WO2022264349A1 - マッチング装置、スキル抽出装置、スキル抽出方法、スキル抽出プログラム - Google Patents

Abstract

作業者の保有するスキルに関する情報が自然文で記載された文書を解析してスキル表現と、当該スキル表現に対応した動作表現を抽出する抽出部１０１と、抽出部１０１で抽出されたスキル表現、及び、スキル表現に対応した動作表現を、スキル名称、及び、スキル評価値に変換する変換部１０２と、変換部１０２で変換されたスキル名称、及び、スキル評価値と、タスクを担当する作業者に要求されるスキル名称、及び、スキル要求値との類似度を算出する類似度算出部１０３と、類似度算出部１０３で算出された類似度に基づいて、タスクを担当する作業者、又は、前記作業者の担当するタスクを提案する提案部１０４とを備え、変換部１０２は、抽出部１０１で抽出されたスキル表現に対応した動作表現を実行する難易度が高い場合、スキル表現に対応した動作表現を実行する難易度が低い場合に比べて、高いスキル評価値に変換する。

Description

マッチング装置、スキル抽出装置、スキル抽出方法、スキル抽出プログラム

　本開示は、マッチング装置、スキル抽出装置、スキル抽出方法、スキル抽出プログラムに関する。

　従来から、或るタスクを担当するのに適した作業者を、保有するスキルの異なる複数の作業者の中から提案する技術がある。
　また、作業者が担当するのに適したタスクを、夫々異なるスキルを要する複数のタスクの中から提案する技術がある。
　以降、タスクを担当する作業者の提案、及び、作業者が担当するタスクの提案をまとめて、タスクと作業者のマッチングと称する。

　特許文献１には、従業員（作業者）が担当するのに最適なタスクを、従業員に提示する技術が開示されている。具体的には、特許文献１には、従業員のスキルの特徴ベクトルと、タスクの特徴ベクトルとのコサイン類似度を求め、従業員のスキルの特徴ベクトルとのコサイン類似度が大きい特徴ベクトルのタスクを従業員に提示することが開示されている。スキル／タスクの特徴ベクトルは、そのスキル／タスクに対するタグ付と、それぞれのタグに対して、求められているレベルとによって定義される。例えば、｛会計知識：初級者レベル｝のように表される。ここで示した例では、会計知識というタグの要求レベルが初級者レベルであることを意味している。

　特許文献２には、作業者の業務経歴書など自然言語で書かれた文書の構造および意味を解析することで、作業者のスキルを特定することが開示されている。より具体的には、特許文献２には、作業者のスキルについて自然言語で書かれた文章と、作業者のスキルを特定するための質問・回答表とを関連付け、関連付けられた文章から質問・回答表の回答を抽出することで、作業者のスキルを特定することが開示されている。特許文献２に開示された技術によれば、特許文献１で得られるような｛会計知識：初級者レベル｝といった、スキル名とそのスキルレベルをそれぞれ自動的に抽出することが可能となる。

特許第６３４３０７９号公報 国際公開第２００５／０１０７８９号

　特許文献１に開示された技術においては、作業者のスキル、及び、タスクを担当する作業者に要求されるスキルを予め登録しておかなければ、作業者とタスクをマッチングすることができない。また、特許文献１に開示された技術においては、作業者のスキル、及び、タスクを担当する作業者に要求されるスキル（スキルに関する情報）は多岐に渡るため、スキルに関する情報を登録する作業に煩わしさを感じることがあった。

　特許文献２に開示された技術においては、自然言語で書かれた文書から作業者のスキルを特定するが、スキルを特定するための質問・回答表（スキルに関する情報）を予め登録しておかなければ、作業者のスキルを特定することができない。また、特許文献２に開示された技術においては、どのようなスキルが文書に書かれているかを予測するのは難しく、スキルに関する情報を登録する作業に煩わしさを感じることがあった。

　本開示は、上述した問題点を解決するためになされたものであり、スキルに関する情報を登録する煩わしさを低減した、作業者とタスクのマッチング装置を提供することを目的とするものである。

この開示に係るマッチング装置は、作業者の保有するスキルに関する情報が自然文で記載された文書を解析してスキル表現と、当該スキル表現に対応した動作表現を抽出する抽出部と、前記抽出部で抽出された前記スキル表現、及び、当該スキル表現に対応した動作表現を、スキル名称、及び、スキル評価値に変換する変換部と、前記変換部で変換された前記スキル名称、及び、前記スキル評価値と、タスクを担当する作業者に要求されるスキル名称、及び、スキル要求値との類似度を算出する類似度算出部と、前記類似度算出部で算出された前記類似度に基づいて、前記タスクを担当する作業者、又は、前記作業者の担当するタスクを提案する提案部とを備え、前記変換部は、前記抽出部で抽出された前記スキル表現に対応した動作表現を実行する難易度が高い場合、前記スキル表現に対応した動作表現を実行する難易度が低い場合に比べて、高いスキル評価値に変換することを特徴とする。

　本開示によれば、スキルに関する情報を登録する煩わしさを低減した、作業者とタスクのマッチング装置を提供することができるという効果を奏する。

実施形態１に係るマッチング装置の機能ブロックの一例を示す図である。 マッチング装置のハードウェア構成の一例を示す図である。 マッチング装置の処理を示すフローチャート図である。 実施形態２に係るマッチング装置の機能ブロックの一例を示す図である。 マッチング装置の処理を示すフローチャート図である。 提案部１０４により２次元に次元圧縮された特徴情報（散布図）の一例である。 提案部１０４により３次元に次元圧縮された特徴情報（グラフ）の一例である。

　以下に添付図面を参照して、本開示に係るマッチング装置、スキル抽出装置、スキル抽出方法、スキル抽出プログラムの実施の形態を詳細に説明する。各実施の形態に係るマッチング装置は、作業者のスキルを自然文で記載された文書から抽出し、タスクを担当する作業者の提案、又は、作業者が担当するタスクの提案をするためのものである。また、スキル抽出装置は、作業者のスキルを自然文で記載された文書から抽出するためのものである。

　ここで、「自然文」とは、人間が日常生活で用いる書き言葉、及び／又は、話し言葉で入力された文字列をいう。また、「自然文で記載された文書」は、例えば、履歴書（業務履歴書、職務経歴書、エントリーシート）、論文、報告書など、少なくとも、スキル表現とスキル表現に対応する動作表現を含む文章をいう。ここで、「スキル表現」とは、作業者のスキルを特定するための文字列であり、例えば、資格名称、製品名称、サービス名称、又は、作業名称などを含む。また、「スキル表現」は、１文節に限らず、２文節以上であってもよい。「スキル表現に対応した動作表現」とは、スキル表現について、その動作・作用・性質・状態などを叙述する文節をいう。具体的には、「スキル表現に対応する動作表現」は、作業者がスキルを実行した際の動作の態様を示し、作業者のスキルを評価（スキル評価値を算出）するための文字列である。作業者のスキル評価値を算出する態様については後述する。「スキル表現に対応する動作表現」は、１文節に限らず、２文節以上であってもよい。なお、「自然文で記載された文書」は、例えば、「語学レベル（英語）：中級」のようなスキル表現とスキル表現に対応する動作表現を対応づけた文字列であってもよい。なお、「自然文で記載された文書」は、話者の発言を公知の方法でテキスト化した文字列であってもよい。

・実施の形態１
　図１は、実施形態１に係るマッチング装置の機能ブロックの一例を示す図である。
　マッチング装置１は、抽出部１０１、変換部１０２、類似度算出部１０３、提案部１０４、ルールＤＢ１０５、及び、タスクＤＢ１０６を備える。ここで、抽出部１０１、変換部１０２、及び、ルールＤＢ１０５は、スキル抽出装置１０を構成する。マッチング装置１（スキル抽出装置１０）は、作業者の保有するスキルに関する情報が自然文で記載された１又は複数の文書を図示せぬ外部装置から取得する。

　ここで、マッチング装置１が、「金融システムの大規模改修に取り組んでいる。具体的には、Ｗｅｂアプリケーションとの連携に取り組んでいる。現時点では、Ｗｅｂアプリケーションの試験実行の自動化を実現した。」と自然文で記載された文書を取得した例を挙げて説明する。

　まず、抽出部１０１は、外部装置から取得した作業者の保有するスキルに関する情報が自然文で記載された文書を解析してスキル表現、及び、スキル表現に対応した動作表現を抽出する。ここで、抽出部１０１は、対象言語の文法及び／又は単語の品詞等の情報に基づき、自然文で記載された文書を形態素の文字列（文節）に分割し、それぞれの形態素の意味などを判別してスキル表現、及び、スキル表現に対応した動作表現を抽出してもよい。また、抽出部１０１は、例えば、ＧｉＮＺＡ（https://megagonlabs.github.io/ginza/）のような多言語依存構造解析の技術や、非特許文献１に記載されているような機械学習などの公知技術を用いて、スキル表現と、スキル表現に対応する動作表現のペアを抽出してもよい。

Lample, G., Ballesteros, M., Subramanian, S., Kawakami, K., & Dyer, C. (2016). Neural Architectures for Named Entity Recognition. In Proceedings of the 2016 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (pp. 260-270).

　ここで、抽出部１０１は、表１に示すような、スキル表現、及び、スキル表現に対応した動作表現のペアを抽出したものとする。

　ところで、表１には、スキル表現、及び、スキル表現に対応した動作表現が夫々１文字ずつ示されている。しかしながら、抽出部１０１は、１文字以上の文字列を、スキル表現に対応した動作表現として抽出してもよい。具体的には、抽出部１０１は、自然文で記載された文書を連続したｎ個の文字列で分割するテキスト分割方法を用いて、スキル表現の前方及び／又は後方のｎ個の文字列をスキル表現に対応した動作表現として抽出してもよい。ｎは、任意の自然数が設定されればよい。例えば、「Ｗｅｂアプリケーションの拡張開発に取り組んでいる。」という文書に対して、スキル表現、及び、スキル表現の後方の２個の文字列を動作表現として抽出した場合、｛スキル表現：Ｗｅｂアプリケーション，動作表現：拡張開発に，取り組んでいる｝となる。このように、テキスト分割方法を用いることにより、節の中心となる動詞だけでなく、それを修飾する修飾語も抽出することが可能となる。これにより、作業者がスキルを実行した際の動作（動作表現により実現される動作）の態様を詳細に特定することが可能となり、結果、作業者のスキルをより精度よく評価することが可能となる。また、抽出部１０１は、これに限らず、自然文で記載された文書を連続したｎ文字の文字列で分割するテキスト分割方法（Ｎ－ｇｒａｍ）を用いて、スキル表現の前方及び／又は後方のｎ文字の文字列をスキル表現に対応した動作表現として抽出してもよい。例えば、「Ｗｅｂアプリケーションの拡張開発に取り組んでいる。」という文書に対して、５文字の文字列を動作表現として抽出した場合、｛スキル表現：Ｗｅｂアプリケーション，動作表現：拡張開発に／張開発に取／開発に取り／発に取り組／に取り組ん／取り組んで／り組んでい／組んでいる｝となる。そして、抽出部１０１は、これらの文字列を解析することでスキル表現に対応した動作表現を抽出してもよい。なお、抽出部１０１は、自然文で記載された文書に含まれる解析に不要な文字列の削除や表記ゆれの統一などの前処理を実施してもよい。

　変換部１０２は、抽出部１０１で抽出されたスキル表現、及び、動作表現を、スキル名称、及び、スキル評価値に変換する。また、変換部１０２は、抽出部１０１で抽出された動作表現を実行する難易度が高い場合、動作表現を実行する難易度が低い場合に比べて、高いスキル評価値に変換する。例えば、｛動作表現：１００人の作業者を管理した｝と｛動作表現：１０人の作業者を管理した｝では、前者の方が管理対象の作業者の数が多いため、動作表現を実行する難易度が高いと推定する。また、｛動作表現：資格Ａの１級を取得した｝と｛動作表現：資格Ａの２級を取得した｝では、前者の方が上位の資格を取得しているため、動作表現を実行する難易度が高いと推定する。また、｛動作表現：プロジェクトＡのマネジャーとして参画した｝と｛動作表現：プロジェクトＡのメンバーとして参画した｝では、前者の方が上位の役職を担当しているため、動作表現を実行する難易度が高いと推定する。

　ここで、更に、変換部１０２は、抽出部１０１で抽出されたスキル表現のうち、出現回数又は出現率が閾値以上のスキル表現のみを変換の対象としてもよい。例えば、表１において、｛スキル表現：金融システム｝の出現回数は１回、｛スキル表現：Ｗｅｂアプリケーション｝の出現回数は２回である。そして、閾値が２回と設定されていた場合、変換部１０２は、出現回数が閾値以上である｛スキル表現：Ｗｅｂアプリケーション｝のみを変換の対象とする。閾値は、スキル表現、動作表現、又は、夫々の組み合わせに対応づけて設定されればよい。これにより、変換部１０２は、作業者の保有するスキルとして提案されるべきではないノイズが、作業者の保有するスキルとして提案される可能性を抑制することができる。また、変換部１０２は、スキル表現、又は、動作表現として適切ではない文字列を変換の対象から除外することができる。また、変換部１０２は、抽出部１０１で抽出されたスキル表現をスキル名称に変換するが、表記ゆれの統一などの処理を実施してもよい。

　ところで、変換部１０２は、ルールＤＢ１０５を参照して、抽出部１０１で抽出されたスキル表現、及び、動作表現を、スキル名称、及び、スキル評価値に変換してもよい。ルールＤＢ１０５には、動作表現をスキル評価値に変換する規則が設定されている。ルールＤＢ１０５に記憶された規則の例を表２に示す。ルールＤＢ１０５には、動作表現の意味が事実（ポジティブ）、希望・願望、事実（ネガティブ）の何れを示すかに応じて異なるスキル評価値（基礎点数）が設定されている。

　具体的には、ルールＤＢ１０５には、抽出部１０１で抽出されたスキル表現に対応した動作表現がポジティブな意味を示す場合、スキル表現に対応した動作表現がネガティブな意味を示す場合に比べて、高い基礎点数が設定されている。これにより、変換部１０２は、抽出部１０１で抽出されたスキル表現に対応した動作表現がポジティブな意味を示す場合、スキル表現に対応した動作表現がネガティブな意味を示す場合に比べて、高いスキル評価値に変換することができる。例えば、スキル表現に対応した動作表現がポジティブ又はネガティブな意味を示すかの判別は、極性辞書を用いることで実現できる。

　また、ルールＤＢ１０５は、抽出部１０１で抽出されたスキル表現に対応した動作表現がポジティブな事実を示す場合、スキル表現に対応した動作表現が希望又は願望を示す場合に比べて、高い基礎点数が設定されている。これにより、変換部１０２は、抽出部１０１で抽出されたスキル表現に対応した動作表現がポジティブな意味を示す場合、スキル表現に対応した動作表現が希望又は願望を示す場合に比べて、高いスキル評価値に変換することができる。

　また、ルールＤＢ１０５は、抽出部１０１で抽出されたスキル表現に対応した動作表現が希望又は願望を示す場合、スキル表現に対応した動作表現がネガティブな事実を示す場合に比べて、高い基礎点数が設定されている。これにより、変換部１０２は、抽出部１０１で抽出されたスキル表現に対応した動作表現が希望又は願望を示す場合、スキル表現に対応した動作表現がネガティブな事実を示す場合に比べて、高いスキル評価値に変換することができる。

　なお、ルールＤＢ１０５のスキル評価値は、設計段階で定められてもよいし、装置の管理者が設定変更できるようにしてもよい。

　表３は、変換部１０２により変換されたスキル名称と、スキル評価値の例である。このように、変換部１０２は、スキル表現に対応した動作表現に基づいて、スキル名称に対するスキル評価値を定量的に示すことが可能となる。

　類似度算出部１０３は、変換部１０２で変換されたスキル名称及びスキル評価値と、タスクを担当する作業者に要求されるスキル名称及びスキル要求値との類似度をタスクＤＢ１０６を参照して算出する。タスクＤＢ１０６には、タスク名称、タスクを担当する作業者に要求されるスキル名称、及び、タスクを担当する作業者に要求されるスキル評価値（スキル要求値）がタスク情報として記憶されている。表４は、タスクＤＢ１０６に記憶されたタスク情報の例である。ここで、１つのタスク（タスクＡ）に対して、タスクを担当する作業者に要求されるスキル（金融システム）が１つのみしか設定されていないが、複数のスキルが設定されてもよい。

　類似度算出部１０３は、スキル名称が同一、且つ、作業者のスキル評価値とタスクのスキル要求値の差が小さい場合、作業者のスキル評価値とタスクのスキル要求値の差が大きい場合に比べて類似度を高く算出する。更に、類似度算出部１０３は、スキル名称が同一、且つ、作業者のスキル評価値がタスクのスキル要求値以上の場合、作業者のスキル評価値がタスクのスキル要求値未満の場合に比べて、類似度を高く算出する。ここで、類似度算出部１０３は、例えば、特許文献１に記載されているように、スキル名称とスキル評価値をベクトルとみなして算出されるコサイン類似度を用いてもよいし、その他の距離の指標（ユークリッド距離、ＫＬダイバージェンス）を用いてもよい。また、類似度算出部１０３は、類似度を数値で示すだけではなく、高，低などのレベルで示しても良い。

　ここで、表３に示されたスキルを有する作業者Ａと、表４に示されたスキルを要するタスクＡ，Ｂとの類似度を表５に示す。作業者Ａの保有するスキルのうち、Ｗｅｂアプリケーションのスキル評価値は、タスクＢのスキル要求値を満たす。そのため、作業者ＡとタスクＢの類似度は「高」と算出されている。一方、作業者Ａの保有するスキルのうち、金融システムのスキル評価値は、タスクＡのスキル要求値を満たさない。そのため、作業者ＡとタスクＡの類似度は「低」と算出されている。

　提案部１０４は、類似度算出部１０３で算出された類似度に基づいて、タスクを担当する作業者、又は、作業者の担当するタスクを提案する。具体的には、提案部１０４は、類似度算出部１０３で算出された類似度が最も高い、タスクを担当する作業者、又は、作業者の担当するタスクを提案する。従って、提案部１０４は、表５に示すように、タスクＡを担当する作業者として、類似度が担当者Ａ、Ｂのなかで最も高い担当者Ｂを提案する。また、提案部１０４は、表５に示すように、作業者Ａが担当するタスクとして、類似度がタスクＡ、Ｂのなかで最も高いタスクＢを提案する。また、提案部１０４は、類似度が最も高い作業者又はタスクを提案するだけでなく、類似度を降順に並び替えた複数の作業者又は複数のタスクの一覧を提案してもよい。また、提案部１０４は、スキル評価値、及び／又はスキル要求値、を降順に並び替えた複数の作業者又は複数のタスクの一覧を提案してもよい。なお、提案部１０４は、タスクを担当する作業者、又は、作業者の担当するタスクを、表示部に表示してもよいし、インタフェース部を介して外部の装置に出力してもよい。

　図２は、マッチング装置１のハードウェア構成の一例を示す図である。
　マッチング装置１は、ＣＰＵ２１、メモリ２２、記憶部２３、操作部２４、表示部２５、及び、インタフェース部２６を備える。ＣＰＵ２１は、メモリ２２に格納されたプログラム及び各種データを利用することにより、図１に示す、抽出部１０１、変換部１０２、類似度算出部１０３、及び、提案部１０４という各機能を実現する。メモリ２２及び／又は記憶部２３は、ＣＰＵ２１で利用される各種プログラム（スキル抽出プログラム、マッチングプログラム）や各種データ（ルールＤＢ１０５、タスクＤＢ１０６）を記憶する。インタフェース部２６は、図示せぬ外部装置に接続されており、自然文で記載された文書を入力したり、マッチング結果を示す情報を出力したりする。表示部２５は、例えば、液晶ディスプレイであり、ＣＰＵ２１から出力された画像を表示する。表示部２５は、マッチング結果を示す情報を出力表示してもよい。操作部２４は、例えば、マウスやキーボードであり、ユーザからの操作を受け付ける。なお、マッチング装置１は、表示部２５、記憶部２３、及び／又は操作部２４を備えず、外付けの構成を採用してもよい。また、マッチング装置１は、例えば、クラウド上に存在する記憶部２３を利用してもよい。また、マッチング装置１は、ソフトウェアプログラムを記憶する記憶部２３と、その他のデータを記憶する記憶部２３とを分けてもよい。また、ＣＰＵ２１とメモリ２２は、１つの処理回路で実現されてもよい。また、マッチング装置１のハードウェア構成は、図２に示すマッチング装置１のハードウェア構成と同様である。

　図３は、マッチング装置１の処理を示すフローチャート図である。
　抽出部１０１は、作業者の保有するスキルに関する情報が自然文で記載された１又は複数の文書を解析してスキル表現、及び、スキル表現に対応した動作表現を抽出する（ステップＳ３０１）。

　変換部１０２は、抽出部１０１で抽出されたスキル表現及びスキル表現に対応した動作表現を、スキル名称及びスキル評価値に変換する（ステップＳ３０３）。

　類似度算出部１０３は、変換部１０２で変換されたスキル名称及びスキル評価値と、タスクＤＢ１０６に記憶されたタスクを担当する作業者に要求されるスキル名称及びスキル要求値との類似度を算出する（ステップＳ３０５）。

　提案部１０４は、類似度算出部１０３で算出された類似度に基づいて、タスクを担当する作業者、又は、作業者の担当するタスクを提案する（ステップＳ３０７）。

　本開示の構成によれば、作業者のスキルを自然文で記載された文書から抽出し、タスクを担当する作業者、又は、作業者が担当するタスクを提案することができる。即ち、本開示の構成によれば、作業者のスキル、及び、タスクを担当する作業者に要求されるスキルを予め登録しておく必要がない。従って、本開示の構成によれば、スキルに関する情報を登録する煩わしさを低減した、作業者とタスクのマッチング装置を提供することができる。

・実施の形態２
　実施の形態１において、マッチング装置１は、スキル表現に対応した動作表現に基づいて、スキル名称に対するスキル評価値を定量的に示した。しかしながら、特定のスキル名称（例えば、金融システム）のスキルを、その他のスキル名称（例えば、Ｗｅｂアプリケーション）のスキルよりも優先して評価したい場合がある。このような場合に対応するため、実施の形態２においては、特定のスキル名称のスキル評価値に対して重み付けできるようにした。

　図４は、実施形態２に係るマッチング装置の機能ブロックの一例を示す図である。
　マッチング装置１ａは、実施形態１に係るマッチング装置１の構成に加えて重み付け部１０７及び重み付けＤＢ１０８を備える点で異なる。重み付けＤＢ１０８には、表６に示すように、スキル名称と、スキル名称に対応付けられた重み付け値が記憶されている。重み付けＤＢ１０８には、スキル名称に対応したスキルの保有人数又は保有率が閾値よりも低い程、高い重み付け値が設定されている。また、重み付けＤＢ１０８には、スキル名称に対応したスキルが要求されるタスクの件数又は割合が閾値よりも高い程、高い重み付け値が設定されている。重み付けＤＢ１０８の重み付け値及び閾値は、設計段階で定められてもよいし、装置の管理者が設定変更できるようにしてもよい。また、重み付けＤＢ１０８の重み付け値及び閾値は、スキル名称ごとに異なる値が設定されていてもよい。

　重み付け部１０７は、重み付けＤＢ１０８を参照し、変換部１０２で変換されたスキル評価値に対して、変換部１０２で変換されたスキル名称に対応付けられた重み付け値で重み付けする。これにより、特定のスキルを保有する作業者のスキル評価値を高く算出することが可能となり、結果、特定のスキルを必要とする作業の担当者として提案されやすくすることができる。

　また、重み付け部１０７は、重み付けＤＢ１０８を参照し、変換部１０２で変換されたスキル名称に対応したスキルの保有者数又は保有率が閾値未満の場合、変換部１０２で変換されたスキル名称に対応したスキルの保有者数又は保有率が閾値以上の場合に比べて、変換部１０２で変換されたスキル評価値に対する重み付けを大きくしてもよい。これにより、希少なスキルを保有する作業者のスキル評価値を高く算出することが可能となり、結果、希少なスキルを必要とする作業の担当者として提案されやすくすることができる。

　また、重み付け部１０７は、重み付けＤＢ１０８を参照し、変換部１０２で変換されたスキル名称に対応したスキルが要求されるタスクの件数又は割合が閾値未満の場合、変換部１０２で変換されたスキル名称に対応したスキルが要求されるタスクの件数又は割合が閾値以上の場合に比べて、変換部１０２で変換されたスキル評価値に対する重み付けを大きくする。これにより、スキルを必要とする希少なタスクに、該当のスキルを保有する作業者を優先的に提案することができる。

　重み付け部１０７により重み付けされたスキル名称とスキル評価値を表７に示す。

　表７に示すように、重み付けにより、作業者の金融システムのスキル評価１．１が１．６５（１．１×１．５）算出される。そして、該当の作業者のスキル評価値は、表４に示された金融システムのタスクに要求されるスキル要求値を満たすことになる。これにより、作業者Ａが担当するタスクとしてタスクＡを提案すること、及び、タスクＡの担当者として作業者Ａを提案することが可能となる。

　ここで、スキル評価値は、基礎点数と重み付け値の乗算により算出されているが、基礎点数と重み付け値の加算により算出されてもよい。

　図５は、実施の形態２に係るマッチング装置１の処理を示すフローチャート図である。
　抽出部１０１は、作業者の保有するスキルに関する情報が自然文で記載された１又は複数の文書を解析してスキル表現、及び、スキル表現に対応した動作表現を抽出する（ステップＳ３０１）。

　変換部１０２は、抽出部１０１で抽出されたスキル表現及びスキル表現に対応した動作表現を、スキル名称、及び、スキル評価値に変換する（ステップＳ３０３）。

　重み付け部１０７は、重み付けＤＢ１０８を参照し、変換部１０２で変換されたスキル名称に対応付けられた重み付け値で、変換部１０２で変換されたスキル評価値に重み付けする（ステップＳ３０４）。

　類似度算出部１０３は、重み付け部１０７で重み付けされたスキル名称及びスキル評価値と、タスクＤＢ１０６に記憶されたタスクを担当する作業者に要求されるスキル名称及びスキル要求値との類似度を算出する（ステップＳ３０５）。

提案部１０４は、類似度算出部１０３で算出された類似度に基づいて、タスクを担当する作業者、又は、作業者の担当するタスクを提案する（ステップＳ３０７）。

　本開示の構成によれば、特定のスキル名称のスキル評価値に対して重み付けすることができる。即ち、本開示の構成によれば、特定のスキルを保有する作業者のスキル評価値を高く算出することが可能となり、結果、特定のスキルを必要とする作業の担当者として提案されやすくすることができる。また、希少なスキルを保有する作業者のスキル評価値を高く算出することが可能となり、結果、希少なスキルを必要とする作業の担当者として提案されやすくすることができる。

・実施の形態３
　実施の形態１において、提案部１０４は、タスクを担当する作業者、又は、作業者の担当するタスクを一覧形式（リスト形式）で提示した。しかしながら、一覧形式では、タスクを担当する作業者のスキル、又は、作業者の担当するタスクが要するスキルの数が増加するにつれて視認性が低下する恐れがあった。そこで、提案部１０４は、類似度算出部１０３で算出された類似度に基づいて特定された、タスクを担当する作業者のスキルを示すベクトル、又は、作業者の担当するタスクが要するスキルを示すベクトルを次元圧縮した特徴情報を提示してもよい。これにより、提案部１０４は、タスクを担当する作業者のスキル、又は、作業者の担当するタスクが要するスキルの数が増加したとしても、視認性の低下を抑制することができる。ここで、次元圧縮の方法は特に限定されず、例えば、主成分分析（principal component analysis;PCA）、ＳＮＥ（Stochastic Neighbor Embedding）、ｔ－ｓｎｅ（t-distributed SNE）などの公知の次元圧縮技術を用いればよい。

図６は、提案部１０４により２次元に次元圧縮された特徴情報（散布図）の一例である。
図７は、提案部１０４により３次元に次元圧縮された特徴情報（グラフ）の一例である。
　図６、７における軸（次元）は、次元圧縮されたスキルを示す。また、図６、７において提案部１０４は、作業者が担当するタスクを提案するためのデータ点Ｄ１～５を示している。ただし、提案部１０４は、タスクを担当する作業者を提案するためのデータ点を示してもよい。提案部１０４は、或るスキルを保有する作業者のデータ点Ｄ１～５に対し、類似度の高いスキルを保有する作業者のデータ点を近い位置に表示し、類似度の低いスキルを保有する作業者のデータ点は遠い位置に表示する。また、提案部１０４は、或るスキルを要するタスクのデータ点に対し、類似度の高いスキルを要するタスクのデータ点を近い位置に表示し、類似度の低いスキルを要するタスクのデータ点を遠い位置に表示してもよい。更に、提案部１０４は、データ点Ｄ１～５に対応付けられたメタデータ（例えば、作業員・タスクの属性、作業者の保有するスキルの数、タスクが要するスキルの数）に応じて作業員又はタスクの描画態様を異なる図形や色で表示してもよい。また、提案部１０４は、データ点の選択操作に応じて、そのデータ点に対応づけられたメタデータＭ１を表示してもよい。

　本開示の構成によれば、タスクを担当する作業者のスキル、又は、作業者の担当するタスクが要するスキルの数が増加したとしても、視認性の低下を抑制したマッチング装置１を提供することができる。

・実施の形態４
実施の形態１では、或るタスクを担当する作業者を１人だけ提案した。また、実施の形態１では、或る作業者が担当するタスクを１つだけ提案した。しかしながら、１つのタスクを遂行する際に、複数人の作業者を要する場合がある。また、１人の作業者が複数のタスクを同時に遂行する場合がある。そこで、実施の形態４においては、１つのタスクを担当する複数人の作業者を提案する態様、及び、１人の作業者が担当する複数のタスクを提案する態様について説明する。

　実施形態４に係るマッチング装置の機能ブロックは、図１に示された、実施形態１に係るマッチング装置の機能ブロックと同じである。以下、相違する機能について説明する。　

・１つのタスクを担当する複数人の作業者を提案する場合
　類似度算出部１０３は、変換部１０２で変換された複数の作業者が保有するスキル評価値の合算値と、１つのタスクを担当する複数の作業者に要求されるスキル要求値との類似度を算出する。そして、提案部１０４は、類似度算出部１０３で算出された類似度に基づいて、１つのタスクを担当する複数人の作業者を提案する。ここで、類似度算出部１０３は、１つのタスクを担当する複数の作業者に要求されるスキル要求値と、特定の作業者が保有するスキル評価値との差分値を求め、差分値を満たすスキル評価値を保有する１又は複数人の作業者を特定してもよい。

・１人の作業者が担当する複数のタスクを提案する場合
　類似度算出部１０３は、複数のタスクを担当する作業者に要求されるスキル要求値の合算値と、変換部１０２で変換された１人の作業者が保有するスキル評価値との類似度を算出する。そして、提案部１０４は、類似度算出部１０３で算出された類似度に基づいて、１人の作業者が担当する複数のタスクを提案する。ここで、類似度算出部１０３は、１人の作業者が保有するスキル評価値と、特定のタスクを担当する作業者に要求されるスキル要求値との差分値を求め、差分値を満たすスキル要求値を要する１又は複数のタスクを特定してもよい。

　本開示の構成によれば、１つのタスクを担当する複数人の作業者、又は、１人の作業者が担当する複数のタスクを提案することができる。

・その他の応用例
　上述した実施例は本発明の実施の一例に過ぎず、以下のような構成を追加／変更した応用例が考えられる。

　上述したスキル抽出装置１０が実施する作業者のスキルを自然文で記載された文書から抽出する処理は、スキル抽出方法として構成されてもよいし、コンピュータを機能させるためのプログラムとして構成されてもよい。また、上述したマッチング装置１が実施する作業者とタスクをマッチングする処理は、マッチング方法として構成されてもよいし、コンピュータを機能させるためのプログラムとして構成されてもよい。

　１　マッチング装置、　１０　スキル抽出装置（スキル抽出部）、　１０１　抽出部、　１０２　変換部、　１０３　類似度算出部、　１０４　提案部、　１０５　ルールＤＢ、１０６　タスクＤＢ、　１０７　重み付け部、　１０８　重み付けＤＢ、　２１　ＣＰＵ、　２２　メモリ、　２３　記憶部、　２４　操作部、　２５　表示部、　２６　インタフェース部。

Claims (14)

1. 　作業者の保有するスキルに関する情報が自然文で記載された文書を解析してスキル表現と、当該スキル表現に対応した動作表現を抽出する抽出部と、
   　前記抽出部で抽出された前記スキル表現、及び、当該スキル表現に対応した動作表現を、スキル名称、及び、スキル評価値に変換する変換部と、
   　前記変換部で変換された前記スキル名称、及び、前記スキル評価値と、タスクを担当する作業者に要求されるスキル名称、及び、スキル要求値との類似度を算出する類似度算出部と、
   　前記類似度算出部で算出された前記類似度に基づいて、前記タスクを担当する作業者、又は、前記作業者の担当するタスクを提案する提案部とを備え、
   　前記変換部は、
   　前記抽出部で抽出された前記スキル表現に対応した動作表現を実行する難易度が高い場合、前記スキル表現に対応した動作表現を実行する難易度が低い場合に比べて、高いスキル評価値に変換する
   　ことを特徴とするマッチング装置。
2. 　前記変換部は、更に、
   　前記抽出部で抽出された前記スキル表現に対応した動作表現がポジティブな意味を示す場合、前記スキル表現に対応した動作表現がネガティブな意味を示す場合に比べて、高いスキル評価値に変換する
   　ことを特徴とする請求項１に記載されたマッチング装置。
3. 　前記変換部は、更に、
   　前記抽出部で抽出された前記スキル表現に対応した動作表現がポジティブな事実を示す場合、前記スキル表現に対応した動作表現が希望又は願望を示す場合に比べて、高いスキル評価値に変換する
   　ことを特徴とする請求項１又は２に記載されたマッチング装置。
4. 　前記変換部は、更に、
   　前記抽出部で抽出された前記スキル表現に対応した動作表現が希望又は願望を示す場合、前記スキル表現に対応した動作表現がネガティブな事実を示す場合に比べて、高いスキル評価値に変換する
   　ことを特徴とする請求項１～３の何れか１項に記載されたマッチング装置。
5. 　前記変換部は、更に、
   　前記抽出部で抽出された前記スキル表現のうち、出現回数又は出現率が閾値よりも高いスキル表現を変換の対象とする
   　ことを特徴とする請求項１～４の何れか１項に記載されたマッチング装置。
6. 　前記マッチング装置は、更に、
   　前記変換部で変換された前記スキル評価値に対して、前記変換部で変換された前記スキル名称に対応付けられた重み付け値で重み付けする重み付け部を備える
   　ことを特徴とする請求項１～５の何れか１項に記載されたマッチング装置。
7. 　前記重み付け部は、
   　前記変換部で変換された前記スキル名称に対応したスキルの保有者数又は保有率が閾値未満の場合、前記変換部で変換された前記スキル名称に対応したスキルの保有者数又は保有率が閾値以上の場合に比べて、前記変換部で変換された前記スキル評価値に対する重み付けを大きくする
   　ことを特徴とする請求項６に記載されたマッチング装置。
8. 　前記重み付け部は、
   　前記変換部で変換された前記スキル名称に対応したスキルが要求されるタスクの件数又は割合が閾値未満の場合、前記変換部で変換された前記スキル名称に対応したスキルが要求されるタスクの件数又は割合が閾値以上の場合に比べて、前記変換部で変換された前記前記スキル評価値に対する重み付けを大きくする
   　ことを特徴とする請求項６に記載されたマッチング装置。
9. 　前記提案部は、
   　前記類似度算出部で算出された前記類似度に基づいて特定された、前記タスクを担当する作業者のスキル、又は、前記作業者の担当するタスクが要するスキルを次元圧縮した特徴情報を提示する
   　ことを特徴とする請求項１～８の何れか１項に記載されたマッチング装置。
10. 　前記類似度算出部は、
    　１つのタスクを担当する複数の作業者に要求されるスキル要求値と、前記変換部で変換された複数の作業者が保有するスキル評価値の合算値と、の類似度を算出し、
    　前記提案部は、
    　前記類似度算出部で算出された前記類似度に基づいて、前記１つのタスクを担当する複数の作業者を提案する
    　ことを特徴とする請求項１～９の何れか１項に記載されたマッチング装置。
11. 　前記類似度算出部は、
    　前記変換部で変換された１人の作業者が保有するスキル評価値と、複数のタスクを担当する作業者に要求されるスキル要求値の合算値と、の類似度を算出し、
    　前記提案部は、
    　前記類似度算出部で算出された前記類似度に基づいて、前記１人の作業者が担当する複数のタスクを提案する
    　ことを特徴とする請求項１～９の何れか１項に記載されたマッチング装置。
12. 　作業者の保有するスキルに関する情報が自然文で記載された文書を解析してスキル表現と、当該スキル表現に対応した動作表現を抽出する抽出部と、
    　前記抽出部で抽出された前記スキル表現、及び、当該スキル表現に対応した動作表現を、スキル名称、及び、スキル評価値に変換する変換部とを備え、
    　前記変換部は、
    　前記抽出部で抽出された前記スキル表現に対応した動作表現を実行する難易度が高い場合、前記スキル表現に対応した動作表現を実行する難易度が低い場合に比べて、高いスキル評価値に変換する
    　ことを特徴とするスキル抽出装置。
13. 　作業者の保有するスキルに関する情報が自然文で記載された文書を解析してスキル表現と、当該スキル表現に対応した動作表現を抽出する抽出ステップと、
    　前記抽出ステップで抽出された前記スキル表現、及び、当該スキル表現に対応した動作表現を、スキル名称、及び、スキル評価値に変換する変換ステップとを備え、
    　前記変換ステップは、
    　前記抽出ステップで抽出された前記スキル表現に対応した動作表現を実行する難易度が高い場合、前記スキル表現に対応した動作表現を実行する難易度が低い場合に比べて、高いスキル評価値に変換する
    　ことを特徴とするスキル抽出方法。
14. 　作業者の保有するスキルに関する情報が自然文で記載された文書を解析してスキル表現と、当該スキル表現に対応した動作表現を抽出する抽出ステップと、
    　前記抽出ステップで抽出された前記スキル表現、及び、当該スキル表現に対応した動作表現を、スキル名称、及び、スキル評価値に変換する変換ステップとを備え、
    　前記変換ステップは、
    　前記抽出ステップで抽出された前記スキル表現に対応した動作表現を実行する難易度が高い場合、前記スキル表現に対応した動作表現を実行する難易度が低い場合に比べて、高いスキル評価値に変換する処理
    　をコンピュータに実行させることを特徴とするプログラム。

Images