WO2018042546A1 - 応募データ選別システム、応募データ選別方法及びプログラム - Google Patents

応募データ選別システム、応募データ選別方法及びプログラム Download PDF

Info

Publication number
WO2018042546A1
WO2018042546A1 PCT/JP2016/075480 JP2016075480W WO2018042546A1 WO 2018042546 A1 WO2018042546 A1 WO 2018042546A1 JP 2016075480 W JP2016075480 W JP 2016075480W WO 2018042546 A1 WO2018042546 A1 WO 2018042546A1
Authority
WO
WIPO (PCT)
Prior art keywords
application data
data
employment
learning
recruitment
Prior art date
Application number
PCT/JP2016/075480
Other languages
English (en)
French (fr)
Inventor
俊二 菅谷
Original Assignee
株式会社オプティム
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 株式会社オプティム filed Critical 株式会社オプティム
Priority to PCT/JP2016/075480 priority Critical patent/WO2018042546A1/ja
Publication of WO2018042546A1 publication Critical patent/WO2018042546A1/ja

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

Definitions

  • the present invention relates to an application data selection system, an application data selection method, and a program for selecting predetermined data from a plurality of application data.
  • job hunting and job change activities using the Internet have been conducted.
  • job seekers upload their resumes and job histories to the cloud server and send a message to apply to the company they want to work for, so the company's personnel manager and personnel coordinator confirm the data. Then contact the job seeker.
  • Patent Document 1 discloses a system that can acquire information on candidates for employment at a timing when a company wants to acquire resume information, that is, in real time. This system also shows a process for confirming whether or not the recruiting candidate can transmit his / her resume information to the company side.
  • Patent Document 1 only the information on the resume of the candidate for employment can be confirmed. It does not sort out.
  • the computer system learns whether or not the applicant has been adopted from past application data, and if there is a new applicant, should or should be adopted from the learned result? It is an object of the present invention to provide an application data selection system, an application data selection method, and a program for selecting whether or not an application is selected.
  • the present invention provides the following solutions.
  • the invention according to the first feature is an application data selection system for selecting application data received from applicants, and learns employment standard data, which is an employment standard, from application data adopted in the past judgment.
  • Reference data learning means to generate Employment determination means for determining whether the application data received from the applicant is employment based on the learned employment standard data;
  • An application data selection system characterized by comprising:
  • the application data received from the applicant is learned by generating the employment standard data, which is the employment standard, from the application data adopted in the past determination, and the recruitment data received from the applicant is learned. Based on the reference data, it is determined whether or not it is adopted.
  • the invention according to the first feature is a system category, but in other categories such as a method and a program, the same actions and effects corresponding to the category are exhibited.
  • the invention according to the second feature is the invention according to the first feature, wherein when it is determined to be adopted, the employment is performed by learning from the application data received from the applicant and generating new employment standard data A reference data adding means;
  • An application data selection system characterized by comprising:
  • learning is performed from application data received from the applicant, and new employment reference data is generated.
  • the invention according to the third feature is the invention according to the first feature, wherein results acquisition means for acquiring the personnel evaluation of the employer, When it is determined that the personnel evaluation of the employer is poor by the personnel evaluation, application data corresponding to the employer, and data changing means for changing the employment standard data based on the degree of the bad personnel evaluation,
  • An application data selection system characterized by comprising:
  • the application data corresponding to the employer and The recruitment standard data is changed based on the degree of the bad personnel evaluation.
  • the invention according to the fourth feature is the invention according to the first feature, wherein the reference data learning means finds the feature quantity at the time of learning by itself when generating the adopted reference data, and the application data for learning. Provide a sorting system.
  • the invention according to the fifth feature is an application data selection system for selecting application data received from applicants, and non-adoption standard data that is a non-adoption standard from application data that has been rejected in the past judgment.
  • a reference data learning means for learning and generating Non-recruitment judging means for judging whether the application data received from the applicant is non-recruited based on the learned non-recruitment standard data;
  • An application data selection system characterized by comprising:
  • the invention according to the sixth feature is an application data selection system for selecting application data received from applicants, and personnel evaluation means for selecting high and low raters in personnel evaluation, Reference data learning means for learning and generating recruitment standard data, which is a standard for recruitment, from the application data used in the recruitment examination by the selected high-evaluator, Recruitment judging means for judging whether or not the application data received from the applicant is adopted based on the learned employment standard data;
  • An application data selection system characterized by comprising:
  • the invention according to the seventh feature is the invention according to the fifth feature, wherein results obtaining means for obtaining a personnel evaluation of the employer;
  • results obtaining means for obtaining a personnel evaluation of the employer When it is determined that the personnel evaluation of the employer has been changed from a high evaluation to a low evaluation by the personnel evaluation, the employment standard data is determined based on the application data corresponding to the employer and the degree of the bad personnel evaluation.
  • An application data selection system comprising: a data change means for changing.
  • the invention according to the eighth feature is an application data selection system for selecting application data received from an applicant, and personnel evaluation means for selecting high and low raters in personnel evaluation, Reference data learning means for learning and generating non-acceptance standard data, which is a non-acceptance standard, from the application data used in the employment examination by the selected low-evaluator;
  • an application data selection system comprising: application determination means for determining whether application data received from the applicant is employed based on learned non-acceptance reference data.
  • FIG. 1 is a diagram showing functional blocks of the application data selection system 1.
  • FIG. 2 is a flowchart showing learning and sorting processing executed by the sorting computer 100.
  • FIG. 3 is a flowchart showing processing after personnel evaluation executed by the sorting computer 100.
  • FIG. 4 is a flowchart showing the second part of the learning and sorting process executed by the sorting computer 100.
  • FIG. 5 is a diagram showing a specific configuration of application data.
  • FIG. 6 is a diagram showing a specific configuration of personnel evaluation data.
  • FIG. 7 is a diagram illustrating a display example of the determination result.
  • FIG. 1 is a diagram showing a system configuration of an application data selection system 1 which is a preferred embodiment of the present invention.
  • the application data selection system 1 includes at least a selection computer 100, and includes a personnel computer 200 and an application data database 50 depending on the system form.
  • the application data selection system 1 will be described in the case where the personnel computer 200 and the application data database 50 are included as separate hardware.
  • the personnel computer 200 and the application data database 50 include the selection computer 100 and individual hardware. These functions may be included in the sorting computer 100 instead of the computer.
  • the sorting computer 100 and the personnel computer 200, and the sorting computer 100 and the application data database 50 are connected to be communicable with each other via a public line network or a dedicated line, and data communication is performed.
  • the sorting computer 100 and the personnel computer 200 may be a computer or a server that can be accessed from a computer terminal used by a recruiter.
  • the application data database 50 is a database accessible by the sorting computer 100.
  • the sorting computer 100 includes a CPU (Central Processing Unit), a RAM (Random Access Memory), a ROM (Read Only Memory), etc. as the control unit 110, and a device for enabling the communication unit 120 to communicate with other devices.
  • a device for example, it includes a device that can be connected to a wired / wireless LAN, a WiFi (Wireless Fidelity) compatible device compliant with IEEE 802.11, a wired connection compatible device such as USB or HDMI (registered trademark), and the like.
  • the communication unit 120 enables data communication with a computer terminal used by a recruiter.
  • the control unit 110 reads a predetermined program, so that in cooperation with the communication unit 120 and other hardware, the reference data learning module 150, the employment determination module 160, the employment sorting storage module 170, the employment standard.
  • a data addition module 180, a grade acquisition module 190, and a data change module 192 are realized.
  • a control unit (not shown) reads a predetermined program, thereby realizing the personnel evaluation module 210 in cooperation with other hardware.
  • the application data database 50 is a database for storing a plurality of application data, and may store recruitment standard data and non-adoption standard data described later. Based on these recruitment standard data and non-recruitment standard data, a plurality of application data are selected and stored as either adopted or not adopted.
  • FIG. 2 is a flowchart of the learning and sorting process executed by the sorting computer 100. The processing executed by the modules of each device described above will be described together with this processing.
  • the selection computer 100 receives a plurality of pieces of application data from a terminal such as a recruiter in order to generate recruitment standard data (step S10).
  • the application data is data relating to the applicant's own information, such as resume information, work history information, educational background, company information worked in the past, and individual applicant information. It may be data on ability and personality (see FIG. 5).
  • the sorting computer 100 stores a plurality of received application data in the application data database 50.
  • the selection computer 100 receives data on whether or not each individual application data received has been adopted for employment from a terminal such as a recruiter (step S11).
  • the data indicating whether or not the job has been adopted is stored in the application data database 50 in association with the application data stored in the application data database 50.
  • the reference data learning module 150 of the selection computer 100 generates employment reference data that serves as a recruitment criterion from the application data stored in the application data database 50 and the pass / fail data (step S12).
  • the data learning module 150 learns the adopted application data as supervised data, and generates employment standard data for determining the employment standard.
  • This learning process may be so-called machine learning.
  • machine learning As a specific algorithm for machine learning, a nearest neighbor method, a naive Bayes method, a decision tree, or a support vector machine may be used. Further, deep learning may be used in which a neural network is used to generate a characteristic amount for learning.
  • the nearest neighbor method or k-nearest neighbor method past examples including both adoption and non-adoption are placed in the feature space, and when the data to be newly determined is given, the distance in the feature space is the longest.
  • the past (one or k) class (adopted or not adopted) is used as the prediction result.
  • data components it is possible to use “final educational background”, “current company name”, “the company size”, “working period”, and the like as feature quantities.
  • a feature space is generated with these feature amounts, and adoption reference data is generated. This method generates employment standard data for determining that application data similar to the past application data employed is adopted.
  • the probability of adoption or non-adoption for each feature amount is calculated, and a score for adoption or non-adoption is added for each feature amount. It is judged whether it is adopted at the height of A function for this determination becomes the employment reference data. For the score, the logarithm of the calculated probability may be used.
  • the class y (adopted or not adopted) with the largest (posterior) probability p (y
  • x) is obtained by the product of prior probability p (y) and likelihood p (x
  • y) assumes the independence between feature quantities, p (x
  • y) p (x_1
  • the selection computer 100 receives application data to be judged from a terminal such as a recruiter (step S13). Then, the employment determination module 160 applies the application data to be determined to the employment reference data to determine whether or not the employment is employed (Step S14). Further, when the adoption selection storage module 170 determines that the application is adopted, the application data is selected as adoption and stored in the application data database 50 (step S15). Here, conversely, if it is determined that the employment selection storage module 170 has not been adopted, this application data is selected as being rejected and stored in the application data database 50.
  • step S16 the final adoption / non-recruitment data is received from the recruiter's terminal for each application data, and stored in association with the application data.
  • step S16 in order to receive new application data and repeat the determination, the process returns to step S13 and the process is repeated.
  • the grade acquisition module 190 of the selection computer 100 acquires a personnel evaluation associated with the application data from the personnel computer 200 (step S20).
  • the personnel evaluation module 210 of the personnel computer 200 stores the personnel evaluation of each applicant who has been employed in response to input from a terminal operated by the recruiter, and in response to a request from the selection computer 100, The personnel evaluation data is transmitted to the sorting computer 100.
  • the personnel evaluation data is an evaluation of the performance of each item associated with each employed applicant, and as shown in FIG. 6, for example, “target achievement”, “boss satisfaction”, “ It is an evaluation for each item such as “customer satisfaction”, “team satisfaction”, “proposal”.
  • the selection computer 100 extracts applicants with poor evaluation from the acquired personnel evaluation (step S21).
  • the sorting computer 100 has a case where the total score of the applicant's evaluation is lower than a predetermined value, or a predetermined item of the applicant's evaluation is lower than a predetermined value. Is judged as an applicant with poor evaluation.
  • the data change module 192 of the selection computer 100 learns the application data determined to be bad and the degree of personnel evaluation (evaluation points) determined to be bad as supervised data, and newly generates employment standard data ( Change) (step S22).
  • learning from the degree of personnel evaluation determined to be bad means, for example, that learning is performed by using the overall score of each item of personnel evaluation or the item determined to have poor personnel evaluation as a feature amount. It's okay.
  • the personnel evaluation module 210 of the personnel computer 200 stores the personnel evaluation of each recruited applicant in accordance with the input from the terminal operated by the recruiter in the same manner as the processing after the personnel evaluation.
  • the personnel evaluation module 210 selects the application data by evaluating the adopted applicants step by step according to the numerical values of the personnel evaluation. That is, for example, if the applicant's overall evaluation score exceeds a predetermined numerical value, it is determined that the applicant is a high-evaluator. If there is, rank it. Instead of being divided into two stages as in this example, ranks may be divided into three stages, four stages, and the like.
  • the personnel computer 200 transmits personnel evaluation data in which each applicant is evaluated in stages to the sorting computer 100.
  • the selection computer 100 receives this (Step S30), and extracts only a specific rank, for example, an applicant corresponding to a high-evaluator (Step S31).
  • learning is performed based on the applicant data of the applicant determined to be a highly evaluated person, and the recruitment reference data is generated (step S32). Since the learning process here is the same as the above-described learning, it is omitted.
  • the processing from step S33 to step S36 that is, the determination processing and the relearning processing are performed as described above.
  • the result determined to be highly evaluated may be simply re-learned, and the applicant determined by the selection computer 100 to be highly evaluated is changed to the low evaluation in the subsequent personnel evaluation. You may relearn based on the result.
  • Re-learning is performed based on the application data as a result, and the recruitment standard data adding module 180 newly generates recruitment standard data.
  • FIG. 7 is a screen image diagram in which the selection computer 100 determines adoption / non-adoption after the determination result and notifies the predetermined terminal of the determination result.
  • the selection computer 100 may simply notify the adoption / non-recruitment, as shown in the figure, the past applicant who is closest to the applicant determined this time (currently, personnel evaluation has already been performed).
  • a predetermined message may be generated. That is, the sorting computer 100 generates a message by combining a predetermined fixed sentence with a future evaluation prediction for the employer or non-employer from the most approximate past applicant's department or evaluation, and notifies it. Also good.
  • the means and functions described above are realized by a computer (including a CPU, an information processing apparatus, and various terminals) reading and executing a predetermined program.
  • the program is provided in a form recorded on a computer-readable recording medium such as a flexible disk, CD (CD-ROM, etc.), DVD (DVD-ROM, DVD-RAM, etc.).
  • the computer reads the program from the recording medium, transfers it to the internal storage device or the external storage device, stores it, and executes it.
  • the program may be recorded in advance in a storage device (recording medium) such as a magnetic disk, an optical disk, or a magneto-optical disk, and provided from the storage device to a computer via a communication line.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】過去の応募データからその応募者が採用に採用したか否かを学習しておき、新たな応募者があった場合に、その学習した結果から、採用すべきか、すべきでないかを選別する。 【解決手段】応募者から受け付けた応募データを選別する応募データ選別システム１は、過去の判定で採用となった応募データから、採用の基準である採用基準データを生成して学習し、応募者から受け付けた応募データが、学習した採用基準データに基づいて、採用か否かを判定し、採用と判定された場合に、応募者から受け付けた応募データを採用として選別して記憶する。

Description

応募データ選別システム、応募データ選別方法及びプログラム
　本発明は、複数の応募データから所定のデータを選別する応募データ選別システム、応募データ選別方法及びプログラムに関する。
　近年、インターネットを利用した就職活動、転職活動が行われている。すなわち、求職者が、自身の履歴書や職務経歴書をクラウドサーバ上にアップロードし、就職したい企業に応募する旨のメッセージを送ることで、企業の人事担当者や人事コーディネーターがそれらのデータを確認して、求職者に連絡を行う。
　例えば、特許文献1では、企業側が履歴書の情報を取得したいタイミングで、すなわち、リアルタイムに、採用候補者の情報を取得できるシステムが開示されている。このシステムでは、採用候補者が自らの履歴書情報を企業側に送信しても良いか否かを、採用候補者に確認する処理も併せて示されている。
特開２０１５－２３０６５６号公報
　しかしながら、特許文献１の構成では、採用候補者の履歴書の情報が確認できるだけであって、例えば、多数の応募者があった場合に、コンピュータやシステムが、自動的に採用すべき応募者を選別してくれるものではない。
　本発明は、コンピュータシステムが、過去の応募データからその応募者が採用されたか否かを学習しておき、新たな応募者があった場合に、その学習した結果から、採用すべきか、すべきでないかを選別する応募データ選別システム、応募データ選別方法及びプログラムを提供することを目的とする。
　本発明では、以下のような解決手段を提供する。
　第１の特徴に係る発明は、応募者から受け付けた応募データを選別する応募データ選別システムであって、過去の判定で採用となった応募データから、採用の基準である採用基準データを学習して生成する基準データ学習手段と、
　前記応募者から受け付けた応募データが、学習した採用基準データに基づいて、採用か否かを判定する採用判定手段と、
　を備えることを特徴とする応募データ選別システムを提供する。
　第１の特徴に係る発明によれば、過去の判定で採用となった応募データから、採用の基準である採用基準データを生成して学習し、応募者から受け付けた応募データが、学習した採用基準データに基づいて、採用か否かを判定する。
　第１の特徴に係る発明は、システムのカテゴリであるが、方法及びプログラム等の他のカテゴリにおいても、そのカテゴリに応じた同様の作用・効果を発揮する。
　第２の特徴に係る発明は、第１の特徴に係る発明であって、採用と判定された場合に、前記応募者から受け付けた応募データから学習して、新たな採用基準データを生成する採用基準データ追加手段と、
　を備えることを特徴とする応募データ選別システムを提供する。
　第２の特徴に係る発明によれば、さらに、採用と判定された場合に、応募者から受け付けた応募データから学習して、新たな採用基準データを生成する。
　第３の特徴に係る発明は、第１の特徴に係る発明であって、採用者の人事評価を取得する成績取得手段と、
　前記人事評価により当該採用者の人事評価が悪いと判断した場合に、当該採用者に対応する応募データと、当該悪い人事評価の程度に基づいて、前記採用基準データを変更するデータ変更手段と、
　を備えることを特徴とする応募データ選別システムを提供する。
　第３の特徴に係る発明によれば、さらに、採用した応募者の人事評価を取得し、人事評価により当該採用者の人事評価が悪いと判断した場合に、当該採用者に対応する応募データと、当該悪い人事評価の程度に基づいて、採用基準データを変更する。
　第４の特徴に係る発明は、第１の特徴に係る発明であって、基準データ学習手段は、採用基準データを生成する際に、学習する際の特徴量を自ら見いだして学習を行う応募データ選別システムを提供する。
　第５の特徴に係る発明は、応募者から受け付けた応募データを選別する応募データ選別システムであって、過去の判定で不採用となった応募データから、不採用の基準である不採用基準データを学習して生成する基準データ学習手段と、
　前記応募者から受け付けた応募データが、学習した不採用基準データに基づいて、不採用か否かを判定する不採用判定手段と、
　を備えることを特徴とする応募データ選別システムを提供する。
　第６の特徴に係る発明は、応募者から受け付けた応募データを選別する応募データ選別システムであって、人事評価において高評価者と低評価者とを選別する人事評価手段と、
　前記選別された高評価者が採用試験で使用した応募データから、採用の基準である採用基準データを学習して生成する基準データ学習手段と、
　前記応募者から受け付けた応募データが、学習した採用基準データに基づいて採用か否かを判定する採用判定手段と、
　を備えることを特徴とする応募データ選別システムを提供する。
　第７の特徴に係る発明は、第５の特徴に係る発明であって、採用者の人事評価を取得する成績取得手段と、
　前記人事評価により当該採用者の人事評価が高評価から低評価に変更されたと判断した場合に、当該採用者に対応する応募データと、当該悪い人事評価の程度に基づいて、前記採用基準データを変更するデータ変更手段と、を備えることを特徴とする応募データ選別システムを提供する。
　第８の特徴に係る発明は、応募者から受け付けた応募データを選別する応募データ選別システムであって、人事評価において高評価者と低評価者とを選別する人事評価手段と、
　前記選別された低評価者が採用試験で使用した応募データから、不採用の基準である不採用基準データを学習して生成する基準データ学習手段と、
　前記応募者から受け付けた応募データが、学習した不採用基準データに基づいて採用か否かを判定する採用判定手段と、を備えることを特徴とする応募データ選別システムを提供する。
　本発明によれば、過去の応募データからその応募者が採用に採用したか否かを学習しておき、新たな応募者があった場合に、その学習した結果から、採用すべきか、すべきでないかをコンピュータが選別して採用担当者に提案することが可能となる。
図１は、応募データ選別システム１の機能ブロックを示す図である。 図２は、選別コンピュータ１００が実行する学習及び選別処理を示すフローチャートである。 図３は、選別コンピュータ１００が実行する人事評価後の処理を示すフローチャートである。 図４は、選別コンピュータ１００が実行する学習及び選別処理のその２を示すフローチャートである。 図５は、応募データの具体的な構成を示す図である。 図６は、人事評価データの具体的な構成を示す図である。 図７は、判定結果の表示例を示す図である。
　以下、本発明を実施するための最良の形態について図を参照しながら説明する。なお、これはあくまでも一例であって、本発明の技術的範囲はこれに限られるものではない。
　［応募データ選別システム１のシステム構成］
　図１に基づいて、応募データ選別システム１のシステム構成について説明する。図１は、本発明の好適な実施形態である応募データ選別システム１のシステム構成を示す図である。応募データ選別システム１は、少なくとも、選別コンピュータ１００で構成され、システム形態によっては、人事コンピュータ２００、応募データデータベース５０を含む。
　以下では、応募データ選別システム１は、人事コンピュータ２００、応募データデータベース５０を個別のハードウェアとして含む場合で説明を行うが、人事コンピュータ２００、応募データデータベース５０が選別コンピュータ１００と、個別のハードウェアコンピュータでなく、これらの機能が選別コンピュータ１００に含まれていてもよい。
　選別コンピュータ１００と人事コンピュータ２００及び、選別コンピュータ１００と応募データデータベース５０は、公衆回線網又は専用線で通信可能に接続されデータ通信が行われる。選別コンピュータ１００及び人事コンピュータ２００は、採用担当者等が利用するコンピュータ端末からアクセス可能なコンピュータ、サーバであってよい。応募データデータベース５０は、選別コンピュータ１００がアクセス可能なデータベースである。
　［各機能の説明］
　図１に基づいて、応募データ選別システム１のハードウェア構成と機能について説明する。
　選別コンピュータ１００は、制御部１１０として、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）等を備え、通信部１２０として、他の機器と通信可能にするためのデバイス、例えば、有線・無線ＬＡＮに接続可能なデバイスや、ＩＥＥＥ８０２．１１に準拠したＷｉＦｉ（Ｗｉｒｅｌｅｓｓ　Ｆｉｄｅｌｉｔｙ）対応デバイスやＵＳＢやＨＤＭＩ（登録商標）等の有線接続対応デバイス等を備える。この通信部１２０により、採用担当者等が利用するコンピュータ端末とのデータ通信が可能となる。
　選別コンピュータ１００において、制御部１１０が所定のプログラムを読み込むことにより、通信部１２０及びその他のハードウェアと協働して、基準データ学習モジュール１５０、採用判定モジュール１６０、採用選別記憶モジュール１７０、採用基準データ追加モジュール１８０、成績取得モジュール１９０、データ変更モジュール１９２を実現する。また、人事コンピュータ２００において、図示していない制御部が所定のプログラムを読み込むことにより、他のハードウェアと協働して、人事評価モジュール２１０を実現する。
　応募データデータベース５０は、複数の応募データを記憶するデータベースであって、後述する採用基準データ、不採用基準データを記憶してよい。これらの採用基準データ、不採用基準データに基づいて、複数の応募データを採用・不採用のいずれかに選別して記憶する。
　［学習及び選別処理］
　次に、図２に基づいて、応募データ選別システム１が実行する学習及び選別処理について説明する。図２は、選別コンピュータ１００が実行する学習及び選別処理のフローチャートである。上述した各装置のモジュールが実行する処理について、本処理に併せて説明する。
　はじめに、選別コンピュータ１００は、採用基準データを生成するために、採用担当者等の端末から複数の応募データを受信する（ステップＳ１０）。ここで、応募データとは、応募者の自身の情報に関するデータであって、例えば、履歴書の情報、職歴（職務経歴書）の情報、学歴、過去に勤務した会社の情報、応募者個人の能力、性格に関するデータであってよい（図５参照）。選別コンピュータ１００は、受信した複数の応募データを応募データデータベース５０に記憶する。
　そして、選別コンピュータ１００は、受信した個々の応募データについて、採用に採用したか否かのデータを採用担当者等の端末から受信する（ステップＳ１１）。採用したか否かのデータは、応募データデータベース５０に記憶した応募データに対応付けられて、応募データデータベース５０に記憶される。
　次に、選別コンピュータ１００の基準データ学習モジュール１５０は、応募データデータベース５０に記憶された応募データとその合否のデータから、採用の基準となる採用基準データを生成する（ステップＳ１２）、すなわち、基準データ学習モジュール１５０は、採用した応募データを、教師ありデータとして学習し、採用基準を判別するための採用基準データを生成する。
　この学習処理とは、いわゆる機械学習であってよい。機械学習の具体的なアルゴリズムとしては、最近傍法、ナイーブベイズ法、決定木、サポートベクターマシンを利用してよい。また、ニューラルネットワークを利用して、学習するための特徴量を自ら生成する深層学習（ディープラーニング）であってもよい
　例えば、最近傍法やｋ近傍法であれば、採用・不採用の両方を含む過去の実例を特徴空間に配置しておき、新しく判定したいデータが与えられた際に、特徴空間上で最も距離が近い過去の実例（1個又はk個）のクラス（採用ｏｒ不採用）を予測結果とする。データの構成要素としては、「最終学歴」、「現在の勤務先の会社名」、「その会社規模」、「勤務期間」等を特徴量として使用することが考えられる。これらの特徴量で特徴空間を生成し、採用基準データを生成する。この方法は、採用した過去の応募データに類似した応募データは、採用と判定する採用基準データを生成する。
　また、ナイーブベイズ法であれば、上記の特徴量ごとに採用か不採用かの確率を算出し、各特徴量ごとに採用か不採用かのスコアをつけて、このスコアを足し合わせて、スコアの高さで採用か否かを判定する。この判定するための関数が採用基準データとなる。スコアには、算出した確率の対数を用いてよい。
　すなわち、（事後）確率p(y|x)が最大となるクラスy（採用or不採用）を予測結果とする。ここで、p(y|x)は、事前確率p(y)と尤度p(x|y)の積によって求める。尤度p(x|y)は、特徴量間の独立性を仮定して、p(x|y) = p(x_1|y)＊p(x_2|y)といった具合に特徴量毎の確率の積で表現することができる。
　次に、選別コンピュータ１００は、判定する応募データを、採用担当者等の端末から受信する（ステップＳ１３）。そして、採用判定モジュール１６０が、判定する応募データを、採用基準データに当てはめて、採用か否かを判定する（ステップＳ１４）。さらに、採用選別記憶モジュール１７０が、採用と判定された場合は、この応募データを採用と選別して、応募データデータベース５０に記憶する（ステップＳ１５）。ここで、逆に、採用選別記憶モジュール１７０は、不採用と判定された場合は、この応募データを不採用と選別して、応募データデータベース５０に記憶する
　そして、採用と判定した場合又は、不採用と判定した場合、いずれであっても、この判定結果の応募データに基づいて、再学習し、採用基準データ追加モジュール１８０が、新たに、採用基準データを生成する（ステップＳ１６）。ここで、採用又は不採用と判定した場合のみならず、採用担当者が現実に、採用か不採用を決定し、その決定に基づいて、再学習を行う態様であってもよい。その場合は、応募データごとに、採用担当者の端末から最終的な採用・不採用のデータを受信して、応募データに対応付けて記憶される。
　ステップＳ１６の後は、新たな応募データを受信して判定を繰り返すため、ステップＳ１３に戻り、処理を繰り返す。
　［人事評価後の処理］
　次に、図３に基づいて、採用者（応募者が採用され採用者となる）に対して、人事評価後に採用基準データを選別コンピュータ１００が変更する処理について説明する。最初に、選別コンピュータ１００の成績取得モジュール１９０が、人事コンピュータ２００から応募データに対応付けられた人事評価を取得する（ステップＳ２０）。人事コンピュータ２００の人事評価モジュール２１０は、採用担当者が操作する端末からの入力に応じて、採用した各応募者の人事評価を記憶し、選別コンピュータ１００からの要求に応じて、各応募者の人事評価データを選別コンピュータ１００に送信する。ここで、人事評価データは、採用した応募者毎に対応付けられた各項目の実績の評価であって、図６に示すように、例えば、「目標達成度」、「上司満足度」、「顧客満足度」、「チーム満足度」、「提案力」等の各項目に対する評価である。
　次に、選別コンピュータ１００は、取得した人事評価から評価の悪い応募者の抽出を行う（ステップＳ２１）。すなわち、選別コンピュータ１００は、応募者の評価の総合点が、予め定められた所定の数値を下回っていたり、応募者の評価の所定の項目が、予め定められた所定の数値を下回っている場合は、評価の悪い応募者と判断する。
　そして、選別コンピュータ１００のデータ変更モジュール１９２は、評価が悪いと判断した応募データと、悪いと判断された人事評価の程度（評価点）を教師ありデータとして学習し、採用基準データを新しく生成（変更）する（ステップＳ２２）。ここで、悪いと判断された人事評価の程度から学習するとは、例えば、人事評価の各項目の総合点や、人事評価が悪いと判断された項目を、特徴量として、学習を行うことであってよい。
　このような、人事評価後の処理により、応募者を採用した後の人事評価の結果も加味した採用基準データを生成することができる。
　上述の説明では、採用されたという観点で判定の基準となる採用基準データの説明をしたが、不採用の観点で不採用基準データで不採用者を判定する態様であってもよい。これは採用・不採用のいずれかに着目して基準データを生成するかという問題に過ぎず、結果を裏返しにしているに過ぎないため、処理のアルゴリズムとしては、どちらも同じ処理となる。
　［学習及び選別処理　その２］
　次に、図４に基づいて、選別コンピュータ１００が、採用の採用後に行われる人事評価において、高評価者の応募データから採用基準データを生成する処理について説明する。最初に、先ほどの人事評価後の処理と同様に、人事コンピュータ２００の人事評価モジュール２１０は、採用担当者が操作する端末からの入力に応じて、採用した各応募者の人事評価を記憶する。
　そして、人事評価モジュール２１０は、採用した応募者を人事評価の数値等に応じて、段階的に評価して、応募データを選別する。すなわち、例えば、応募者の評価の総合点が、予め定められた所定の数値より上回っている場合は、高評価者であると判断したり、逆に、下回っている場合は、低評価者であるとして、ランク分けする。この例のように２段階で分けるのではなく、３段階、４段階等にランク分けしてもよい。
　そして、人事コンピュータ２００は、選別コンピュータ１００からの要求に応じて、各応募者が段階的に評価された人事評価データを選別コンピュータ１００に送信する。選別コンピュータ１００は、これを受信し（ステップＳ３０）、ある特定のランク、例えば、高評価者に該当する応募者のみを抽出する（ステップＳ３１）。そして、高評価者に該当すると判断された応募者の応募者データに基づいて、学習を行い、採用基準データを生成する（ステップＳ３２）。ここでの学習処理は、前述の学習と同様であるので割愛する。このようにして学習した採用基準データに基づいて、先に述べたと同様に、ステップＳ３３からステップＳ３６まで処理、すなわち、判定処理と再学習処理が行われる。
　ここで、再学習においては、単に、高評価と判定された結果を再学習してもよいし、選別コンピュータ１００が高評価と判定した応募者が、その後の人事評価で、低評価に変更された結果に基づいて再学習してもよい。この結果の応募データに基づいて、再学習し、採用基準データ追加モジュール１８０が、新たに、採用基準データを生成する。
　上述の説明では、高評価の場合での採用基準データの生成を説明したが、低評価の場合であってもよいし、３，４等の複数のランク分けされたものの一つであってもよい。また、高評価、低評価という基準ではなく、所定の人事評価の項目についてのみ特化した採用基準データを生成してもよい。ここで、低評価の場合は、採用基準データは不採用基準データとなるが、これは採用・不採用のいずれかに着目して基準データを生成するかという問題に過ぎず、処理のアルゴリズムとしては、どちらも同じである。
　図７は、判定結果の後に、選別コンピュータ１００が採用・不採用を判定して、所定の端末にその判定結果を通知した画面イメージ図である。選別コンピュータ１００は、単に、採用・不採用を通知してもよいが、図に示すように、今回判定した応募者に、最も近似した過去の応募者（現在は、既に人事評価も行われている）から、所定のメッセージを生成してもよい。すなわち、選別コンピュータ１００は、最も近似した過去の応募者の部署や評価から、その採用者又は不採用者に対する将来の評価予測を、所定の定型文章と組み合わせてメッセージを生成して、通知してもよい。
　上述した手段、機能は、コンピュータ（ＣＰＵ、情報処理装置、各種端末を含む）が、所定のプログラムを読み込んで、実行することによって実現される。プログラムは、例えば、フレキシブルディスク、ＣＤ（ＣＤ－ＲＯＭなど）、ＤＶＤ（ＤＶＤ－ＲＯＭ、ＤＶＤ－ＲＡＭなど）等のコンピュータ読取可能な記録媒体に記録された形態で提供される。この場合、コンピュータはその記録媒体からプログラムを読み取って内部記憶装置又は外部記憶装置に転送し記憶して実行する。また、そのプログラムを、例えば、磁気ディスク、光ディスク、光磁気ディスク等の記憶装置（記録媒体）に予め記録しておき、その記憶装置から通信回線を介してコンピュータに提供するようにしてもよい。
　以上、本発明の実施形態について説明したが、本発明は上述したこれらの実施形態に限るものではない。また、本発明の実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本発明の実施形態に記載されたものに限定されるものではない。
　１　応募データ選別システム、１００　選別コンピュータ、２００　人事コンピュータ

Claims (10)

  1. 　応募者から受け付けた応募データを選別する応募データ選別システムであって、
    　過去の判定で採用となった応募データから、採用の基準である採用基準データを学習して生成する基準データ学習手段と、
    　前記応募者から受け付けた応募データが、学習した採用基準データに基づいて、採用か否かを判定する採用判定手段と、
    　を備えることを特徴とする応募データ選別システム。
  2. 　前記採用判定手段で採用と判定された場合に、前記応募者から受け付けた応募データから学習して、新たな採用基準データを生成する採用基準データ追加手段と、
    　を備えることを特徴とする請求項１に記載の応募データ選別システム。
  3. 　採用者の人事評価を取得する成績取得手段と、
    　前記人事評価により当該採用者の人事評価が悪いと判断した場合に、当該採用者に対応する応募データと、当該悪い人事評価の程度に基づいて、前記採用基準データを変更するデータ変更手段と、
    　を備えることを特徴とする請求項１に記載の応募データ選別システム。
  4. 　前記基準データ学習手段は、前記採用基準データを生成する際に、学習する際の特徴量を自ら見いだして学習を行う請求項１に記載の応募データ選別システム。
  5. 　応募者から受け付けた応募データを選別する応募データ選別システムであって、
    　過去の判定で不採用となった応募データから、不採用の基準である不採用基準データを学習して生成する基準データ学習手段と、
    　前記応募者から受け付けた応募データが、学習した不採用基準データに基づいて、不採用か否かを判定する不採用判定手段と、
    　を備えることを特徴とする応募データ選別システム。
  6. 　応募者から受け付けた応募データを選別する応募データ選別システムであって、
    　人事評価において高評価者と低評価者とを選別する人事評価手段と、
    　前記選別された高評価者が採用試験で使用した応募データから、採用の基準である採用基準データを学習して生成する基準データ学習手段と、
    　前記応募者から受け付けた応募データが、学習した採用基準データに基づいて採用か否かを判定する採用判定手段と、
    　を備えることを特徴とする応募データ選別システム。
  7. 　採用者の人事評価を取得する成績取得手段と、
    　前記人事評価により当該採用者の人事評価が高評価から低評価に変更されたと判断した場合に、当該採用者に対応する応募データと、当該悪い人事評価の程度に基づいて、前記採用基準データを変更するデータ変更手段と、
    　を備えることを特徴とする請求項５に記載の応募データ選別システム。
  8. 　応募者から受け付けた応募データを選別する応募データ選別システムであって、
    　人事評価において高評価者と低評価者とを選別する人事評価手段と、
    　前記選別された低評価者が採用試験で使用した応募データから、不採用の基準である不採用基準データを学習して生成する基準データ学習手段と、
    　前記応募者から受け付けた応募データが、学習した不採用基準データに基づいて不採用か否かを判定する不採用判定手段と、
    　を備えることを特徴とする応募データ選別システム。
  9. 　応募者から受け付けた応募データを選別する応募データ選別システムが実行する応募データ選別方法であって、
    　過去の判定で採用となった応募データから、採用の基準である採用基準データを学習して生成するステップと、
    　前記応募者から受け付けた応募データが、学習した採用基準データに基づいて、採用か否かを判定するステップと、
    　を備えることを特徴とする応募データ選別方法。
  10. 　応募者から受け付けた応募データを選別する応募データ選別システムに、
    　過去の判定で採用となった応募データから、採用の基準である採用基準データを学習して生成するステップ、
    　前記応募者から受け付けた応募データが、学習した採用基準データに基づいて、採用か否かを判定するステップ、を実行させるためのプログラム。

     
PCT/JP2016/075480 2016-08-31 2016-08-31 応募データ選別システム、応募データ選別方法及びプログラム WO2018042546A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/075480 WO2018042546A1 (ja) 2016-08-31 2016-08-31 応募データ選別システム、応募データ選別方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/075480 WO2018042546A1 (ja) 2016-08-31 2016-08-31 応募データ選別システム、応募データ選別方法及びプログラム

Publications (1)

Publication Number Publication Date
WO2018042546A1 true WO2018042546A1 (ja) 2018-03-08

Family

ID=61300488

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/075480 WO2018042546A1 (ja) 2016-08-31 2016-08-31 応募データ選別システム、応募データ選別方法及びプログラム

Country Status (1)

Country Link
WO (1) WO2018042546A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020077361A (ja) * 2018-11-05 2020-05-21 株式会社トランス 学習モデル構築装置、入社後評価予測装置、学習モデル構築方法および入社後評価予測方法
JP7164258B1 (ja) 2022-06-22 2022-11-01 株式会社Value market 情報処理システム、情報処理方法及びプログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030229510A1 (en) * 2002-05-21 2003-12-11 Jason Kerr Discriminating network recruitment system
US20090198636A1 (en) * 2008-02-06 2009-08-06 Kathryn Jackson Method and apparatus for a responsive learning program
JP2009266039A (ja) * 2008-04-25 2009-11-12 Zeus Enterprise:Kk 採用要否判定システム、採用要否判定方法および採用要否判定プログラム
JP2010026817A (ja) * 2008-07-18 2010-02-04 Recruit Co Ltd マッチング装置及び書類選考通過可能性判定方法
JP5965557B1 (ja) * 2016-01-29 2016-08-10 株式会社リクルートホールディングス 類似度学習システム及び類似度学習方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030229510A1 (en) * 2002-05-21 2003-12-11 Jason Kerr Discriminating network recruitment system
US20090198636A1 (en) * 2008-02-06 2009-08-06 Kathryn Jackson Method and apparatus for a responsive learning program
JP2009266039A (ja) * 2008-04-25 2009-11-12 Zeus Enterprise:Kk 採用要否判定システム、採用要否判定方法および採用要否判定プログラム
JP2010026817A (ja) * 2008-07-18 2010-02-04 Recruit Co Ltd マッチング装置及び書類選考通過可能性判定方法
JP5965557B1 (ja) * 2016-01-29 2016-08-10 株式会社リクルートホールディングス 類似度学習システム及び類似度学習方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020077361A (ja) * 2018-11-05 2020-05-21 株式会社トランス 学習モデル構築装置、入社後評価予測装置、学習モデル構築方法および入社後評価予測方法
JP2020191131A (ja) * 2018-11-05 2020-11-26 株式会社アッテル 学習モデル構築装置、入社後評価予測装置、学習モデル構築方法および入社後評価予測方法
JP7164258B1 (ja) 2022-06-22 2022-11-01 株式会社Value market 情報処理システム、情報処理方法及びプログラム
WO2023248539A1 (ja) * 2022-06-22 2023-12-28 株式会社Value market 情報処理システム、情報処理方法及びプログラム
JP2024001779A (ja) * 2022-06-22 2024-01-10 株式会社Value market 情報処理システム、情報処理方法及びプログラム

Similar Documents

Publication Publication Date Title
CN110503531B (zh) 时序感知的动态社交场景推荐方法
US10430709B2 (en) Data mining technique with distributed novelty search
CN111080123A (zh) 用户风险评估方法及装置、电子设备、存储介质
Chakraborty et al. Software engineering for fairness: A case study with hyperparameter optimization
Borrajo et al. Multi-agent neural business control system
CN111047122A (zh) 企业数据成熟度评估方法、装置及计算机设备
CN104956359A (zh) 实例加权学习机器学习模型
KR101856478B1 (ko) 인사데이터의 분석을 통한 특정행위 발생 예측방법 및 예측프로그램
Kokkodis Dynamic, multidimensional, and skillset-specific reputation systems for online work
Simpson et al. Bayesian methods for intelligent task assignment in crowdsourcing systems
WO2018042550A1 (ja) 年収提案システム、年収提案方法及びプログラム
Akehurst et al. Explicit and implicit user preferences in online dating
CN112215604A (zh) 交易双方关系信息识别方法及装置
WO2018042546A1 (ja) 応募データ選別システム、応募データ選別方法及びプログラム
WO2018042547A1 (ja) 回答データ選別システム、回答データ選別方法及びプログラム
CN112819024A (zh) 模型处理方法、用户数据处理方法及装置、计算机设备
WO2022075398A1 (en) Adaptive autonomous negotiation method and system of using
Arif et al. An Improved Prediction System of Students' Performance Using Classification model and Feature Selection Algorithm
Krishna et al. Analyzing employee attrition using machine learning: the new AI approach
Alzamora et al. An Assertive Machine Learning Model for Rural Micro Credit Assessment in Peru
Faber et al. Lifelong learning for anomaly detection: new challenges, perspectives, and insights
WO2021095358A1 (ja) 学習方法、評価装置、及び評価システム
CN115689443A (zh) 基于波动性聚类和区块链的供应链管理方法及系统
Maharjan Employee Churn Prediction using Logistic Regression and Support Vector Machine
Hasnawi et al. Combination of case based reasoning with nearest neighbor and decision tree for early warning system of student achievement

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16915107

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 13.06.2019)

NENP Non-entry into the national phase

Ref country code: JP

122 Ep: pct application non-entry in european phase

Ref document number: 16915107

Country of ref document: EP

Kind code of ref document: A1