 분석 방법에 의해 인재 관련 빅데이터를 수집하고 처리하는 과정을 도시한 도면이다.
예컨대 구인 담당자가 본 발명의 실시예에 따른 인재 정보 처리 장치 또는 방법을 통해 “3D 영상” 관련 전문인력을 채용하고자 하는 경우, 온톨로지 기반의 분석 방법을 통해 결과를 도출하는 과정을 예시적으로 나타낸다. 사용자가 “3D” 만을 검색어로 입력하는 경우, 이는 3D 프린팅에 관한 검색 요청인지, 3D 영상에 대한 검색 요청인지, 3D 홀로그램에 대한 검색 요청인지가 불분명하다. 이는 “3D 영상”으로 다시 검색되는 경우 사용자의 원래 의도와 무관한 검색 결과들은 자동으로 제거될 수 있다. 또한 3D 영상 분야 안에서도 세부 분야들을 함께 검색하여, “3D 영상 변환”, “3D 영상 생성”, “3D 영상 디스플레이 기기” 등을 함께 검색하며, 각각의 세부 분야에 대한 전문 인력을 결과로 도출하게 된다. 이로써 본 발명의 실시예에 따르면 인재 정보 처리 장치(100)는 사용자가 요구하는 바에 보다 정확하게 부합하는 인력 검색 결과를 제공함은 물론, 보다 세분화된 검색에 대한 결과도 함께 제공할 수 있다. 그리고 인재 정보 처리 장치(100)는, 각각의 인력들에 대해 검색되는 모든 논문이나 기사, 보고서, 소셜 네트워크 서비스 게시물 등 방대한 양의 데이터를 빠른 시간 내에 저장하고 분석함으로써 정확하면서도 풍부한 인재 현황 정보를 생성하여 제공할 수 있게 된다.
도 5 및 도 6은 본 발명의 일 실시예에 따라 인재 현황 정보가 출력되는 모습을 도시한 도면이다.
도 5는 특정 업무 분야에 대한 국내외 전문 인력의 분포를 나타내며, 도 6은 국내 전문 인력의 분포를 나타낸다
예컨대 도 5 및 도 6이 암세포 추적 기술에 대한 국내외 전문가의 근무 현황 별 분포를 나타내는 인재 현황 정보라고 가정할 때, 도 5의 첫번째 벤다이어그램은 유럽 지역의 일반 기업 근무인력(310), 연구소 근무인력(320), 대학교 근무인력(330)의 분포를 나타낸다. 또한 도 5의 두번째 벤다이어그램은 같은 분야의 인력에 대해 아시아 지역의 일반 기업 근무인력(330), 연구소 근무인력(340), 대학교 근무인력(350)의 분포를 나타낼 수 있다. 마찬가지로 도 5의 세번째 벤다이어그램은 같은 분야의 인력에 대해 북미 지역의 일반 기업 근무인력(370), 대학교 근무인력(380), 연구소 근무인력(390)의 분포를 나타낼 수 있다.
각각의 벤다이어그램의 위치와 크기를 달리함으로써 각 지역에 분포하는 전문 인력의 수를 가시적으로 표현할 수 있으며, 각각의 벤다이어그램 안에서 연령, 경력, 성별, 근무처 등의 기준에 따라 인력의 분포를 세분화하여 나타낼 수 있다.
도 6에 도시된 국내 전문인력 분포를 나타내는 인재 현황 정보 역시 마찬가지로 해석될 수 있다.
도 6에 예시된 바에 따르면, 서울 경기 지역과 대전, 광주를 비교했을 때 각각의 벤다이어그램의 크기를 비교함으로써 전문 인력의 분포 수를 한눈에 비교할 수 있다. 또한 각각의 벤다이어그램은 근무처, 연령, 성별, 경력, 세부 전공, 학위 등의 정보로 세분화될 수 있다.
도 6에 도시된 국내 인재 현황 정보 역시 근무처 유형에 따라 세분된다고 가정하였을 때, 암세포 추적 기술에 대한 서울 경기 지역에서의 국내 거주 전문 인력은 도 6의 첫번째 벤다이어그램을 통해 대학교 근무인력(410), 연구소 근무인력(420), 일반 기업 근무인력(430)의 분포를 나타낼 수 있다. 또한 암세포 추적 기술에 대한 대전, 충청 지역에서의 국내 거주 전문 인력은 도 6의 두번째 벤다이어그램을 통해 대학교 근무인력(450), 연구소 근무인력(440), 일반 기업 근무인력(460)의 분포를 나타낼 수 있다. 마찬가지로 암세포 추적 기술에 대한 광주 지역에서의 국내 거주 전문 인력은 도 6의 세번째 벤다이어그램을 통해 대학교 근무인력(470), 연구소 근무인력(480)의 분포를 나타낼 수 있다.
상기에서는 본 발명의 바람직한 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 인재 정보 처리 장치
110: 신호 입력부
120: 인재 정보 수집부
130: 인재 정보 처리부
140: 인재 정보 저장부
150: 인재 정보 출력부

Claims (10)

  1. 발굴하고자 하는 인재와 관련된 키워드가 포함된 인재 정보 요청 신호를 입력받는 단계;
    논문 검색 사이트, 소셜 네트워크 서비스 게시물, 블로그 게시물, 인명 사전 사이트, 신문 기사, 인맥 정보 전문 사이트, 대학 동문 정보를 제공하는 대학교 사이트, 분야별 전문 보고서 제공 사이트, 공개 특허 검색 사이트 중 하나 이상을 포함하는 사이트를 검색하여 상기 키워드에 상응하는 인재 관련 빅데이터를 수집하는 단계;
    입력받은 상기 키워드, 상기 인재의 연구 분야, 업무 분야, 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교 중 하나 이상을 통해 검색될 수 있는 형태로 변환하여 상기 인재 관련 빅데이터를 서버에 저장하는 단계;
    상기 서버에 저장된 상기 인재 관련 빅데이터를 분석하여 상기 인재 정보 요청 신호에 상응하는 인재 현황 정보를 출력하는 단계를 포함하는 인재 정보 처리 방법.
  2. 제1항에 있어서,
    상기 인재 정보 요청 신호는
    상기 키워드 외에, 상기 인재의 연구 분야, 업무 분야, 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교 중 하나 이상을 포함하는 것을 특징으로 하는 인재 정보 처리 방법.
  3. 제1항에 있어서,
    상기 인재 관련 빅데이터를 변환하고 저장하는 단계는
    하둡, HBASE, NoSql(Cassandra) 중 하나 이상을 이용하는 것을 특징으로 하는 인재 정보 처리 방법.
  4. 제1항에 있어서,
    상기 인재 관련 빅데이터를 온톨로지 기반의 빅데이터 분석 방법에 의해 분석하는 것을 특징으로 하는 인재 정보 처리 방법.
  5. 제1항에 있어서,
    상기 정보를 출력하는 단계는
    상기 인재 정보 요청 신호에 포함된 상기 키워드, 상기 인재의 연구 분야, 업무 분야, 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교 중 하나 이상의 기준에 의해 그래프의 형태로 시각화 된 상기 인재 현황 정보를 출력하는 것을 특징으로 하는 인재 정보 처리 방법.
  6. 발굴하고자 하는 인재와 관련된 키워드가 포함된 인재 정보 요청 신호를 입력받는 신호 입력부;
    논문 검색 사이트, 소셜 네트워크 서비스 게시물, 블로그 게시물, 인명 사전 사이트, 신문 기사, 인맥 정보 전문 사이트, 대학 동문 정보를 제공하는 대학교 사이트, 분야별 전문 보고서 제공 사이트, 공개 특허 검색 사이트 중 하나 이상을 포함하는 사이트로부터 상기 키워드에 상응하는 인재 관련 빅데이터를 수신하는 인재 정보 수집부;
    상기 키워드, 상기 인재의 연구 분야, 업무 분야, 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교 중 하나 이상을 통해 검색될 수 있는 형태로 상기 인재 관련 빅데이터를 변환하고, 상기 인재 관련 빅데이터를 분석하여 상기 인재 정보 요청 신호에 상응하는 인재 현황 정보를 생성하는 인재 정보 처리부;
    변환된 상기 인재 관련 빅데이터를 저장하는 인재 정보 저장부; 및
    상기 인재 현황 정보를 출력하는 인재 정보 출력부를 포함하는 인재 정보 처리 장치.
  7. 제6항에 있어서,
    상기 인재 정보 요청 신호는
    상기 키워드 외에, 상기 인재의 연구 분야, 업무 분야, 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교 중 하나 이상을 포함하는 것을 특징으로 하는 인재 정보 처리 장치.
  8. 제6항에 있어서,
    상기 인재 정보 처리부는
    하둡, HBASE, NoSql(Cassandra) 중 하나 이상을 이용하여 인재 관련 빅데이터를 변환하는 것을 특징으로 하는 인재 정보 처리 장치.
  9. 제6항에 있어서,
    상기 인재 정보 처리부는 상기 인재 관련 빅데이터를 분석함에 있어,
    온톨로지 기반의 빅데이터 분석 방법에 의해 분석하는 것을 특징으로 하는 인재 정보 처리 장치.
  10. 제6항에 있어서,
    상기 인재 정보 출력부는
    상기 인재 정보 요청 신호에 포함된 상기 키워드, 상기 인재의 연구 분야, 업무 분야, 성명, 지역, 연령, 경력, 성과, 특허, 근무처, 출신 학교 중 하나 이상의 기준에 의해 상기 인재 현황 정보를 그래프 형태로 시각화하여 출력하는 것을 특징으로 하는 인재 정보 처리 장치.
KR1020170148882A 2017-11-09 2017-11-09 인재 정보 처리 방법 및 장치 KR20190052980A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170148882A KR20190052980A (ko) 2017-11-09 2017-11-09 인재 정보 처리 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170148882A KR20190052980A (ko) 2017-11-09 2017-11-09 인재 정보 처리 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20190052980A true KR20190052980A (ko) 2019-05-17

Family

ID=66678426

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170148882A KR20190052980A (ko) 2017-11-09 2017-11-09 인재 정보 처리 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20190052980A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113868423A (zh) * 2021-10-13 2021-12-31 上海市研发公共服务平台管理中心 人才引进路径选择方法、装置、存储介质及终端
KR20220014094A (ko) * 2020-07-28 2022-02-04 건국대학교 산학협력단 특허 데이터 기반의 기술인재 발굴 장치 및 방법
CN115630080A (zh) * 2022-10-26 2023-01-20 深圳市纵横云数信息科技有限公司 一种引导式的人才政策福利计算方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220014094A (ko) * 2020-07-28 2022-02-04 건국대학교 산학협력단 특허 데이터 기반의 기술인재 발굴 장치 및 방법
CN113868423A (zh) * 2021-10-13 2021-12-31 上海市研发公共服务平台管理中心 人才引进路径选择方法、装置、存储介质及终端
CN115630080A (zh) * 2022-10-26 2023-01-20 深圳市纵横云数信息科技有限公司 一种引导式的人才政策福利计算方法及装置
CN115630080B (zh) * 2022-10-26 2023-08-04 深圳市纵横云数信息科技有限公司 一种引导式的人才政策福利计算方法及装置

Similar Documents

Publication Publication Date Title
Spahiu et al. ABSTAT: ontology-driven linked data summaries with pattern minimalization
AU2017200585A1 (en) System and engine for seeded clustering of news events
KR20200145299A (ko) 온라인 면접 동영상 분석 및 소셜미디어 정보분석 기반 지능형 채용지원 플랫폼
Li et al. An intelligent approach to data extraction and task identification for process mining
Das et al. A CV parser model using entity extraction process and big data tools
Zhang et al. Building text-based temporally linked event network for scientific big data analytics
KR20190052980A (ko) 인재 정보 처리 방법 및 장치
Moalla et al. Data warehouse building to support opinion analysis in social media
Benaddi et al. Ontology Model for Public Services in Morocco Based on 5W1H Approach: PSOM-eGovMa
Azeroual et al. Text data mining and data quality management for research information systems in the context of open data and open science
Kim ONTOWEB: Implementing an ontology‐based Web retrieval system
KR102096328B1 (ko) 처방적 분석 기반 지능형 연구정보 고부가 가치화 제공 플랫폼 및 그 방법
Manias et al. SemAI: A novel approach for achieving enhanced semantic interoperability in public policies
Mihindukulasooriya et al. Knowledge graph induction enabling recommending and trend analysis: a corporate research community use case
Rogushina et al. Semantic Processing of Metadata for Big Data: Standards, Ontologies and Typical Information Objects.
Ceci et al. Making Sense of Regulations with SBVR.
Bekhti et al. Knowledge representation for an efficient re-use of project memory
Ashraf et al. Making sense from Big RDF Data: OUSAF for measuring ontology usage
Abolhassani et al. Extracting topics from semi-structured data for enhancing enterprise knowledge graphs
Liu et al. Domain ontology and semantic web applications for study of web competitive intelligence analysis system
Molina et al. Semantic Capabilities for the Metrics and Indicators Cataloging Web System.
Pascal Filho et al. A MapReduce-based Method for Achieving Active Technological Surveillance in Big Data Environments
KR20220072114A (ko) 빅데이터를 활용한 인재 정보 제공 방법 및 장치
Zhomartkyzy et al. The development of information models and methods of university scientific knowledge management
Dwivedi et al. Ontology exemplification and modeling for aSPOCMS in the semantic web

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment