KR20230151849A - 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템 - Google Patents
비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템 Download PDFInfo
- Publication number
- KR20230151849A KR20230151849A KR1020220051709A KR20220051709A KR20230151849A KR 20230151849 A KR20230151849 A KR 20230151849A KR 1020220051709 A KR1020220051709 A KR 1020220051709A KR 20220051709 A KR20220051709 A KR 20220051709A KR 20230151849 A KR20230151849 A KR 20230151849A
- Authority
- KR
- South Korea
- Prior art keywords
- face
- information
- job
- interview
- recruitment
- Prior art date
Links
- 230000007115 recruitment Effects 0.000 title claims abstract description 138
- 238000013473 artificial intelligence Methods 0.000 claims description 53
- 230000002452 interceptive effect Effects 0.000 claims description 52
- 238000011156 evaluation Methods 0.000 claims description 40
- 238000000034 method Methods 0.000 claims description 25
- 238000013500 data storage Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 11
- 230000008450 motivation Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 7
- 230000036541 health Effects 0.000 claims description 4
- 238000005065 mining Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 241000283153 Cetacea Species 0.000 description 3
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000007787 solid Substances 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
- 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
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은, 비대면 면적 빅 데이터에 기반하여 구직자와 기업의 양방향에서 채용을 추천하는 시스템에 있어서, 구직자의 구직자 정보를 입력하고 채용 정보를 추천받는 구직자 단말기와, 기업의 채용 정보를 입력하고 구직자 정보를 추천받은 기업 단말기와, 상기 구직자에게 비대면 면접을 실시하여, 기학습된 채용 이력 분석 정보로부터 상기 비대면 면접의 결과와 면접 결과 유사도가 높은 구직자의 합격율이 높은 기업의 채용 정보를 분석하여 상기 구직자 단말기에 전송하고, 기학습된 채용 이력 분석 정보로부터 기업에서 입력한 채용 정보와 유사도가 채용 정보에서 합격한 면접 결과와 면접 결과 유사도가 높은 구직자의 정보를 분석하여 상기 기업 단말기에 전송하는 채용 추천 서버를 포함하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공함으로써, 기업에게는 원하는 구직자를 추천하여 적절한 인적 자원의 확보로 생산성을 향상시킬 수 잇고, 구직자에게는 원하는 기업을 추천하여 기회의 손실을 방지하고 적기에 경제 활동을 시작할 수 있도록 하는 효과가 있다.
Description
본 발명은 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템에 관한 것으로서, 보다 구체적으로는 기학습된 채용 이력 분석 정보로부터 비대면 면접의 결과와 면접 결과 유사도가 높은 구직자의 합격율이 높은 기업의 채용 정보를 분석하여 구직자에게 제공하고, 기학습된 채용 이력 분석 정보로부터 기업에서 입력한 채용 정보와 유사도가 높은 채용 정보에서 합격한 구직자의 면접 결과와 면접 결과 유사도가 높은 구직자의 정보를 분석하여 기업에게 제공하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템에 관한 것이다.
컴퓨터 및 이동 통신을 포함하는 디지털 기술의 발달과 함께, 보다 광범위한 취업 정보를 빠르게 확보할 수 있는 온라인 취업 중개 시장이 폭발적으로 증가하고 있는 추세이다.
이러한 온라인 취업 중개 시장과 관련하여 다양한 기술 개발이 이루어지고 있으며, 그러한 기술 개발의 일환으로 바, 본원에서 선행문헌1로서 인용하는 공개특허 제10-2006-0011297호(공개일자 : 2006년02월03일)에는, 취업 및 구직을 희망하는 사용자가 인터넷에 연결된 서버에서 운영되는 취업사이트 등에서 온라인 디지털 이력서를 작성 완료한 직후에 입력한 이력서 항목을 기초로 하여 현재 온라인을 통해 취업(구직) 활동을 하고 있는 전체 온라인 구직자 집단과 동일 항목별 실시간 비교 평가를 통해, 집단 내에서 자신의 취업 경쟁력 평가 결과를 파악하고, 이력서 상의 비교 우위 역량과 열위 역량을 파악하도록 하여 보다 경쟁력 있는 취업 역량을 확보는데 필요한 기초 평가 자료를 제공한다는 디지털 이력서 정보를 기초로한 실시간 취업 역량 비교 평가 방법이 개시되어 있다.
그러나, 이러한 기술은 구직자가 작성한 이력서를 텍스트로 분석하는 것에 불과하여, 그 정보량이 한계가 있어서, 채용 여부를 결정하기 위한 정보로서는 대단히 부족하며, 원하는 인재를 채용하기 어려운 문제가 있었으며, 이는 이직 등을 유발하여, 개인에게는 기회의 상실을, 기업에게는 인력난과 기간과 비용의 상실을 초래하는 문제가 있었다.
그로 인해, 이를 보완하기 위한 다양한 기술들이 개발되고 있으며, 코로나와 같은 전염병의 확산으로 인해서 그에 대한 수요 및 기술 개발이 폭발적으로 증가하고 있는 바, 이러한 비대면 면접 및 취업에 대한 기술 개발의 일환으로서, 본원에서 선행문헌2로 인용하는 공개특허 제10-2021-0012503호(공개일자 : 2021년02월03일)에는, 도 1에 도시된 바와 같이, 지원하고자 하는 기관에서 설정한 질문에 대하여 피평가자가 온라인 면접 영상을 촬영하고, 피평가자의 영상에 대하여 기계학습을 이용한 피드백을 제공하여, 피평가자가 먼저 자신의 면접영상에 대한 자동평가를 확인한 후에, 기관에 면접영상을 제출할 수 있는 기계학습을 이용한 온라인 면접을 제공하는 방법이 개시되어 있다,
그러나, 상술한 선행문헌2 역시 온라인 면접에 불과하고, 기업과 구직자 간의 정확한 매칭을 제공한다는 목적 의식이 없다.
또한, 대부분의 채용 정보가 대부분 공공 기관과 대기업 중심이라 구직자는 중소 기업에 대한 정보를 찾기 어려운 문제점이 있었고, 중소 기업은 인재를 채택할 창구가 부족하여, 기업과 인재가 매칭되지 않아, 기업은 인력난에 시달림에도 불구하고 구직자는 채용난에 시달리는 문제가 있었다.
더욱이, 구직자는 채용 가능성이 없거나 원하는 대상이 아닌 기업에 지원하느라 적절한 취업의 기회를 잃게 되고, 기업 역시 원하는 구직자가 아닌 대상에 대한 채용 심사를 하느라 인력 손실을 초래하고, 원하는 대상을 선별하기 어려운 문제가 있었다. 이는 사회적으로 인적, 경제적 손실을 초래하는 원인이 되고 있다.
본 발명은 상술한 문제점을 해결하기 위해서 안출된 것으로서, 기학습된 채용 이력 분석 정보로부터 비대면 면접의 결과와 면접 결과 유사도가 높은 구직자의 합격율이 높은 기업의 채용 정보를 분석하여 구직자에게 제공할 수 있는 비대면 면접 빅 데이터 기반 양방향 일자리 매칭 시스템을 제공하는 데 그 목적이 있다.
또한, 기학습된 채용 이력 분석 정보로부터 기업에서 입력한 채용 정보와 유사도가 높은 채용 정보에서 합격한 구직자의 면접 결과와 면접 결과 유사도가 높은 구직자의 정보를 분석하여 기업에게 제공할 수 있는 비대면 면접 빅 데이터 기반 양방향 일자리 매칭 시스템을 제공하는 데 그 목적이 있다.
또한, 기업에서 구직하고자 하는 대상에 적합한 구직자 후보군만을 추천하여, 기업에서 구직하고자 하는 대상과거리가 멀거나 비선호하는 구직자에 대해 불필요한 채용 심사를 줄일 수 있는 비대면 면접 빅 데이터 기반 양방향 일자리 매칭 시스템을 제공하는 데 그 목적이 있다.
상기 과제를 해결하기 위해서, 본 발명의 바람직한 일 실시예에서는, 본 발명은 비대면 면적 빅 데이터에 기반하여 구직자와 기업의 양방향에서 채용을 추천하는 시스템에 있어서, 상기 구직자의 구직자 정보를 입력하고 채용 정보를 추천받는 구직자 단말기와, 상기 기업의 채용 정보를 입력하고 상기 구직자 정보를 추천받는 기업 단말기와, 상기 구직자에게 비대면 면접 결과에 근거하여, 기학습된 채용 이력 정보로부터 상기 비대면 면접의 결과와 면접 결과 유사도가 높은 구직자의 합격율이 높은 기업의 채용 정보를 분석하여 추천 채용 정보로서 상기 구직자 단말기에 제공하고, 상기 기학습된 채용 이력 정보로부터 기업에서 입력한 채용 정보와 유사도가 높은 채용 정보에서 합격한 면접 결과와 유사도가 높은 구직자의 정보를 분석하여 추천 구직자 정보로서 상기 기업 단말기에 전송하는 채용 추천 서버를 포함하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 채용 추천 서버는, 상기 구직자 또는 상기 기업의 채용 이력과 관련된 정보를 저장하는 데이터 저장부와, 상기 데이터 저장부에 저장된 채용 이력과 관련된 정보로부터 상기 구직자의 비대면 면접 결과와 유사한 구직자 또는 구직자 그룹이 합격한 채용 정보와 유사한 채용 정보를 분석하여 추천 채용 정보로 상기 구직자 단말기에 전송하는 인공 지능 학습부를 더 포함하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 데이터 저장부는, 이전에 등록된 구직자 정보가 저장된 구직자 데이터베이스와, 기업 정보 및 이전에 등록된 각 기업의 채용 신청 정보가 저장된 기업 데이터베이스와, 기설정된 면접 질문 데이터와, 평가 항목 및 평가 기준 데이터를 저장하는 면접 데이터베이스와, 이전 채용 정보에 대해 구직자의 합격 또는 불합격 이력이 채용 이력 정보로서 저장된 채용 이력 정보베이스를 포함하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 구직자 정보에는, 이름과, 연락처와, 대기업, 중소기업, 공기업, 전체 회사 등 원하는 회사 유형과, 희망하는 직종 또는 직무와, 자신의 현재 근무 회사와, 현재 근무 직종 또는 직무와, 연령과, 근무 가능 지역과, 희망 연봉과, 학력과, 성별과, 경력과, 자격증과, 군필 여부 중 적어도 하나가 포함되는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 구직자 정보에는, 이전 면접 점수, 면접 항목별 평가 점수, 최종 점수, 평균 점수, 합격 회사, 불합격 회사 등에 대한 정보가 포함되는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 인공 지능 학습부는, 상기 구직자 정보에 이전 면접 점수가 없으면, 상기 구직자 정보와 가장 유사한 구직자 정보의 면접 결과에 근거하여, 상기 구직자 정보에 해당하는 추천 채용 정보를 분석하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 기업 정보에는, 기업명, 산업군, 형태, 4대보험, 사원 수, 매출액과 같은 기업 정보와, 기업명, 채용 직무, 근무 지역, 희망 연령, 연봉, 학력, 성별, 경력 중 적어도 하나가 포함되는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 면접 데이터베이스에 저장된 평가 항목에는, 첫인상, 시선 처리 및 손동작, 외모의 준수함 정도, 지원 동기의 명확성, 건강, 신뢰감, 성실함, 태도 및 목소리의 당당함, 의욕, 풍부한 경험, 직무에 대한 비전 중 적어도 하나가 포함되는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 기설정된 면접 질문 데이터와, 평가 항목 및 평가 기준 데이터에 근거하여 상기 구직자 단말기를 이용하는 구직자에 대한 비대면 면접을 실시하여, 상기 평가 항목별 면접 결과를 점수를 산출하여 상기 구직자 데이터베이스에 저장하는 비대면 면접부를 더 포함하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 인공 지능 학습부는, 상기 채용 이력 정보로부터 각 기업에서 채용 결과와 미채용 결과를 분석하여, 채용된 구직자간에 공통된 면접 평가 항목을 해당 기업의 기업 선호 구직자 정보로 학습하고, 비채용된 구직자간에 공통된 면접 평가 항목을 해당 기업의 비선호 구직자 정보로 학습하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 인공 지능 학습부는, 상기 추천 구직자 정보에 포함되지 않았더라도 상기 기업 선호 구직자 정보에 해당되면 상기 채용 추천 대상에 포함하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 인공 지능 학습부는, 상기 추천 구직자 정보에 포함되었더라도 상기 기업 비선호 구직자 정보에 해당되면 상기 채용 추천 대상에 배제하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 인공 지능 학습부는, 상기 채용 이력 정보에서 각 기업별로 채용된 구직자들의 기설정된 점수 이상되는 면접 항목의 중복도를 분석하여, 상기 중복도가 높은 항목에 가중치를 적용하여 상기 적용자의 면접 점수를 평가하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 인공 지능 학습부는, 각 기업별로 채용된 구직자들의 기설정된 점수 미만되는 면접 항목의 중복도를 분석하여, 중복도가 높은 항목을 배제하고 상기 적용자의 면접 점수를 평가하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 추천 채용 정보를 상기 구직자 단말기에 제공할 때, 예상 합격률을 포함하여 전송하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 인공 지능 학습부는, 영화나 드라마와 같은 컨텐츠를 분석한 데이터를 기반으로 추천 대상을 선별하는 콘텐츠 기반 필터링(contents=based filtering)을 조합하여 추천 대상을 분석하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 인공 지능 학습부는, 상기 컨텐츠 각각에 태그를 부여하여 텍스트 마이닝으로 추천 정보를 분석하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 인공 지능 학습부는, 상기 추천 구직자 정보를 수신한 기업 단말기의 반응에 따라, 유사한 면접 결과를 갖는 추천 구직자에 대한 기업의 수락 여부를 더 학습하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 인공 지능 학습부는, 상기 추천 채용 정보를 수신한 구직자 단말기의 반응에 따라, 유사한 면접 결과를 갖는 구직자의 추천 채용 정보에 대한 수락 여부를 더 학습하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
또한, 본 발명의 바람직한 일 실시예에서는, 상술한 실시예에 있어서, 상기 인공 지능 학습부는, 상기 기업 단말기 또는 상기 구직자 단말기의 반응은, 조회, 클릭, 회신, 응시, 채용, 조회 순서, 조회 시간, 클릭 회수 중 적어도 하나를 포함하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 제공한다.
본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 일자리 매칭 시스템에 의하면, 기학습된 채용 이력 분석 정보로부터 비대면 면접의 결과와 면접 결과 유사도가 높은 구직자의 합격율이 높은 기업의 채용 정보를 분석하여 구직자에게 제공하므로, 구직자에게는 원하는 기업을 추천하여 기회의 손실을 방지하고 적기에 경제 활동을 시작할 수 있도록 하며, 이직을 줄일 수 있는 효과가 있다.
또한, 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 일자리 매칭 시스템에 의하면, 기학습된 채용 이력 분석 정보로부터 기업에서 입력한 채용 정보와 유사도가 높은 채용 정보에서 합격한 구직자의 면접 결과와 면접 결과 유사도가 높은 구직자의 정보를 분석하여 기업에게 제공하므로, 기업이 원하는 인재에 보다 가까운 구직자를 추천하여, 기업의 구직자 오채용으로 인한 경제적 손실 및 인적 자원의 낭비를 예방할 수 있는 효과가 있다.
또한, 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 일자리 매칭 시스템에 의하면, 기업에서 구직하고자 하는 대상에 적합한 구직자 후보군만을 추천받기 때문에, 기업에서 구직하고자 하는 대상과거리가 멀거나 비선호하는 구직자에 대해 불필요한 채용 심사를 줄일 수 있어, 채용 효율을 높일 수 있는 효과가 있다.
도면을 사용하여 본 실시예를 더 상세하게 설명하기 전에, 도면 및 상세한 설명에서 동일한 요소, 그리고 동일한 기능 및/또는 동일한 기술적 또는 물리적 효과를 갖는 요소는, 동일한 참조 번호를 부여하거나 동일한 명칭으로 식별하며, 다른 실시예에서 도시 또는 설명된 요소 및 그 기능의 설명은 서로 교환 가능하거나 다른 실시예에서 서로 적용될 수 있다.
도 1은 선행문헌에 따른 종래 기술의 비대면 채용 시스템의
도 2는 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 도시한 블록 구성도이다.
도 3은 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템의 동작 과정 중 구직자에게 추천 채용 정보를 제공하는 과정을 도시한 상세 흐름도이다.
도 4는 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 시스템의 동작 과정 중 기업에 추천 구직자 정보를 제공하는 과정을 도시한 상세 흐름도이다.
도 5는 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 시스템의 구직자 정보에 대한 추천 기업(채용) 정보를 제공하는 것을 설명하기 위한 예시도이다.
도 6은 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 시스템의 채용 정보에 대한 추천 구직자 정보를 제공하는 것을 설명하기 위한 예시도이다.
도 7은 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 시스템의 비대면 면접을 실시하는 평가 항목을 설명하기 위한 예시도이다.
도 8은 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 시스템의 채용 이력 정보를 설명하기 위한 예시도이다.
도 9는 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 시스템의 인공 지능 학습부에서 콘텐츠 기반 협업 필터링을 행하는 예르 도시한 예시도이다.
도 1은 선행문헌에 따른 종래 기술의 비대면 채용 시스템의
도 2는 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 도시한 블록 구성도이다.
도 3은 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템의 동작 과정 중 구직자에게 추천 채용 정보를 제공하는 과정을 도시한 상세 흐름도이다.
도 4는 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 시스템의 동작 과정 중 기업에 추천 구직자 정보를 제공하는 과정을 도시한 상세 흐름도이다.
도 5는 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 시스템의 구직자 정보에 대한 추천 기업(채용) 정보를 제공하는 것을 설명하기 위한 예시도이다.
도 6은 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 시스템의 채용 정보에 대한 추천 구직자 정보를 제공하는 것을 설명하기 위한 예시도이다.
도 7은 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 시스템의 비대면 면접을 실시하는 평가 항목을 설명하기 위한 예시도이다.
도 8은 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 시스템의 채용 이력 정보를 설명하기 위한 예시도이다.
도 9는 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 시스템의 인공 지능 학습부에서 콘텐츠 기반 협업 필터링을 행하는 예르 도시한 예시도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 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.
명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체 지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
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 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.
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 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.
후술하는 설명에서는, '유사도가 높다', '유사도가 낮다'와 같은 특정 비율의 높고 낮다는 용어는 '유사도가 기설정된 범위보다 높다', '유사도가 기설정된 범위 보다 낮다'는 것으로 해석할 수 있다.
면접 결과, 면접 평가, 면접 점수 등은 필요에 따라 적절히 선택하여 사용하지만, 모두 동일한 의미로서 해석될 수 있다.
이하, 도 2를 참조하여, 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템에 대해서 구체적으로 설명한다.
도 2는 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템을 도시한 블록 구성도이다.
구직자 단말기(100)는 네트워크(200)를 통해 채용 추천 서버(400)에 접속하여 기설정된 항목에 구직자 정보, 예를 들어, 대기업, 중소기업, 공기업, 전체 회사 등 원하는 회사 유형과, 희망하는 직종 또는 직무, 자신의 현재 근무 회사, 현재 근무 직종 또는 직무, 연령, 근무 가능 지역, 희망 연봉, 학력, 성별, 경력, 자격증, 군필 여부 등을 입력하고, 채용 추천 서버(400)의 비대면 면접부(440)와 화상 면접 등과 같은 비대면 면접을 실시하며, 채용 추천 서버(400)로부터 추천 채용 정보를 제공받는 단말기로서, 구직자가 사용하는 단말기이다.
여기서 구직자 단말기(100)는, 네트워크(200)를 통해 채용 추천 서버(400)와 접속할 수 있는 컴퓨터로 구현될 수 있으며, 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)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.
네트워크(200)는 적어도 하나의 구직자 단말기(100)와 채용 추천 서버(400) 사이를 통신적으로 접속하여 데이터 송수신을 처리하거나, 저겅도 하나의 기업 단말기(300)와 채용 추천 서버(400) 사이를 통신적으로 접속하여 데이터 송수신을 처리할 수 있다.
여기서, 네트워크(200)는, 복수의 단말기(예르 들어, 구직자 단말기(100) 또는 기업 단말기(300) 및 채용 추천 서버(400)와 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
기업 단말기(300)는 네트워크(200)를 통해 채용 추천 서버(400)에 접속하여 기설정된 항목에 채용 정보, 예를 들어, 직종, 연령대, 지역, 책정 연봉, 희망 연령, 희망 학력, 희망 경력, 성별, 필수 자격, 우대 자격, 근무 개시일 등을 입력하고, 채용 추천 서버(400)의 구직자 추천부(422)로부터 구직자 추천 정보를 제공받는 단말기로서, 각 기업의 채용 담당자가 사용하는 단말기이다.
여기서 기업 단말기(300)는, 구직자 단말기(100)와 마찬가지로, 네트워크(200)를 통해 채용 추천 서버(400)와 접속할 수 있는 컴퓨터로 구현될 수 있으며, 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)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.
채용 추천 서버(400)는 채용 접수부(410), 채용 추천부(420), 시스템 제어부(430), 비대면 면접부(440), 인공 지능 학습부(450), 데이터 저장부(460)를 포함하는 구성으로 이루어져, 네트워크(200)를 통해 적어도 하나의 구직자 단말기(100)로부터 구직 신청을 받고, 적어도 하나의 기업 단말기(300)로부터 채용 신청을 받아, 채용 신청에 적합한 추천 구직자 정보를 기업 단말기(300)에 제공하고, 구직 신청에 적합한 추천 채용 정보를 구직자 단말기(100)에 제공하는 컴퓨터로 구현될 수 있다.
본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템은, 채용 추천 서버(400) 또는 채용 추천 서버(400)와 연동하여 동작하는 다른 서버(미도시)가 적어도 하나의 구직자 단말기(100) 또는 기업 단말기(300)에 추천 채용 정보를 분석하여 제공하거나 추천 구직자 정보를 분석하여 제공하는 양방향 채용 추천 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 구직자 단말기(100) 및 적어도 하나의 기업 단말기(300)는 양방향 채용 추천 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 양방향 채용 추천 프로그램이 적어도 하나의 구직자 단말(100) 및 적어도 하나의 기업 단말기(300)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: World Wide Web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(Hyper Text Mark-up Language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(Chrome), 마이크로소프트 에지, 네이버 웨일 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(Application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(App)을 포함한다.
채용 접수부(410)는 구직자 단말기(100)로부터 구직자 정보 및 구직 신청을 접수하는 구직 접수부(414)와 기업 단말기(300)로부터 채용 정보 및 구인 신청을 접수하는 구인 접수부(412)를 포함하여 이루어진다.
구인 접수부(410)는 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(Chrome), 마이크로소프트 에지, 네이버 웨일 등을 통해 채용 추천 서버(400)에 접속하는 기업 단말기(100)에 기설정된 정보 입력 화면을 제공하여, 기업 채용 담당자로 부터 구직자 정보를 포함하여 구직 신청을 접수받는다.
또한, 구직 접수부(414)는 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(Chrome), 마이크로소프트 에지, 네이버 웨일 등을 통해 채용 추천 서버(400)에 접속하는 구직자 단말기(100)에 기설정된 정보 입력 화면을 제공하여, 구직자로부터 구직자 정보를 포함하여 구직 신청을 접수받는다.
채용 추천부(420)는 기업에서 채용하고자 하는 대상에 적합한 추천 구직자 정보를 기업 단말기(300)에 제공하는 구직자 추천부(422)와 구직자가 원하는 기업 중 채용 가능성이 높은 추천 채용 정보를 구직자 단말기(100)에 제공하는 채용 정보 추천부(424)를 포함하여 이루어지며, 기프로그래밍된 추천 정보 제공 화면 데이터에 해당 추천 정보를 결합하여, 기업 단말기(300) 또는 구직자 단말기(100)에 해당 추천 정보 화면을 제공한다.
한편, 본 발명의 바람직한 일 실시예에서, 채용 정보 추천부는 추천 채용 정보에 예상 합격률을 포함하여 제공함으로써, 구직자에게 합격 가능성을 예상하는 데 참조 지표로서 제공할 수 있다.
시스템 제어부(430)는 채용 추천 서버(400) 전반을 제어하며, 특히 채용 접수부(410)에서 접수한 구직자 정보, 채용 정보를 수신하고, 기저장된 면접 정보가 있는지 판정하여 기저장된 면접 정보가 없는 경우 비대면 면접부(440)로 하여금 네트워크(200)를 통해 구직자 단말기(100)와 접속하여 비대면 면접, 예를 들어 화상 면접을 실시하도록 제어한다.
또한, 시스템 제어부(430)는 인공 지능 학습부(450)로 하여금 비대면 면접부(440)로부터 수신한 면접 결과, 또는 데이터 저장부(460)에 기저장된 데이터로부터 기업에서 요구하는 채용 대상에 적합한 추천 구직자 정보를 분석하도록 제어하고, 구직자가 원하는 기업 중 채용 가능성이 높은 추천 채용 정보를 분석하도록 제어한다.
또한, 시스템 제어부(430)는 인공 지능 학습부(450)에서 분석된 추천 구직자 정보를 기업 단말기(300)에 제공하도록 채용 추천부(420)의 구직자 추천부(422)를 제어하고, 구직자가 원하는 기업 중 채용 가능성이 높은 추천 채용 정보를 구직자 단말기(100)에 제공하도록 채용 정보 추천부(424)를 제어한다.
비대면 면접부(440)는 마이크, 카메라, 통신 수단을 포함하는 통상적인 화상 대화 시스템과 안면 인식부, 음성 인식부 등을 포함하여 구성될 수 있으며, 네트워크(200)를 통해 구직자 단말기(100)로 부터 화상 면접 데이터를 수신하여, 면접 결과 정리, 분석한다.
예를 들어, 비대면 면접부(440)는, 카메라에 의해서 촬영된 영상으로부터 안면을 인식한 안면 인식 데이터와, 마이크에 의해서 입력된 음성의 고저장단, 휴지 등을 인식한 음성 인식 데이터가 인공 지능 학습에 의해, 기설정된 평가 항목, 예를 들어, 첫인상, 시선 처리 및 손동작, 외모의 준수함 정도, 지원 동기의 명확성, 건강, 신뢰감, 성실함, 태도 및 목소리의 당당함, 의욕, 풍부한 경험, 직무에 대한 비전 등에 대해 분석된 평가 결과를 점수로 환산하여 각 평가 항목별로 면접 결과를 평가할 수 있다.
인공 지능 학습부(450)는 시스템 제어부(430)의 제어에 의해, 비대면 면접부(440)로부터 수신한 면접 결과, 또는 데이터 저장부(460)에 기저장된 면접 데이터로부터 기업에서 요구하는 채용 대상에 적합한 추천 구직자 정보를 분석하고, 구직자가 원하는 기업 중 채용 가능성이 높은 추천 채용 정보를 분석할 수 있다.
이 인공 지능 학습과 관련하여, 최적화 방법이나 매개 변수를 학습하지 않고, 코사인 유사도(Cosine Similarity)나 피어슨 상관 관계(Pearson Correlation)를 사용하여 유사한 구직자나 유사한 채용 정보를 이용하는 기억 기반 접근 방안(memory-based approach)은, 쉽게 만들 수 있고, 결과에 대한 설명력이 좋으며, 도메인에 의존적이지 않은 장점이 있는 반면, 데이터가 축적되지 않고, 데이터가 많지 않은 경우 성능이 낮으며, 데이터가 너무 많아지면 속도가 저하되는 단점이 있다.
또한, 행렬 분해나, SVD, 신경망들을 이용하여 최적화 방법이나 매개 변수를 학습하는 모델 기반 접근 방안(Model_Based Approach)은, 초기 데이터가 많지 않은 상태에서도 데이터의 처리가 가능한 장점이 있는 반면, 결과의 설명력이 낮은 단점이 있다.
따라서, 본 발명의 바람직한 일 실시예에 따른 인공 지능 학습부(450)는, 영화나 드라마와 같은 컨텐츠를 분석한 데이터를 기반으로 추천 대상을 선별하는 콘텐츠 기반 필터링(contents=based filtering)에 의해 추천 대상을 분석하는 것이 바람직하다. 이 경우, 많은 사용자의 행동 정보가 확보되지 않은 초기에도 추천 대상을 선별할 수 있는 효과가 있다.
여기에서, 본 발명의 바람직한 다른 실시예에서는, 인공 지능 학습부(450)가 각 컨텐츠에 태그를 부여하여 텍스트 마이닝으로 추천 정보를 분석함으로써, 보다 정밀하게 분석할 수 있다.
한편, 본 발명의 본 발명의 바람직한 다른 실시예에서, 인공 지능 학습부(450)는 도 9에 도시된 바와 같이, 사용자 기반 협업 필터링에 컨텐츠 기반 필터링을 조합하여 추천 정보를 분석할 수 있다. 이 경우, 확보된 데이터가 기설정된 범위 이내, 즉 충분히 데이터가 쌓이기 전에는 콘텐츠 기반 필터링을 행하여 데이터가 없는 초기에도 추천 정보를 분석할 수 있고, 확보된 데이터가 기설정된 범위를 초과하면, 즉 충분한 데이터가 쌓이면 협업 필터링을 행하여 추천의 정확성을 높일 수 있다.
또한, 본 발명의 본 발명의 바람직한 다른 실시예에서, 인공 지능 학습부(450)는 추천 구직자 정보를 수신한 기업 단말기(300)의 반응에 따라, 유사한 면접 결과를 갖는 추천 구직자에 대한 기업의 수락(채용) 여부를 더 학습할 수 있다.
또한, 본 발명의 본 발명의 바람직한 다른 실시예에서, 인공 지능 학습부(450)는 추천 채용 정보를 수신한 구직자 단말기(100)의 반응에 따라, 유사한 면접 결과를 갖는 구직자의 추천 채용 정보에 대한 수락 여부를 더 학습할 수 있다.
여기에서, 기업 단말기(300) 또는 구직자 단말기(100)의 반응은, 조회, 클릭, 회신, 응시, 채용, 조회 순서, 조회 시간, 클릭 회수 중 적어도 하나를 포함할 수 있다.
즉, 상술한 바와 같이, 인공 지능 학습부(450)가, 조회, 클릭, 회신, 응시, 채용, 조회 순서, 조회 시간, 클릭 회수 등과 같은, 구직자 단말기(100) 또는 기업 단말기(300)의 반응에 따라, 유사한 면접 결과를 갖는 추천 구직자에 대한 기업의 수락(채용) 여부, 또는 유사한 면접 결과를 갖는 구직자의 추천 채용 정보에 대한 수락 여부를 더 학습함으로써, 추천 정보를 더욱 정확하게 분석할 수 있는 효과가 있다.
또한, 본 발명의 본 발명의 바람직한 다른 실시예에서, 인공 지능 학습부(450)는 채용 이력 정보로부터 각 기업에서 채용 결과와 미채용 결과를 분석하여, 채용된 구직자간에 공통된 면접 평가 항목을 해당 기업의 기업 선호 구직자 정보로 학습하고, 비채용된 구직자간에 공통된 면접 평가 항목을 해당 기업의 비선호 구직자 정보로 학습할 수 있다.
또한, 인공 지능 학습부(450)는, 추천 구직자 정보에 포함되지 않았더라도 기업 선호 구직자 정보에 해당되면 상기 채용 추천 대상에 포함하고, 추천 구직자 정보에 포함되었더라도 상기 기업 비선호 구직자 정보에 해당되면 상기 채용 추천 대상에 배제할 수 있다.
그 결과, 추천되는 구직자 정보를 더욱 정밀하게 분석하여, 선호하지 않는 구직자를 대상으로 한 채용 심사를 거치지 않아 인력 손실을 예방할 수 있고, 기업에서 선호하는 구직자를 누락시키는 것을 예방할 수 있는 효과가 있다.
데이터 저장부(460)는 구직자 정보를 저장하는 구직자 데이터베이스(462)와, 기업 정보 및 각 기업의 채용 신청 정보를 저장하는 기업 데이터베이스(464)와, 기설정된 면접 질문과 각 면접 질문에 대해 구직자에 대한 평가 항목과 각 평가 결과에 대응하는 점수를 저장하는 면접 데이터베이스(466), 기업 정보와, 구직자 정보와, 평가 항목별 면접 점수와, 합격 여부가 저장되어 있는 채용 이력 정보베이스(468)를 포함하여 구성될 수 있다.
구직자 데이터베이스(462)에는 이전에 등록된 구직자 정보, 예를 들어, 이름과, 연락처와, 대기업, 중소기업, 공기업, 전체 회사 등 원하는 회사 유형과, 희망하는 직종 또는 직무와, 자신의 현재 근무 회사와, 현재 근무 직종 또는 직무와, 연령과, 근무 가능 지역과, 희망 연봉과, 학력과, 성별과, 경력과, 자격증과, 군필 여부 등이 저장될 수 있다. 특히, 본 발명의 바람직한 실시예에서는, 면접 항목별 평가 점수, 최종 점수, 평균 점수, 합격 회사, 불합격 회사 등에 대한 정보를 포함할 수 있다.
또한, 본 발명의 바람직한 일 실시예에서는 구직자 데이터베이스(462)에 저장된 구직자 정보 중 이름 및 연락처와 관련해서는 암호화 처리하여 전체 또는 부분 차폐할 수 있다.
기업 데이터베이스(464)에는, 기업 정보 및 이전에 등록된 각 기업의 채용 신청 정보, 예를 들어, 기업명, 산업군, 형태, 4대보험, 사원 수, 매출액과 같은 기업 정보와, 기업명, 채용 직무, 근무 지역, 희망 연령, 연봉, 학력, 성별, 경력 등과 같은 채용 정보가 저장되어 있다.
면접 데이터베이스(466)에는, 기설정된 면접 질문과 각 면접 질문에 대해 구직자에 대한 평가 항목과 각 평가 결과에 대응하는 점수가 저장되어 있다. 예를 들어, 카메라에 의해서 촬영된 영상으로부터 안면을 인식한 안면 인식 데이터와, 마이크에 의해서 입력된 음성의 고저장단, 휴지 등을 인식한 음성 인식 데이터가 인공 지능 학습에 의해, 기설정된 평가 항목, 예를 들어, 첫인상, 시선 처리 및 손동작, 외모의 준수함 정도, 지원 동기의 명확성, 건강, 신뢰감, 성실함, 태도 및 목소리의 당당함, 의욕, 풍부한 경험, 직무에 대한 비전 등에 대해 분석된 평가 결과를 점수로 환산하여 저장될 수 있다.
채용 이력 정보베이스(468)에는, 도 8에 도시된 바와 같이, 기업 정보와, 구직자 정보와, 평가 항목별 면접 점수와, 합격 여부가 저장되어 있다.
상술한 바와 같은, 채용 추천 서버(400) 역시, 구직자 단말기(100) 및 기업 단말기(300)와 마찬가지로, 네트워크(200)에 통신적으로 접속되는 컴퓨터, 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)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.
이하, 실시예 1 및 2를 들어 본 발명의 바람직한 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 일자리 매칭 시스템의 서비스 과정에 대해서 살펴본다. 다만, 후술하는 설명은 본 발명의 바람직한 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 일자리 매칭 시스템에 대한 이해를 돕기 위한 것이고, 위에서 상세히 설명한 바 있으므로, 중복되는 구체적인 설명에 대해서는 생략한다.
(실시예 1)
본 실시예 1에서는 본 발명의 바람직한 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 일자리 매칭 시스템에서 구직자에게 채용 정보를 추천하는 과정에 대해 설명하면 다음과 같다.
먼저, 구직자는 구직자 단말기(100)를 이용하여 네트워크(200)를 통해 채용 추천 서버(400)에 접속하여 구직자 정보를 입력하고, 구직을 신청한다(S110).
구직자 단말기(100)로부터 구직을 신청받은 채용 추천 서버(400)의 시스템 제어부(430)는 구직자 데이터베이스(462)를 조회하여 해당 구직자 단말기(100)에 대응하는 면접 정보가 있는지 판정한다(S120).
S120 단계의 판정 결과, 구직자 데이터베이스(462)에 를 조회하여 해당 구직자 단말기(100)에 대응하는 면접 정보가 없으면, 시스템 제어부(430)의 제어에 의해 인공 지능 학습부(450)는 구직자 데이터베이스(462)로부터 가장 유사한 구직자 정보를 검색한다(S130).
S130의 검색에 의해서도 가장 유사한 최유사 구직자 정보가 없으면, 즉, 기설정된 유사도 범위 내에 있는 구직자 정보가 없으면, 시스템 제어부(430)는 비대면 면접부(440)로 하여금 비대면 면접을 실시하도록 제어한다.
비대면 면접부(440)는 구직자 단말기(100)에 해당하는 구직자에게 비대면 면접을 실시하여, 면접 결과를 평가 항복별로 분류하여 기설정된 기준에 의해 평가하여 면접 결과를 점수로 환산한다. 이때, 면접 결과는 각 평가 항목별로 각기 별도로 채점되어 점수로 환산될 수 있다.
또한, 구직자 단말기(100)에는 채용 추천 서버를 운용하는 실제 면접관의 화상을 표시할 수도 있고, 구직자에게 정확한 면접 질문을 전달하기 위해서 편접 질문을 텍스트로 표시할 수도 있다(S150).
한편, S130의 검색에 의해 가장 유사한 최유사 구직자 정보가 검색되면, 즉, 기설정된 유사도 범위 내에 있는 다수의 구직자 정보 중 가장 유사한 구직자 정보가 검색되면, 시스템 제어부(430)의 제어에 의해 인공 지능 학습부(450)가 해당 면접 정보에 대응하는 구직자가 채용된 채용 정보를 분석한다(S160).
한편, S120 단계의 판정 결과, 구직자 데이터베이스(462)에 를 조회하여 해당 구직자 단말기(100)에 대응하는 면접 정보가 있으면, 시스템 제어부(430)의 제어에 의해 인공 지능 학습부(450)가 해당 면접 정보에 대응하는 구직자가 채용된 채용 정보를 분석한다(S160).
이후, 인공 지능 학습부(450)는 상술한 단계에서 취득한 구직자의 면접 정보의 각 평가 항목별 채점을 기준으로 가장 유사한 구직자 그룹이 채용되었던 기업의 채용 정보들을 분석하여, 해당 기업의 채용 정보를 추천 채용 정보로 선별한다(S170).
이후, 시스템 제어부(430)의 제어에 의해 S170 단계에서 인공 지능 학습부(450)에서 선별된 추천 채용 정보 목록을 채용 정보 추천부(424)를 통해, 구직자 단말기(100)에 전송한다(S180).
상술한 과정에 의해, 구직자는 본인이 원하는 범위 내에서 합격 가능이 높은 채용 정보를 추천받게 되므로, 보다 취업 가능성을 높일 수 있는 효과가 있다.
(실시예 2)
본 실시예 2에서는 본 발명의 바람직한 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 일자리 매칭 시스템에서 기업에게 구직자 정보를 추천하는 과정에 대해 설명하면 다음과 같다.
먼저, 기업 채용 담당자는 기업 단말기(300)를 이용하여 네트워크(200)를 통해 채용 추천 서버(400)에 접속하여 채용 정보를 입력하고, 구인을 신청한다(S210).
기업 단말기(300)로부터 구인을 신청받은 채용 추천 서버(400)의 시스템 제어부(430)는 기업 데이터베이스(464) 또는 채용 이력 데이터베이스(468)를 조회하여 자사 채용 정보, 즉 S210 단계에서 수신한 기업 단말기(300)에 해당하는 기업의 유사한 채용 정보가 있는지를 판정한다(S220).
S220 단계의 판정 결과 자사의 유사한 채용 정보가 없으면, 시스템 제어부(430)는 다시 타사의 유사한 채용 정보가 있는지를 판정한다(S230).
S230 단계의 판정 결과, 타사에서도 유사한 채용 정보가 없으면, 시스템 제어부(430)는 기설정된 범위 내에서 채용 조건을 완화하여 상술한 과정을 반복한다(S235). 이때, 시스템 제어부(430)는 가중치가 채용 조건별로 순차적으로 완화하는 것이 바람직하다.
상술한 과정에서 유사한 채용 정보가 검색되면, 시스템 제어부(430)의 제어에 의해 인공 지능 학습부(450)는 채용 이력 데이터베이스(468)로부터 이전 합격자 정보를 검색하여(S240), 이전 합격자 정보와 유사한 면접 결과를 갖는 유사 구직자 정보가 있는지를 판정한다(S250).
S250 단계의 판정 결과, 이전 합격자 정보와 유사한 면접 결과를 갖는 유사 구직자 정보가 없으면, 유사 범위를 확대한다(S255). 이때, 인공 지능 학습부(450)는 기업의 선호도를 기준으로 가중치가 높은 항목부터 유사 범위를 확대하여 상술한 과정을 반복한다(S255).
한편, S250 단계에서 이전 합격자 정보와 유사한 면접 결과를 갖는 유사 구직자 정보가 검색되면, 인공 지능 학습부(450)는 다시 이전 합격자와 유사 면접 결과를 갖는 구직자가 있는지를 판정한다(S260).
S260 단계의 판정 결과, 이전 합격자와 유사한 면접 결과를 갖는 구직자가 없으면 인공 지능 학습부(450)는 유사 범위를 확대하여 상술한 과정을 반복한다(S265).
상술한 과정에서 유사 면접 결과를 갖는 구직자가 검새되면, 인공 지능 학습부(450)는 해당 유사 면접 결과를 갖는 구직자 또는 구직자들을 추천 구직자로서 선별하고, 시스템 제어부(430)의 제어에 의해 구직자 추천부(422)에서 해당 기업 단말기(300)로 선별된 추천 구직자 정보를 제공한다(S270).
상술한 과정에 의해서 기업은 채용하고자 하는 인재 범위 내에서 구직자 정보를 추천받을 수 있으므로, 불필요한 인력 낭비를 예방하고 원하는 인재를 얻을 수 있는 효과가 있다.
상술한 실시예 1 및 2에서는, 시스템 제어부(430)와 인공 지능 학습부(450)는 통합될 수도 있고, 서로 분리되더라도 일부 기능을 서로 공유할 수 있다.
또한, 상술한 실시예 1 및 실시예 2에서의 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템의 동작 과정은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 이러한 저장체는 하드디스크 드라이브(Hard Disk Drive), SSD 드라이브(Solid State Drive), 플래시메모리(Flash Memory), CF카드(Compact Flash Card), SD카드(Secure Digital Card), SM카드(Smart Media Card), MMC 카드(Multi-Media Card) 또는 메모리 스틱(Memory Stick) 등 정보의 입출력이 가능한 모듈로서 장치의 내부에 구비되어 있을 수도 있고, 별도의 장치에 구비되어 있을 수도 있다.
또한, 상술한 실시예 1 및 실시예 2에서의 본 발명의 바람직한 일 실시예에 따른 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템의 동작 과정은, 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 가상화폐 자동매매 서비스 제공 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 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 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.
100 : 구직자 단말기
200 : 네트워크
300 : 기업 단말기
400 : 채용 추천 서버
410 : 채용 접수부
412 : 구인 접수부
414 : 구직 접수부
420 : 채용 추천부
422 : 구직자 추천부
424 : 채용 정보 추천부
430 : 시스템 제어부
440 : 비대면 면접수
450 : 인공 지능 학습부
460 : 데이터 저장부
462 : 구직자 데이터베이스
464 : 기업 데이터베이스
466 : 면접 질문 데이터베이스
468 : 채용 이력 정보베이스
200 : 네트워크
300 : 기업 단말기
400 : 채용 추천 서버
410 : 채용 접수부
412 : 구인 접수부
414 : 구직 접수부
420 : 채용 추천부
422 : 구직자 추천부
424 : 채용 정보 추천부
430 : 시스템 제어부
440 : 비대면 면접수
450 : 인공 지능 학습부
460 : 데이터 저장부
462 : 구직자 데이터베이스
464 : 기업 데이터베이스
466 : 면접 질문 데이터베이스
468 : 채용 이력 정보베이스
Claims (20)
- 본 발명은 비대면 면적 빅 데이터에 기반하여 구직자와 기업의 양방향에서 채용을 추천하는 시스템에 있어서,
상기 구직자의 구직자 정보를 입력하고 채용 정보를 추천받는 구직자 단말기와,
상기 기업의 채용 정보를 입력하고 상기 구직자 정보를 추천받는 기업 단말기와,
상기 구직자에게 비대면 면접 결과에 근거하여, 기학습된 채용 이력 정보로부터 상기 비대면 면접의 결과와 면접 결과 유사도가 높은 구직자의 합격율이 높은 기업의 채용 정보를 분석하여 추천 채용 정보로서 상기 구직자 단말기에 제공하고, 상기 기학습된 채용 이력 정보로부터 기업에서 입력한 채용 정보와 유사도가 높은 채용 정보에서 합격한 면접 결과와 유사도가 높은 구직자의 정보를 분석하여 추천 구직자 정보로서 상기 기업 단말기에 전송하는 채용 추천 서버를 포함하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 1 항에 있어서,
상기 채용 추천 서버는,
상기 구직자 또는 상기 기업의 채용 이력과 관련된 정보를 저장하는 데이터 저장부와,
상기 데이터 저장부에 저장된 채용 이력과 관련된 정보로부터 상기 구직자의 비대면 면접 결과와 유사한 구직자 또는 구직자 그룹이 합격한 채용 정보와 유사한 채용 정보를 분석하여 추천 채용 정보로 상기 구직자 단말기에 전송하는 인공 지능 학습부
를 더 포함하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 2 항에 있어서,
상기 데이터 저장부는,
이전에 등록된 구직자 정보가 저장된 구직자 데이터베이스와,
기업 정보 및 이전에 등록된 각 기업의 채용 신청 정보가 저장된 기업 데이터베이스와,
기설정된 면접 질문 데이터와, 평가 항목 및 평가 기준 데이터를 저장하는 면접 데이터베이스와,
이전 채용 정보에 대해 구직자의 합격 또는 불합격 이력이 채용 이력 정보로서 저장된 채용 이력 정보베이스
를 포함하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 2 항에 있어서,
상기 구직자 정보에는,
이름과, 연락처와, 대기업, 중소기업, 공기업, 전체 회사 등 원하는 회사 유형과, 희망하는 직종 또는 직무와, 자신의 현재 근무 회사와, 현재 근무 직종 또는 직무와, 연령과, 근무 가능 지역과, 희망 연봉과, 학력과, 성별과, 경력과, 자격증과, 군필 여부 중 적어도 하나가 포함되는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 2 항에 있어서,
상기 구직자 정보에는,
이전 면접 점수, 면접 항목별 평가 점수, 최종 점수, 평균 점수, 합격 회사, 불합격 회사 등에 대한 정보가 포함되는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 5 항에 있어서,
상기 인공 지능 학습부는,
상기 구직자 정보에 이전 면접 점수가 없으면, 상기 구직자 정보와 가장 유사한 구직자 정보의 면접 결과에 근거하여, 상기 구직자 정보에 해당하는 추천 채용 정보를 분석하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 2 항에 있어서,
상기 기업 정보에는,
기업명, 산업군, 형태, 4대보험, 사원 수, 매출액과 같은 기업 정보와, 기업명, 채용 직무, 근무 지역, 희망 연령, 연봉, 학력, 성별, 경력 중 적어도 하나가 포함되는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 2 항에 있어서,
상기 면접 데이터베이스에 저장된 평가 항목에는,
첫인상, 시선 처리 및 손동작, 외모의 준수함 정도, 지원 동기의 명확성, 건강, 신뢰감, 성실함, 태도 및 목소리의 당당함, 의욕, 풍부한 경험, 직무에 대한 비전 중 적어도 하나가 포함되는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 3 항에 있어서,
기설정된 면접 질문 데이터와, 평가 항목 및 평가 기준 데이터에 근거하여 상기 구직자 단말기를 이용하는 구직자에 대한 비대면 면접을 실시하여, 상기 평가 항목별 면접 결과를 점수를 산출하여 상기 구직자 데이터베이스에 저장하는 비대면 면접부를 더 포함하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 3 항에 있어서,
상기 인공 지능 학습부는,
상기 채용 이력 정보로부터 각 기업에서 채용 결과와 미채용 결과를 분석하여, 채용된 구직자간에 공통된 면접 평가 항목을 해당 기업의 기업 선호 구직자 정보로 학습하고, 비채용된 구직자간에 공통된 면접 평가 항목을 해당 기업의 비선호 구직자 정보로 학습하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 10 항에 있어서,
상기 인공 지능 학습부는,
상기 추천 구직자 정보에 포함되지 않았더라도 상기 기업 선호 구직자 정보에 해당되면 상기 채용 추천 대상에 포함하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 10 항에 있어서,
상기 인공 지능 학습부는,
상기 추천 구직자 정보에 포함되었더라도 상기 기업 비선호 구직자 정보에 해당되면 상기 채용 추천 대상에 배제하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 3 항에 있어서,
상기 인공 지능 학습부는,
상기 채용 이력 정보에서 각 기업별로 채용된 구직자들의 기설정된 점수 이상되는 면접 항목의 중복도를 분석하여, 상기 중복도가 높은 항목에 가중치를 적용하여 상기 적용자의 면접 점수를 평가하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 3 항에 있어서,
상기 인공 지능 학습부는,
각 기업별로 채용된 구직자들의 기설정된 점수 미만되는 면접 항목의 중복도를 분석하여, 중복도가 높은 항목을 배제하고 상기 적용자의 면접 점수를 평가하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 1 항에 있어서,
상기 추천 채용 정보를 상기 구직자 단말기에 제공할 때, 예상 합격률을 포함하여 전송하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 2 항에 있어서,
상기 인공 지능 학습부는,
영화나 드라마와 같은 컨텐츠를 분석한 데이터를 기반으로 추천 대상을 선별하는 콘텐츠 기반 필터링(contents=based filtering)을 조합하여 추천 대상을 분석하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 16 항에 있어서,
상기 인공 지능 학습부는,
상기 컨텐츠 각각에 태그를 부여하여 텍스트 마이닝으로 추천 정보를 분석하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 2 항에 있어서,
상기 인공 지능 학습부는,
상기 추천 구직자 정보를 수신한 기업 단말기의 반응에 따라, 유사한 면접 결과를 갖는 추천 구직자에 대한 기업의 수락 여부를 더 학습하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 2 항에 있어서,
상기 인공 지능 학습부는,
상기 추천 채용 정보를 수신한 구직자 단말기의 반응에 따라, 유사한 면접 결과를 갖는 구직자의 추천 채용 정보에 대한 수락 여부를 더 학습하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
- 제 18 항 또는 제 19 항에 있어서,
상기 인공 지능 학습부는,
상기 기업 단말기 또는 상기 구직자 단말기의 반응은, 조회, 클릭, 회신, 응시, 채용, 조회 순서, 조회 시간, 클릭 회수 중 적어도 하나를 포함하는 것을 특징으로 하는 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220051709A KR20230151849A (ko) | 2022-04-26 | 2022-04-26 | 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220051709A KR20230151849A (ko) | 2022-04-26 | 2022-04-26 | 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230151849A true KR20230151849A (ko) | 2023-11-02 |
Family
ID=88747696
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220051709A KR20230151849A (ko) | 2022-04-26 | 2022-04-26 | 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230151849A (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060011297A (ko) | 2004-07-30 | 2006-02-03 | 조효성 | 디지털 이력서 정보를 기초로한 실시간 취업 역량 비교 평가 방법 |
| KR20210012503A (ko) | 2019-07-25 | 2021-02-03 | 주식회사 제네시스랩 | 온라인 면접을 제공하는 방법, 시스템 및 컴퓨터-판독가능 매체 |
-
2022
- 2022-04-26 KR KR1020220051709A patent/KR20230151849A/ko not_active Application Discontinuation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060011297A (ko) | 2004-07-30 | 2006-02-03 | 조효성 | 디지털 이력서 정보를 기초로한 실시간 취업 역량 비교 평가 방법 |
| KR20210012503A (ko) | 2019-07-25 | 2021-02-03 | 주식회사 제네시스랩 | 온라인 면접을 제공하는 방법, 시스템 및 컴퓨터-판독가능 매체 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bishu et al. | Trends and gaps: A meta-review of representative bureaucracy | |
| CA3069936C (en) | System and method for identifying and providing personalized self-help content with artificial intelligence in a customer self-help system | |
| US20190197487A1 (en) | Automated message generation for hiring searches | |
| Beck et al. | Knowledge exchange and symbolic action in social media-enabled electronic networks of practice | |
| US11599808B2 (en) | Artificial intelligence assisted hybrid enterprise/candidate employment assistance platform | |
| Oye et al. | The history of UTAUT model and its impact on ICT acceptance and usage by academicians | |
| US10181116B1 (en) | Apparatuses, systems and methods for data entry correlation | |
| US20180150571A1 (en) | Intelligent Assistant Help System | |
| CN108090568B (zh) | 认知机器人学分析器 | |
| Avishai et al. | Bifurcated conversations in sociological studies of religion and gender | |
| US20210158302A1 (en) | System and method of authenticating candidates for job positions | |
| US10452411B2 (en) | System and method of using emojis for interactive and enhanced data matching capabilities | |
| Troncoso et al. | Look the part? the role of profile pictures in online labor markets | |
| KR101830747B1 (ko) | 온라인 면접 시스템 및 그 방법 | |
| US20200356955A1 (en) | Systems and methods for augmented recruiting | |
| KR20220108648A (ko) | 비대면 온라인 면접 서비스 제공 시스템 | |
| KR20210012197A (ko) | 정보 분석 장치 및 방법 | |
| CN112860878A (zh) | 业务数据推荐方法、存储介质及设备 | |
| US20140095401A1 (en) | System and Method of Evaluating Candidates for a Hiring Decision | |
| Vishruth et al. | Resume scanning and emotion recognition system based on machine learning algorithms | |
| KR20230151849A (ko) | 비대면 면접 빅 데이터 기반 양방향 채용 추천 시스템 | |
| CN112687380B (zh) | 一种医师评价系统的数据加载方法及质控平台 | |
| KR20210147269A (ko) | 온라인 뷰티 강의 시스템에서 뷰티 강사를 추천하는 방법 | |
| KR102607570B1 (ko) | 데이터 수신자의 권한에 따라 편집된 면접 데이터를 제공하는 면접 플랫폼 시스템 | |
| KR102671618B1 (ko) | 딥러닝에 기반한 교육 목적의 사용자 맞춤형 면접 피드백 제공 방법 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |