WO2018042550A1 - 年収提案システム、年収提案方法及びプログラム - Google Patents

年収提案システム、年収提案方法及びプログラム Download PDF

Info

Publication number
WO2018042550A1
WO2018042550A1 PCT/JP2016/075484 JP2016075484W WO2018042550A1 WO 2018042550 A1 WO2018042550 A1 WO 2018042550A1 JP 2016075484 W JP2016075484 W JP 2016075484W WO 2018042550 A1 WO2018042550 A1 WO 2018042550A1
Authority
WO
WIPO (PCT)
Prior art keywords
annual income
data
annual
resume
proposal
Prior art date
Application number
PCT/JP2016/075484
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/JP2016/075484 priority Critical patent/WO2018042550A1/ja
Publication of WO2018042550A1 publication Critical patent/WO2018042550A1/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 annual income proposal system, an annual income proposal method, and a program for proposing an annual income based on a predetermined standard from past resumes and career histories.
  • 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 a candidate for employment at a timing when a company wants to acquire resume information, that is, in real time. This system also discloses a process for confirming whether or not the recruiting candidate can transmit his / her resume information to the company side.
  • Patent Document 1 it is only possible to check the information on the resume of the candidate for employment, and for example, the applicant's problem of how much annual income should be presented to the applicant is appropriate. It will not solve the problem.
  • the present invention provides an annual income proposal system, an annual income proposal method, and a program in which a computer system learns a resume accepted in the past and predicts and proposes an applicant's annual income related to a newly accepted resume. Objective.
  • the present invention provides the following solutions.
  • the invention according to the first aspect is the annual income reference data generating means for learning the correlation between the resume data received in the past and the annual income after the employment, and generating annual income reference data as a reference for judging the annual income from the resume.
  • An annual income proposal system comprising: annual income proposal means for proposing an applicant's annual income related to new resume data received based on the annual income standard data.
  • the correlation between the resume data received in the past and the annual income after the employment is learned, and the annual income reference data serving as a reference for judging the annual income is generated from the resume. Based on the above, we propose the applicant's annual income related to the new resume data received.
  • 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, and is changed when the annual income of the applicant corresponding to the resume data for learning the correlation is changed based on personnel evaluation data.
  • An annual income proposal system further comprising a data change module that learns with the annual income and regenerates the annual income standard data.
  • the invention according to the third feature is the invention according to the first feature, wherein the annual income proposal means is based on an average annual income in the company collecting the resume data or an industry salary standard, Providing an annual income proposal system that adjusts the proposed annual income.
  • the invention according to the fourth feature is the invention according to the first feature, wherein the annual income proposal means adjusts the proposed annual income based on the sales amount of the company collecting the resume data. Provide a proposal system.
  • the invention according to a fifth feature is the invention according to the first feature, wherein the annual income reference data generating means generates a text as a feature quantity candidate from the resume data when generating annual income reference data.
  • An annual income suggestion system that extracts by learning the resume format is provided.
  • the invention according to a sixth feature is the invention according to the first feature, wherein the annual income reference data generating means finds a characteristic amount at the time of learning and generates learning when generating annual income reference data. Providing an annual income proposal system.
  • a computer system can learn a resume received in the past and predict and propose an applicant's annual income related to a newly accepted resume.
  • FIG. 1 is a diagram showing functional blocks of the annual income proposal system 1.
  • FIG. 2 is a flowchart showing learning and proposal processing executed by the annual income proposal computer 100.
  • FIG. 3 is a flowchart showing processing after personnel evaluation executed by the annual income proposal computer 100.
  • FIG. 4 is a flowchart showing the feature amount candidate extraction process executed by the annual income proposal computer 100.
  • FIG. 5 is a diagram showing a specific configuration of resume data.
  • FIG. 6 is a flowchart showing the annual income proposal processing in consideration of the level executed by the annual income proposal computer 100.
  • FIG. 7 is a diagram showing a display example of the annual income proposal.
  • FIG. 1 is a diagram showing a system configuration of an annual income proposal system 1 which is a preferred embodiment of the present invention.
  • the annual income proposal system 1 includes at least an annual income proposal computer 100 and includes a personnel computer 200 and a resume data database 50 depending on the system form.
  • the annual income proposal system 1 will be described in the case where the personnel computer 200 and the resume data database 50 are included as separate hardware. However, the personnel computer 200 and the resume data database 50 are separated from the annual income proposal computer 100 and individually. Instead of a hardware computer, these hardware and functions may be included in the annual income proposal computer 100.
  • the annual income proposal computer 100 and the personnel computer 200, and the annual income proposal computer 100 and the resume data database 50 are communicably connected via a public network or a dedicated line, and data communication is performed.
  • the annual income proposal 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 resume data database 50 is a database accessible by the annual income proposal computer 100.
  • the annual income proposal 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 the communication unit 120 for enabling communication with other devices.
  • a device that can be connected to a wired / wireless LAN a device that supports IEEE 802.11 (Wireless Fidelity), a device that supports wired connection such as USB and 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, and thereby, in cooperation with the communication unit 120 and other hardware, the reference data learning module 150, the annual income proposal module 160, the annual income storage module 170, the format reading A module 190 and a data change module 192 are realized. Further, in the personnel computer 200, a control unit (not shown) reads a predetermined program, thereby realizing the personnel evaluation module 210 in cooperation with other hardware.
  • the resume data database 50 is a database that stores a plurality of resume data, and may store annual income standard data that will be described later.
  • the annual income proposal computer 100 selects and stores resume data obtained from the applicant for each determined annual income based on the annual income standard data.
  • FIG. 2 is a flowchart of learning and proposal processing executed by the annual income proposal computer 100. The processing executed by the modules of each device described above will be described together with this processing.
  • the annual income proposal computer 100 receives a plurality of past resume data from a terminal such as a recruiter or a terminal used by an applicant (step S10).
  • the resume data is data on the educational history and work history submitted by the applicant for the employment examination, and is data relating to the so-called resume and work history.
  • the resume data may be, for example, data related to the applicant's personal history, ability, and personality (see FIG. 5), and these pieces of information are associated with information that identifies the individual of the applicant.
  • the annual income proposal computer 100 stores the resume data in the resume data database 50.
  • the annual income proposal computer 100 receives the annual income after the employment from the terminal of the person in charge of recruitment etc. for each received resume data (step S11).
  • the applicant in charge of the resume data is employed, and the recruiting person inputs the finally determined annual income to a predetermined terminal.
  • the annual salary is associated with the resume data (assigned serial ID for each resume data, etc.) from the recruiting person's terminal and transmitted to the annual income proposal computer 100.
  • the annual income proposal computer 100 associates the annual income with the resume data and stores them in the resume data database 50.
  • the reference data learning module 150 of the annual income proposal computer 100 generates annual income reference data that serves as a reference for determining the annual income amount from the resume data and annual income stored in the resume data database 50 (step S12). That is, the reference data learning module 150 learns the association between resume data and annual income (specific numerical values) as supervised data, and generates annual income reference data for determining annual income.
  • This learning process is a process of learning the correlation between resume data and annual income, and 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 characteristic amount for learning is generated by using a neural network.
  • the nearest neighbor method or the k-nearest neighbor method past examples for each yearly income are placed in the feature space, and when the data to be newly determined is given, The actual class (one or k) (for each yearly income) is assumed to be the prediction result.
  • the actual class one or k
  • a feature space is generated with these feature amounts, and annual income standard data is generated. This method generates annual income reference data that suggests that resume data similar to past resume data approximates its annual income.
  • the probability for each feature amount and annual income is calculated, and a score for each feature amount and annual income is added. Determine whether is appropriate.
  • the function for this determination is the annual income standard data.
  • the score the logarithm of the calculated probability may be used.
  • the class y (for each numerical value of annual income) that maximizes the (posterior) probability p (y
  • x) is obtained by the product of prior probability p (y) and likelihood p (x
  • y) is the product of the probabilities for each feature such as (x
  • y) p (x_1
  • the annual income proposal computer 100 receives the proposed resume data from a terminal such as a person in charge of hiring (step S13). Then, the annual income proposal module 160 applies the resume data to be proposed to the annual income standard data and proposes the annual income (step S14). Further, the annual income storage module 170 associates the proposed annual income with the resume data and stores it in the resume data database 50 (step S15).
  • step S16 when the annual income is proposed, relearning is performed based on the resume data of the proposal result, and the data change module 192 newly generates the annual income reference data (step S16).
  • the recruiter actually determines the annual income for the applicant corresponding to the resume data, and based on the determination.
  • a mode in which relearning is performed may be used.
  • the final annual income is received from the recruiter's terminal for each resume data, stored in association with the resume data, and learning is performed.
  • step S16 in order to receive new resume data and repeat the proposal, the process returns to step S13 and the process is repeated.
  • the annual income proposal computer 100 acquires personnel evaluation data associated with resume data from the personnel computer 200 (step S20).
  • the personnel evaluation module 210 of the personnel computer 200 memorizes the applicant's personnel evaluation and the assessed annual income according to the input from the terminal operated by the recruiter, and evaluates according to the request from the annual income proposal computer 100.
  • the personnel evaluation data including the received annual income is transmitted to the annual income proposal computer 100 for each applicant.
  • the annual income proposal computer 100 extracts resume data whose annual income has been changed from the acquired personnel evaluation data (step S21), performs relearning based on the new annual income, and changes (reproduces) the annual income standard data. )
  • a feature amount candidate extraction process in which the annual income proposal computer 100 receives resume data and extracts candidate feature amounts for learning from the resume data based on FIG. 4.
  • the format reading module 190 of the annual income proposal computer 100 receives new resume data from a terminal such as a recruiter
  • the format reading module 190 learns every time the resume format is received (step S05). That is, since the resume and job history have various description formats, the image is recognized by recognizing the description location of personal information such as name, job history, and academic history.
  • learning refers to the position in the resume data where a predetermined text character is arranged.
  • the format reading module 190 extracts text characters from the learned image (step S06). And the character used as a feature-value candidate is extracted from the extracted text character (step S07).
  • the number of pages extracted from resume data is not a feature quantity candidate, but the qualification is extracted as a feature quantity candidate.
  • the candidate may be extracted in advance by a person, or the annual salary suggestion computer 100 may extract the feature amount by deep learning. An annual income proposal is made by learning and proposal processing from the feature quantity candidates extracted in this way.
  • the annual income proposal computer 100 receives the annual income data generated in step S14. Then, the annual income proposal computer 100 refers to the salary level by an input from the terminal operated by the recruiter (step S31).
  • the salary level may be a numerical value for determining the annual income.
  • the expected average annual salary of the company or the next fiscal year's forecast may be the salary level derived from the company's forecasted sales for the next year.
  • the data change module 192 of the annual income proposal computer 100 changes the annual income corresponding to the resume data based on the salary level. This is executed with a plurality of resume data, learning is performed again, and annual income standard data is regenerated (changes the previous annual income standard data) (step S32). This process makes it possible to execute an annual income proposal including fluctuations in salary levels expected in the future.
  • FIG. 7 is a screen image diagram in which the annual income proposal computer 100 determines the applicant's annual income after the determination result, and the proposal is shown on a predetermined terminal.
  • the annual income proposal computer 100 may simply display the annual income, but may also display the annual income before and after the proposal and the probability that the annual income should be proposed. This probability can be calculated, for example, by applying the naive Bayes method for each annual income.
  • 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】コンピュータシステムが、過去に受付けた履歴書を学習し、新たに受付けた履歴書に係る応募者の年収を予測して提案する。 【解決手段】年収提案システム１は、過去に受付けた履歴書データと採用後の年収の相関関係を学習し、履歴書から年収を判断する基準となる年収基準データを生成する。そして、年収基準データに基づいて、受付けた新たな履歴書データに係る応募者の年収を提案する。そして、相関関係を学習する履歴書データに対応する応募者の年収が人事評価データに基づき変更された場合に、変更された年収で学習し、年収基準データを再生成する。

Description

年収提案システム、年収提案方法及びプログラム
　本発明は、過去の履歴書や職務経歴書から所定の基準で年収を提案する年収提案システム、年収提案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開示されている。
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、この応募者には、どの程度の年収を提示するのかが妥当なのかといった採用担当者の課題を解決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、過去に受付けた履歴書を学習し、新たに受付けた履歴書に係る応募者の年収を予測して提案する年収提案システム、年収提案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、過去に受付けた履歴書データと採用後の年収の相関関係を学習し、履歴書から年収を判断する基準となる年収基準データを生成する年収基準データ生成手段と、
　前記年収基準データに基づいて、受付けた新たな履歴書データに係る応募者の年収を提案する年収提案手段と、を備えることを特徴とする年収提案システムを提供する。
　第１の特徴に係る発明によれば、過去に受付けた履歴書データと採用後の年収の相関関係を学習し、履歴書から年収を判断する基準となる年収基準データを生成し、年収基準データに基づいて、受付けた新たな履歴書データに係る応募者の年収を提案する。
　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、前記相関関係を学習する履歴書データに対応する応募者の年収が人事評価データに基づき変更された場合に、変更された年収で学習し、前記年収基準データを再生成するデータ変更モジュールをさらに備える年収提案システムを提供する。
　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、前記年収提案手段は、当該履歴書データを収集している企業内の平均年収又は、業界の給与基準に基づいて、提案する年収を調整する年収提案システムを提供する。
　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、前記年収提案手段は、当該履歴書データを収集している企業の売上額に基づいて、提案する年収を調整する年収提案システムを提供する。
　第５の特徴に係る発明は、第１の特徴に係る発明であって、前記年収基準データ生成手段は、年収基準データ生成する際に、前記履歴書データから、特徴量の候補となるテキストを履歴書のフォーマットを学習することにより抽出する年収提案システムを提供する。
　第６の特徴に係る発明は、第１の特徴に係る発明であって、前記年収基準データ生成手段は、年収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年収提案システムを提供する。
　本発明によれば、コンピュータシステムが、過去に受付けた履歴書を学習し、新たに受付けた履歴書に係る応募者の年収を予測して提案することが可能となる。
図１は、年収提案システム１の機能ブロックを示す図である。 図２は、年収提案コンピュータ１００が実行する学習及び提案処理を示すフローチャートである。 図３は、年収提案コンピュータ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、年収提案コンピュータ１００が実行する特徴量候補抽出処理を示すフローチャートである。 図５は、履歴書データの具体的な構成を示す図である。 図６は、年収提案コンピュータ１００が実行する水準を考慮した年収提案処理を示すフローチャートである。 図７は、年収提案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。
　［年収提案システム１のシステム構成］
　図１に基づいて、年収提案システム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年収提案システム１のシステム構成を示す図である。年収提案システム１は、少なくとも、年収提案コンピュータ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、履歴書データデータベース５０を含む。
　以下では、年収提案システム１は、人事コンピュータ２００、履歴書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、履歴書データデータベース５０が年収提案コンピュータ１００と、個別のハードウェアコンピュータでなく、これらのハードウェアや機能が年収提案コンピュータ１００に含まれていてもよい。
　年収提案コンピュータ１００と人事コンピュータ２００及び、年収提案コンピュータ１００と履歴書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て、データ通信が行われる。年収提案コンピュータ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。履歴書データデータベース５０は、年収提案コンピュータ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、年収提案システム１のハードウェア構成と機能について説明する。
　年収提案コンピュータ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。
　年収提案コンピュータ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、年収提案モジュール１６０、年収記憶モジュール１７０、フォーマット読取モジュール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。
　履歴書データデータベース５０は、複数の履歴書データを記憶するデータベースであって、後述する年収基準データを記憶してよい。年収提案コンピュータ１００は、年収基準データに基づいて、応募者から得た履歴書データを決定された年収毎に選別して記憶する。
　［学習及び提案処理］
　次に、図２に基づいて、年収提案システム１が実行する学習及び提案処理について説明する。図２は、年収提案コンピュータ１００が実行する学習及び提案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、年収提案コンピュータ１００は、年収基準データを生成するために、採用担当者等の端末もしくは応募者が使用する端末から複数の過去の履歴書データを受信する（ステップＳ１０）。ここで、履歴書データとは、採用試験の応募者が提出した学歴、職歴が記載されたデータであって、いわゆる履歴書及び職務経歴書に関するデータである。履歴書データは、例えば、応募者個人の経歴、能力、性格に関するデータであってよく（図５参照）、これらの情報が応募者の個人を特定する情報と対応付けられている。なお、応募者の過去の職務（転職している場合は複数の職務）でのそれぞれの年収に関するデータを含めてもよい。年収提案コンピュータ１００は、履歴書データを履歴書データデータベース５０に記憶する。
　そして、年収提案コンピュータ１００は、受信した個々の履歴書データについて、採用後の年収を採用担当者等の端末から受信する（ステップＳ１１）。すなわち、当該履歴書データの応募者が採用されて、最終的に決定された年収を、採用担当者が所定の端末に入力する。採用担当者の端末からこの年収を履歴書データと対応付けて（履歴書データ毎のシリアルＩＤ等を付与して）、年収提案コンピュータ１００に送信する。これを受信した年収提案コンピュータ１００は、年収と履歴書データを対応付けて、履歴書データデータベース５０に記憶する。
　次に、年収提案コンピュータ１００の基準データ学習モジュール１５０は、履歴書データデータベース５０に記憶された履歴書データと年収から、年収額を判断する基準となる年収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、履歴書データと年収（具体的な数値）の対応付けを、教師ありデータとして学習し、年収を判断するための年収基準データを生成する。
　この学習処理とは、履歴書データと年収の相関関係を学習する処理であって、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、年収額毎の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（年収額毎）を予測結果とする。データの構成要素としては、応募者の「直前の役職」、「直前の会社名」、「直近の会社規模」、「資格」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、年収基準データを生成する。この方法は、過去の履歴書データに類似した履歴書データは、その年収に近似すると提案する年収基準データを生成する。
　また、ナイーブベイズ法であれば、上記の特徴量ごと及び年収ごとの確率を算出し、各特徴量ごと及び年収ごとのスコアをつけて、このスコアを足し合わせて、スコアの高さでどの年収が適切かを判断する。この判断するための関数が年収基準データとなる。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（年収の数値ごと）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、(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、年収提案コンピュータ１００は、提案する履歴書データを、採用担当者等の端末から受信する（ステップＳ１３）。そして、年収提案モジュール１６０が、提案する履歴書データを、年収基準データに当てはめて、年収額を提案する（ステップＳ１４）。さらに、年収記憶モジュール１７０が、提案した年収を履歴書データと対応付けて、履歴書データデータベース５０に記憶する（ステップＳ１５）。
　そして、年収が提案された場合、この提案結果の履歴書データに基づいて、再学習し、データ変更モジュール１９２が、新たに、年収基準データを生成する（ステップＳ１６）。ここで、年収提案コンピュータ１００が年収を判定した結果を学習するのみならず、この履歴書データに対応する応募者に対して、採用担当者が現実に、年収を決定し、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、履歴書データごとに、採用担当者の端末から最終的な年収を受信して、履歴書データに対応付けて記憶され、学習が行われる。
　ステップＳ１６の後は、新たな履歴書データを受信して提案を繰り返すため、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、採用した後に、人事評価を行い、年収基準データを、年収提案コンピュータ１００が変更する処理について説明する。最初に、年収提案コンピュータ１００が、人事コンピュータ２００から履歴書データに対応付けられた人事評価データを取得する（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、応募者の人事評価及び査定された年収を記憶し、年収提案コンピュータ１００からの要求に応じて、評価された年収を含む人事評価データを応募者毎に年収提案コンピュータ１００に送信する。
　次に、年収提案コンピュータ１００は、取得した人事評価データから年収が変更された履歴書データを抽出し（ステップＳ２１）、新たな年収に基づいて、再学習を行い、年収基準データを変更（再生成）する。
　このように、応募者に対して、人事評価後の処理を行うことにより、応募者を採用した後の人事評価の結果も加味した年収基準データを生成して、年収を提案することができる。
　［特徴量候補抽出処理］
　次に、図４に基づいて、年収提案コンピュータ１００が、履歴書データを受信して、学習するための特徴量の候補を履歴書データから抽出する特徴量候補抽出処理について説明する。年収提案コンピュータ１００のフォーマット読取モジュール１９０は、新しい履歴書データを採用担当者等の端末から受信すると、履歴書のフォーマットを受信する度に学習する（ステップＳ０５）。すなわち、履歴書及び職務経歴書は、様々な記載の書式があることから、氏名等の個人情報や、職歴、学歴などの記載場所を画像認識して、その画像を学習する。ここでの学習とは、履歴書データのどの位置に、所定のテキスト文字が配列されているかを学習する。
　そして、フォーマット読取モジュール１９０は、学習した画像から、テキスト文字を抽出する（ステップＳ０６）。そして、抽出したテキスト文字から、特徴量候補となる文字を抽出する（ステップＳ０７）。例えば、履歴書データから抽出したページ数は、特徴量の候補とはならないが、資格は特徴量の候補として抽出される。この候補の抽出は、予め、人が指定してもよいし、深層学習により年収提案コンピュータ１００が自ら特徴量を抽出してもよい。このようにして抽出された特徴量の候補から、学習及び提案処理で年収提案が行われる。
　［水準を考慮した年収提案処理］
　次に、図６に基づいて、年収提案コンピュータ１００が、学習及び提案処理で年収基準データを生成して、年収を提案した後に、その年収を所定の水準で調整する処理について説明する。年収提案コンピュータ１００は、ステップＳ１４で生成した年収のデータを受信する。そして、年収提案コンピュータ１００は、採用担当者が操作する端末からの入力で、給与水準を参照する（ステップＳ３１）。ここで給与水準とは、年収を決めるための水準となる数値であってよく、例えば、来年度（すなわち、決定した年収を給与として支払う年度）に、予想されるその企業の平均年収や、来年度予想される業界の平均的な給与額、その企業の来年度の売上予測額から導かれる給与水準であってよい。
　年収提案コンピュータ１００のデータ変更モジュール１９２は、この給与水準に基づいて、履歴書データに対応する年収を変更する。これを複数の履歴書データで実行し、再度、学習を行い、年収基準データを再生成（以前の年収基準データを変更）する（ステップＳ３２）。この処理によって、将来的に予想される給与水準の変動を含めた年収提案を実行することが可能となる。
　図７は、判定結果の後に、年収提案コンピュータ１００が応募者の年収を判断して、所定の端末にその提案を示した画面イメージ図である。年収提案コンピュータ１００は、単に、年収を表示してもよいが、提案する前後の年収を表示し、その年収が提案されるべき確率を表示してもよい。この確率の算出は、例えば、各年収ごとに、ナイーブベイズ法を適用することで算出できる。
　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　年収提案システム、１００　年収提案コンピュータ、２００　人事コンピュータ

Claims (8)

  1. 　過去に受付けた履歴書データと採用後の年収の相関関係を学習し、履歴書から年収を判断する基準となる年収基準データを生成する年収基準データ生成手段と、
    　前記年収基準データに基づいて、受付けた新たな履歴書データに係る応募者の年収を提案する年収提案手段と、
    　を備えることを特徴とする年収提案システム。
  2. 　前記相関関係を学習する履歴書データに対応する応募者の年収が人事評価データに基づき変更された場合に、変更された年収で学習し、前記年収基準データを再生成するデータ変更モジュールをさらに備える請求項１に記載の年収提案システム。
  3. 　前記年収提案手段は、当該履歴書データを収集している企業内の平均年収又は、業界の給与基準に基づいて、提案する年収を調整する請求項１に記載の年収提案システム。
  4. 　前記年収提案手段は、当該履歴書データを収集している企業の売上額に基づいて、提案する年収を調整する請求項１に記載の年収提案システム。
  5. 　前記年収基準データ生成手段は、年収基準データ生成する際に、前記履歴書データから、特徴量の候補となるテキストを履歴書のフォーマットを学習することにより抽出する請求項１に記載の年収提案システム。
  6. 　前記年収基準データ生成手段は、年収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に記載の年収提案システム。
  7. 　過去に受付けた履歴書データと採用後の年収の相関関係を学習し、履歴書から年収を判断する基準となる年収基準データを生成するステップと、
    　前記年収基準データに基づいて、受付けた新たな履歴書データに係る応募者の年収を提案するステップと、
    　を備えることを特徴とする年収提案方法。
  8. 　年収提案システムに、
    　過去に受付けた履歴書データと採用後の年収の相関関係を学習し、履歴書から年収を判断する基準となる年収基準データを生成するステップ、
    　前記年収基準データに基づいて、受付けた新たな履歴書データに係る応募者の年収を提案するステップ、
    　を実行させるためのプログラム。

     
PCT/JP2016/075484 2016-08-31 2016-08-31 年収提案システム、年収提案方法及びプログラム WO2018042550A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/075484 WO2018042550A1 (ja) 2016-08-31 2016-08-31 年収提案システム、年収提案方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/075484 WO2018042550A1 (ja) 2016-08-31 2016-08-31 年収提案システム、年収提案方法及びプログラム

Publications (1)

Publication Number Publication Date
WO2018042550A1 true WO2018042550A1 (ja) 2018-03-08

Family

ID=61300490

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/075484 WO2018042550A1 (ja) 2016-08-31 2016-08-31 年収提案システム、年収提案方法及びプログラム

Country Status (1)

Country Link
WO (1) WO2018042550A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108510241A (zh) * 2018-03-27 2018-09-07 郝力云 一种人才测评系统
JP2020057097A (ja) * 2018-09-28 2020-04-09 株式会社プチジョブ 情報処理装置、情報処理方法、およびプログラム
JP2020135598A (ja) * 2019-02-22 2020-08-31 株式会社三菱総合研究所 情報処理装置、情報処理方法及びプログラム
WO2021221094A1 (ja) * 2020-04-30 2021-11-04 株式会社ネオキャリア マッチングシステム、マッチング装置、マッチング方法、マッチングプログラム
JP7231782B1 (ja) 2022-08-30 2023-03-01 株式会社ビズリーチ 情報処理システム、方法及びプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002117175A (ja) * 2000-10-04 2002-04-19 Nippon Jinzai Center Kk 通信ネットワーク利用による求人情報照会システム
JP2008059433A (ja) * 2006-09-01 2008-03-13 Fujitsu Ltd 属性間の部分関係抽出する装置、方法、及びプログラム
JP2015082316A (ja) * 2013-10-23 2015-04-27 長谷川　聡 収入算出装置、キャリアコンサルティングシステム、収入算出方法及びキャリアコンサルティング方法、並びに、収入算出方法のプログラム及びキャリアコンサルティング方法のプログラム、及び、それらのプログラムを記録した記録媒体

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002117175A (ja) * 2000-10-04 2002-04-19 Nippon Jinzai Center Kk 通信ネットワーク利用による求人情報照会システム
JP2008059433A (ja) * 2006-09-01 2008-03-13 Fujitsu Ltd 属性間の部分関係抽出する装置、方法、及びプログラム
JP2015082316A (ja) * 2013-10-23 2015-04-27 長谷川　聡 収入算出装置、キャリアコンサルティングシステム、収入算出方法及びキャリアコンサルティング方法、並びに、収入算出方法のプログラム及びキャリアコンサルティング方法のプログラム、及び、それらのプログラムを記録した記録媒体

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108510241A (zh) * 2018-03-27 2018-09-07 郝力云 一种人才测评系统
JP2020057097A (ja) * 2018-09-28 2020-04-09 株式会社プチジョブ 情報処理装置、情報処理方法、およびプログラム
JP7138932B2 (ja) 2018-09-28 2022-09-20 株式会社プチジョブ 情報処理装置、情報処理方法、およびプログラム
JP2020135598A (ja) * 2019-02-22 2020-08-31 株式会社三菱総合研究所 情報処理装置、情報処理方法及びプログラム
WO2021221094A1 (ja) * 2020-04-30 2021-11-04 株式会社ネオキャリア マッチングシステム、マッチング装置、マッチング方法、マッチングプログラム
JP7231782B1 (ja) 2022-08-30 2023-03-01 株式会社ビズリーチ 情報処理システム、方法及びプログラム
JP2024033103A (ja) * 2022-08-30 2024-03-13 株式会社ビズリーチ 情報処理システム、方法及びプログラム

Similar Documents

Publication Publication Date Title
Berryhill et al. Hello, World: Artificial intelligence and its use in the public sector
WO2018042550A1 (ja) 年収提案システム、年収提案方法及びプログラム
US20210035044A1 (en) Task-level Answer Confidence Estimation for Worker Assessment
CN110070391B (zh) 数据处理方法、装置、计算机可读介质及电子设备
CN104781837B (zh) 用于通过使用基于事件的情绪分析来形成预测的系统和方法
US9275332B2 (en) Systems, methods, and computer program products for expediting expertise
US9542452B1 (en) Systems and methods for identifying and ranking successful agents based on data analytics
KR101856478B1 (ko) 인사데이터의 분석을 통한 특정행위 발생 예측방법 및 예측프로그램
US11900320B2 (en) Utilizing machine learning models for identifying a subject of a query, a context for the subject, and a workflow
US11004005B1 (en) Electronic problem solving board
Kokkodis Dynamic, multidimensional, and skillset-specific reputation systems for online work
US20170103335A1 (en) Success support system, information processing device, method, and program
US20220014597A1 (en) Computer-implemented system and method for distributed activity detection
CN115129832A (zh) 经由聊天机器人促进关于产品支持问题的故障排除对话
CN110738511A (zh) 智能客服方法及装置
Hooshyar et al. [Retracted] Predicting Course Grade through Comprehensive Modelling of Students’ Learning Behavioral Pattern
CN112819024A (zh) 模型处理方法、用户数据处理方法及装置、计算机设备
US11973657B2 (en) Enterprise management system using artificial intelligence and machine learning for technology analysis and integration
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
JP2019160089A (ja) 情報処理装置、情報処理方法及び情報処理プログラム
US20180012229A1 (en) Computer-Implemented System And Method For Providing Contextually Relevant Servicing
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
KR102414960B1 (ko) 프로모션 대상 선별 방법 및 그 장치
US20210342808A1 (en) Utilizing machine learning to determine whether an in-person customer follows a merchant on social media
JP6483931B2 (ja) キャリア提案システム、キャリア提案方法及びプログラム

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: 16915111

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 06.06.2019)

NENP Non-entry into the national phase

Ref country code: JP

122 Ep: pct application non-entry in european phase

Ref document number: 16915111

Country of ref document: EP

Kind code of ref document: A1