WO2025004533A1 - 職務経歴情報収集装置および職務経歴情報を収集する方法 - Google Patents

職務経歴情報収集装置および職務経歴情報を収集する方法 Download PDF

Info

Publication number
WO2025004533A1
WO2025004533A1 PCT/JP2024/016937 JP2024016937W WO2025004533A1 WO 2025004533 A1 WO2025004533 A1 WO 2025004533A1 JP 2024016937 W JP2024016937 W JP 2024016937W WO 2025004533 A1 WO2025004533 A1 WO 2025004533A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
work history
information
history information
unit
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/JP2024/016937
Other languages
English (en)
French (fr)
Inventor
昌治 板谷
和輝 松井
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Murata Manufacturing Co Ltd
Original Assignee
Murata Manufacturing Co Ltd
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 Murata Manufacturing Co Ltd filed Critical Murata Manufacturing Co Ltd
Priority to DE112024001958.7T priority Critical patent/DE112024001958T5/de
Priority to CN202480042996.4A priority patent/CN121420317A/zh
Priority to JP2025529477A priority patent/JPWO2025004533A1/ja
Priority to PCT/JP2024/022516 priority patent/WO2025004983A1/ja
Priority to JP2025530081A priority patent/JP7831698B2/ja
Publication of WO2025004533A1 publication Critical patent/WO2025004533A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/186—Templates
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/242—Dictionaries
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/55—Rule-based translation
    • G06F40/56—Natural language generation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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

Definitions

  • This disclosure relates to a work history information collection device and a method for collecting work history information.
  • the resume plays a very important role as one of the factors that a hiring company uses to determine whether a job seeker meets the hiring requirements. For this reason, it is necessary that the resume contains all the information required of a job seeker.
  • Patent document 1 JP Patent Publication 2016-212533 A describes a document analysis device that acquires criteria data regarding the presence or absence of required information corresponding to the type of document to be analyzed, such as a resume, and uses the analyzed data and the criteria data to determine whether required data related to the required information is present in the analyzed document.
  • Patent Document 1 The document analysis device described in Patent Document 1 is unable to check for the presence of duplicate information regarding required information when such information exists.
  • This disclosure has been made to solve the problems mentioned above, and its purpose is to collect work history information so that all required information is included without omission or duplication.
  • the work history information collection device includes an acquisition unit that acquires format information including necessary information to be included in a work history document, a collection unit that collects work history information related to a user's work history, and a storage unit that stores a natural language processing algorithm, and the collection unit collects work history information corresponding to the necessary information by interacting with the user using the natural language processing algorithm stored in the storage unit.
  • a method is a method for collecting work history information, the method comprising: causing a computer to execute a step of acquiring format information including required information to be included in a work history document; and a step of collecting work history information related to a user's work history, the step of collecting including a step of collecting work history information corresponding to the required information by interacting with the user using a natural language processing algorithm.
  • This disclosure makes it possible to collect work history information without missing any required information and without duplication.
  • FIG. 1 is a block diagram showing an overview of a matching system.
  • 2 is a block diagram showing the configurations of a sharing server, a recruiter device, and an applicant device.
  • FIG. FIG. 2 is a block diagram showing a configuration of a generation server.
  • FIG. 2 is a diagram illustrating an example of a company database.
  • FIG. 4 is a diagram illustrating an example of a member database.
  • FIG. 4 is a diagram illustrating an example of a community database.
  • FIG. 2 is a diagram illustrating an example of a recruitment request database.
  • FIG. 4 is a diagram illustrating an example of a user database.
  • FIG. 2 is a diagram showing an example of a dialogue between a production server and a user.
  • FIG. 2 is a diagram showing an example of a dialogue between a production server and a user.
  • FIG. 13 is a diagram showing an example of a dialogue between a generation server and a user (with dictionary registration);
  • FIG. 13 is a diagram showing an example of a dialogue between a generation server and a user (with dictionary registration);
  • FIG. 1 is a diagram for explaining the function of a generation server in terms of a divergence phase and a convergence phase.
  • FIG. 2 is a diagram illustrating a functional configuration of a generation server.
  • 13 is a flowchart showing a processing procedure of a data import unit.
  • 13 is a flowchart showing a processing procedure of an information acquisition unit.
  • FIG. 13 is a flowchart showing a processing procedure of a dictionary information registration unit; 13 is a flowchart showing a processing procedure of a dictionary information display unit. 13 is a flowchart showing a processing procedure of an information organizing unit. 13 is a flowchart showing a processing procedure of a resume registration unit. 10 is a timing chart showing the processing procedures of the sharing server, the recruiter device, the applicant device, and the generation server regarding a resume.
  • FIG. 13 is a diagram illustrating a functional configuration of a generation server according to a modified example.
  • FIG. 13 is a diagram showing another example of a dialogue between the generation server and the user.
  • FIG. 13 is a diagram showing another example of a dialogue between the generation server and the user.
  • FIG. 13 is a flowchart showing a processing procedure of an IPC classification unit.
  • FIG. 13 is a diagram showing an example of a resume including an IPC.
  • FIG. 13 is a diagram showing an example of a resume including an IPC.
  • FIG. 13 is a diagram showing an example of a resume including an IPC.
  • FIG. 13 is a diagram showing an example of a resume including an IPC.
  • [Overall configuration] 1 is a block diagram showing an overview of a matching system 1.
  • the matching system 1 is used, for example, for crowdsourcing between companies. Crowdsourcing is generally a process of soliciting contributions from an unspecified number of people to obtain needed services, ideas, or content.
  • the matching system 1 includes a sharing server 100, recruiter devices 200A, 200B, 200C, etc., applicant devices 300A, 300B, 300C, etc., and a generation server 400.
  • the sharing server 100 provides a matching service to many companies that matches business orders and receipts between companies.
  • Figure 1 shows company A, company B, company C, etc. as examples of companies that use the matching service.
  • Company A, company B, company C, etc. are registered as corporate members of the matching system 1.
  • Employees of company A, company B, company C, etc. who use the matching system 1 are also individually registered as members of the matching system 1.
  • the work arranged by the matching system 1 is, for example, temporary work that is expected to be completed in a predetermined period of time. Therefore, a person who accepts a work arranged by the matching system 1 will work in the specific department to which they belong within the company as their main job, and will be engaged in each of the jobs arranged by the matching system 1 as a side job.
  • an applicant from company A can also accept work from company A. Therefore, in the matching system 1, an applicant from a different department Y of company A is also permitted to accept work from department X of company A.
  • a job for which contractors are being recruited in matching system 1 may be referred to as a "recruited job” or a "recruited case”
  • a person providing a recruited case may be referred to as a “recruiter”
  • a person applying to receive a recruited case may be referred to as an "applicant.”
  • Applying for a recruited job may be referred to as an "application for the recruited job” or an "application for the recruited case.”
  • a database 120 necessary for the matching service is constructed.
  • the database 120 includes various databases in which information necessary for providing the matching service is registered. For example, information on members and recruitment operations is registered in the database 120.
  • the sharing server 100 is managed and operated by a company separate from the companies that use the matching service. Any of the companies that use the matching service may manage and operate the sharing server 100.
  • recruiter device 200A is operated by an administrator of company A.
  • recruiter device 200B is operated by an administrator of company B.
  • recruiter device 200C is operated by an administrator of company C.
  • recruiter devices 200A, 200B, 200C... may be collectively referred to as "recruiter device 200.”
  • Applicant device 300A is operated by an applicant from company A.
  • Applicant device 300B is operated by an applicant from company B.
  • Applicant device 300C is operated by an applicant from company C.
  • applicant devices 300A, 300B, 300C... may be collectively referred to as "applicant device 300.”
  • FIG. 1 shows two applicants for each company, the number of applicants is not limited to this. There may be more applicants for each company, or a company may have only one applicant. Sharing server 100 may also accept applicants who do not belong to a company, such as freelancers.
  • recruiters can also act as applicants for jobs being recruited by other recruiters.
  • the recruiter device 200 functions as the applicant device 300.
  • the device that the manager uses to use the matching service is referred to as the recruiter device 200.
  • Company A may have one or more managers. When company A has managers, each manager may be given a recruiter device 200, or one recruiter device 200 may be shared by multiple managers. The same applies to companies B, C, etc.
  • the sharing server 100 and the recruiter device 200 are configured to be able to communicate with each other via the Internet 50, which is an example of a communication line network.
  • the sharing server 100 and the applicant device 300 are configured to be able to communicate with each other via the Internet 50.
  • the sharing server 100 When accepting access from the recruiter device 200, the sharing server 100 requests sign-in with the input of a member ID and password. Similarly, when accepting access from the applicant device 300, the sharing server 100 requests sign-in with the input of a member ID and password. The sharing server 100 identifies each recruiter and applicant by the member ID notified at the time of sign-in.
  • the recruiter device 200 accepts various operations by the recruiter.
  • the recruiter device 200 accepts operations such as inputting a recruitment case (requested work), inputting an evaluation of a contractor who has completed a job, and searching for members of the matching service.
  • the recruiter device 200 communicates with the sharing server 100 in response to each operation on the recruiter device 200.
  • the sharing server 100 registers a recruitment request (requested work) in the database 120 in response to an operation of inputting the recruitment request, registers the evaluation of the target applicant (contractor) in the database 120 in response to an operation of inputting an evaluation, and provides member information to the recruiter device 200 in response to an operation of searching for members.
  • the applicant device 300 accepts various operations by the applicant.
  • the applicant device 300 accepts operations such as searching for job openings, applying for job openings, inputting work results, and inputting an evaluation of the recruiter (client).
  • the applicant device 300 communicates with the sharing server 100 in response to each operation on the applicant device 300.
  • the sharing server 100 provides the applicant device 300 with appropriate recruitment requests in response to an operation to search for recruitment requests, issues a notice of acceptance or rejection to the applicant device 300 in response to an operation to apply for a recruitment request, registers the work results in the database 120 in response to an operation to input the work results, and registers an evaluation of the target recruiter (client) in the database 120 in response to an operation to input an evaluation.
  • a recruiter belonging to one department of company A can hire an applicant belonging to another department of company A as a contractor for a job.
  • a recruiter belonging to company A can hire an applicant belonging to company B as a contractor for a job.
  • Members who use the matching system 1 access the sharing server 100 as recruiters or applicants.
  • members of the matching system 1 may be referred to as "users.”
  • the recruiter device 200 and applicant device 300 operated by members may be collectively referred to as "user device 500.”
  • the sharing server 100 is connected to the generation server 400 so that it can communicate with it.
  • the generation server 400 provides the user with an interface to assist in creating a resume.
  • the generation server 400 has a database 420 built therein that is necessary for providing such an interface to the user.
  • the generation server 400 may be managed by the company that manages the sharing server 100, or may be managed by a company different from the company that manages the sharing server 100.
  • the sharing server 100 may include the functions of the generation server 400.
  • the generation server 400 is communicatively connected to the user device 500 via the Internet 50.
  • the user device 500 includes a recruiter device 200 and an applicant device 300. The user accesses the generation server 400 using the user device 500.
  • the generation server 400 requests sign-in involving input of a member ID and password when accepting access from the user device 500.
  • the generation server 400 identifies the user by the member ID notified at the time of sign-in.
  • the generation server 400 provides the user with an interface to assist in creating a career history. As a result, a career history creation tool is displayed on the screen 550 of the user device 500.
  • the generation server 400 is an example of a career history information collection device.
  • the generation server 400 has the function of collecting all the work history information necessary for creating a career history from the user while interacting with the user by displaying a question box 551 and an answer box 552 on the screen 550.
  • the generation server 400 creates a career history in a standardized format based on the collected work history information.
  • the generation server 400 displays the created career history on the screen 550, giving the user an opportunity to check the career history.
  • the generation server 400 saves the career history that has been checked by the user in the generation server 400.
  • the generation server 400 cooperates with the sharing server 100 and transmits the career history to the recruiter device 200.
  • resumes are generally written in a free format, so the style of the resume varies depending on the writer. Even if writers are required to write in a uniform format, it is difficult to make the accuracy of resumes uniform because each person has a different document writing ability. There is also a risk that duplicate entries will be mixed into the resume due to the writer's carelessness. For this reason, evaluators need time to evaluate each person's work history based on the resume. Also, it is difficult for companies to group each person's work history based on the resume.
  • the generation server 400 is introduced into the matching system 1 based on the above-described background.
  • the generation server 400 collects work history information from the user in an interactive format without omission, and creates a resume in a standardized format.
  • the created resume contains work history related to the required items without omission or duplication.
  • this embodiment it is possible to assist the user in creating a career history in which all required information is included without omission and there is no overlapping information.
  • FIG. 2 is a block diagram showing the configuration of the sharing server 100, the recruiter device 200, and the applicant device 300.
  • the sharing server 100 includes a processor 101 , a memory 102 , a storage 103 , and a communication interface 104 .
  • Memory 102 may include a RAM (Random Access Memory), a ROM (Read Only Memory), flash memory, or any other suitable memory system. Memory 102 stores programs necessary for the arithmetic processing of processor 101, temporary data calculated in the arithmetic processing, etc.
  • RAM Random Access Memory
  • ROM Read Only Memory
  • flash memory or any other suitable memory system. Memory 102 stores programs necessary for the arithmetic processing of processor 101, temporary data calculated in the arithmetic processing, etc.
  • Storage 103 is composed of a hard disk drive, a solid state drive, etc.
  • Database 120 is stored in storage 103.
  • Database 120 includes multiple types of databases.
  • the multiple types of databases include a company database (company DB) 121, a member database (member DB) 122, a community database (community DB) 123, and a job posting database (job posting DB) 124.
  • Some of these multiple types of databases may be stored in storage provided separately from the sharing server 100.
  • the sharing server 100 may be connected to a cloud service separate from the sharing server 100, and some of the multiple types of databases shown in FIG. 2 may be stored on that cloud.
  • the sharing server 100 can access the necessary databases by communicating with that cloud via the Internet 50.
  • the processor 101 connects to the Internet 50 via the communication interface 104 in accordance with the program stored in the memory 102.
  • the processor 101 connects to the Internet 50 and communicates with the recruiter device 200 and the applicant device 300.
  • the processor 101 accesses the database 120 and executes processes such as extracting necessary data, registering new data in the database 120, and updating data registered in the database 120.
  • the recruiter device 200 includes a processor 201, a memory 202, a communication interface 203, an input/output interface 204, a display 205, and an operation unit 206.
  • the operation unit 206 is composed of a mouse, a keyboard, and the like.
  • Memory 202 includes a RAM (Random Access Memory), a ROM (Read Only Memory), flash memory, or any other suitable memory system. Memory 202 stores programs necessary for the arithmetic processing of processor 201, temporary data calculated in the arithmetic processing, etc.
  • RAM Random Access Memory
  • ROM Read Only Memory
  • flash memory or any other suitable memory system. Memory 202 stores programs necessary for the arithmetic processing of processor 201, temporary data calculated in the arithmetic processing, etc.
  • the processor 201 connects to the Internet 50 via the communication interface 203 in accordance with the program stored in the memory 202.
  • the processor 201 connects to the Internet 50 and communicates with the sharing server 100.
  • the processor 201 communicates with the sharing server 100 and executes processes such as sending recruitment requests, displaying information on applicant members on the display 205, ordering work from a contractor selected from the applicants, and sending the contents of the evaluation of the contractor entered by the recruiter to the sharing server 100.
  • Information entered by operating the operation unit 206 is notified to the processor 201 via the input/output interface 204.
  • the applicant device 300 comprises a processor 301, a memory 302, a communication interface 303, an input/output interface 304, a display 305, and an operation unit 306.
  • the operation unit 306 is made up of a mouse, a keyboard, and the like.
  • Memory 302 includes a RAM (Random Access Memory), a ROM (Read Only Memory), a flash memory, or any other suitable memory system. Memory 302 stores programs necessary for the arithmetic processing of processor 301, temporary data calculated in the arithmetic processing, etc.
  • the processor 301 connects to the Internet 50 via the communication interface 303 in accordance with the program stored in the memory 302.
  • the processor 301 connects to the Internet 50 and communicates with the sharing server 100.
  • the processor 301 communicates with the sharing server 100 and executes processes such as applying for a job posting, displaying a notice of acceptance or rejection of the job posting on the display 305, transmitting the performance of the job posting to the sharing server 100, and transmitting the contents of the evaluation of the recruiter entered by the applicant to the sharing server 100.
  • Information entered by operating the operation unit 306 is notified to the processor 301 via the input/output interface 304.
  • the database 120 will now be described.
  • the company database 121 stores information on companies affiliated with the matching system 1.
  • the member database 122 stores information on members who use the matching system 1. Many of the members are employees of companies affiliated with the matching system 1.
  • Members registered in the member database 122 can act as recruiters (orderers) or applicants (recipients) by using the matching system 1.
  • Members may include employees of companies registered in the company database 121 as well as individuals (freelancers) not affiliated with a company.
  • the community database 123 stores information for identifying companies that belong to a community.
  • a community is formed by agreement between companies. Therefore, multiple communities can be formed depending on how the agreement is reached between the companies.
  • the number of companies that belong to one community can also be set in various ways.
  • a relationship of trust is formed between companies that have a community relationship to the extent determined by the manner of agreement when forming the community.
  • Information for identifying companies that belong to the community is registered for each community in the community database 123.
  • the job posting database 124 stores jobs (job postings) for which contractors are being recruited.
  • employees of each company can work in their own department as a main business within the company, and as members of the matching system 1, they can accept jobs from other departments of their own company or jobs from other companies that are registered in the job posting database 124. In this case, members accept jobs from other departments of their own company or jobs from other companies as a side job.
  • [Configuration of generation server 400] 3 is a block diagram showing the configuration of the generation server 400.
  • the generation server 400 includes a processor 401, a memory 402, a storage 403, and a communication interface 404.
  • Memory 402 includes a RAM (Random Access Memory), a ROM (Read Only Memory), flash memory, or any other suitable memory system. Memory 402 stores programs necessary for the arithmetic processing of processor 401, temporary data calculated in the arithmetic processing, etc.
  • RAM Random Access Memory
  • ROM Read Only Memory
  • flash memory or any other suitable memory system. Memory 402 stores programs necessary for the arithmetic processing of processor 401, temporary data calculated in the arithmetic processing, etc.
  • Storage 403 is composed of a hard disk drive, a solid state drive, etc.
  • a database 420 and a large language model (LLM) 430 are stored in storage 403.
  • the large language model 430 is an example of a natural language processing algorithm.
  • Storage 403 is an example of a memory unit in which a natural language processing algorithm is stored.
  • Large-scale language model 430 is a language model (trained language model) that has been pre-trained by machine learning. A huge amount of text data is used to train large-scale language model 430.
  • Large-scale language model 430 is formed as an autoregressive model that uses a transformer such as GPT (Generative Pre-trained Transformer).
  • GPT Generic Pre-trained Transformer
  • Large-scale language model 430 in this embodiment may include Bard, etc., in addition to GPT (GPT-2, GPT-3, GPT-4).
  • the database 420 includes multiple types of databases.
  • the multiple types of databases include a user database (user DB) 421, a dialogue information database (dialogue information DB) 422, and a dictionary database (dictionary DB) 423.
  • the memory 402 stores a program (algorithm) 410.
  • the processor 401 executes the program (algorithm) 410 to use a large-scale language model 430 to create a resume.
  • the program 410 includes an interaction program 411, a confirmation program 412, and a creation program 413.
  • the processor 401 executes the interaction program 411 to use the large-scale language model 430 to interact with the user. This allows the processor 401 to obtain a large amount of work history information from the user.
  • the processor 401 executes the confirmation program 412 to use the large-scale language model 430 to verify that all work history information required to create a career history has been obtained.
  • the processor 401 executes the creation program 413 to use the large-scale language model 430 to create a career history that conforms to a predefined format.
  • the database 420 will be described below.
  • "work history information” and "work history” are registered for each user's membership ID.
  • "work history information” refers to information used to create a "work history.”
  • the generation server 400 can receive work history information in file format from the user via the user device 500 before interacting with the user. When the generation server 400 receives work history information from the user, it registers the work history information in the user database 421 for each user's membership ID.
  • the generation server 400 creates the work history without interacting with the user.
  • the generation server 400 interacts with the user to obtain work history information from the user.
  • the "work history information” obtained through the interaction is registered by member ID in the interaction information database 422.
  • the generation server 400 creates a "work history” using the "work history information” registered in the interaction information database 422. If "work history information" is registered in the user database 421, the generation server 400 creates a "work history” using the "work history information” registered in the user database 421 and the "work history information” registered in the interaction information database 422.
  • the generation server 400 registers the created “work history” in the user database 421.
  • the configuration of the user database 421 will be described in detail later with reference to FIG. 8.
  • the dictionary database 423 stores terms and their meanings extracted during the dialogue between the generation server 400 and the user.
  • the generation server 400 associates terms in the resume that are registered in the dictionary with the dictionary database 423.
  • the generation server 400 (or the sharing server 100) displays the resume on the user device 500.
  • the generation server 400 (or the sharing server 100) displays the meaning of the term on the user device 500.
  • the large-scale language model 430 or a portion of the multiple types of databases may be stored in storage provided separately from the generation server 400.
  • the generation server 400 may be connected to a cloud service separate from the generation server 400, and a portion of the multiple types of databases shown in FIG. 3 or the large-scale language model 430 may be stored on that cloud.
  • the generation server 400 can access the necessary database or large-scale language model 430 by communicating with that cloud via the Internet 50.
  • the processor 401 connects to the Internet 50 via the communication interface 404 in accordance with the program stored in the memory 402.
  • the processor 401 connects to the Internet 50 and communicates with the user device 500 (see FIG. 1).
  • the processor 401 accesses the database 420 and executes processes such as extracting necessary data, registering new data in the database 420, and updating data registered in the database 420.
  • the processor 401 communicates with the sharing server 100. For example, in response to a request from the sharing server 100, the processor 401 transmits the resume of the member (user) registered in the user database 421 to the sharing server 100.
  • [Company Database 121] 4 is a diagram showing an example of the company database 121.
  • a company ID for identifying the company, a company name, a company address, etc. are registered for each company.
  • members are permitted to apply for jobs recruited by various companies and departments and to receive orders for those jobs.
  • [Member database 122] 5 is a diagram showing an example of the member database 122.
  • Various information about members is registered in the member database 122.
  • the various information about members includes a member ID for identifying the member, the ID of the company to which the member belongs, the member's name, the member's authority, and the department to which the member belongs.
  • Types of member authority include administrator and applicant.
  • a member with administrator authority is given the authority to use the matching system 1 as a recruiter and an applicant.
  • a member with applicant authority is given the authority to use the matching system 1 as an applicant, but is not given the authority to use the matching system 1 as a recruiter.
  • Department heads within a company are given administrator authority to manage the side jobs of their subordinates within their departments.
  • Managers with administrator authority are given the authority to approve applications from their subordinate applicants. Thus, managers function as approvers.
  • [Community Database 123] 6 is a diagram showing an example of the community database 123.
  • Information on communities formed between companies is registered in the community database 123.
  • the community information includes a community ID for identifying the community, a community name, and a list of IDs of companies belonging to the community.
  • Each company can form various communities by reaching an agreement with other companies.
  • a company belonging to a community can change the companies that belong to the community by reaching an agreement with the other companies.
  • the solicited request information includes a request ID for identifying the solicited request, the ID of the company to which the recruiter who registered the solicited request belongs, a list of non-disclosure company IDs, a disclosure level, a request title, an estimated number of man-hours, an estimated period, and a request content.
  • the non-disclosure company ID list contains the IDs of companies that are prohibited from disclosing recruitment information.
  • the disclosure level is set to one of three levels: “Company”, “Within the community”, or “All”. If the disclosure level is set to "All", applicants outside the community will also be disclosed.
  • the IDs of the companies that can view the recruitment requests are shown on the right side of the recruitment request database 124 in Figure 7.
  • the recruitment cases corresponding to each case ID may be referred to as case 001, case 002, case 003, etc., using the case ID.
  • the communities corresponding to each community ID may be referred to as community 01, community 02, community 03, etc., using the community ID
  • the members corresponding to each member ID may be referred to as member P1, member P2, member P3, etc., using the member ID.
  • the companies corresponding to each company ID may be referred to as company A, company B, company C, etc., using part of the company ID.
  • case 002 the disclosure level is set to "within the community.”
  • the companies that have a community relationship with company A, which registered case 002 are company B and company C. Therefore, as shown in FIG. 7, only members belonging to company A, company B, or company C can view case 002.
  • Case 003 has the same registered companies and disclosure level as case 002. However, for case 003, "00B" is registered in the non-disclosure company ID list. Therefore, as shown in Figure 7, only members belonging to either company A or company C can view case 003, and members belonging to company B are not authorized to view case 003.
  • the estimated man-hours and estimated period are used by applicants and matching system 1 to estimate the time it will take to process a recruitment request.
  • each of the company database 121, the member database 122, and the community database 123 may be shared between the sharing server 100 and the generating server 400.
  • the member ID of the recruiter corresponding to the recruitment request may be registered in the recruitment request database 124.
  • FIG. 8 is a diagram showing an example of the user database 421.
  • the "work history information” and “work history” of the member (user) are registered by member ID.
  • the "work history information” refers to information used to create the "work history.”
  • the "work history” is created based on the "work history information.” Note that in this embodiment, the "work history information" may be acquired in advance before the interaction between the generation server 400 and the user, or may be acquired through the interaction between the generation server 400 and the user.
  • the format of the resume is specified in advance by the designer.
  • the format of the resume includes the types of information that need to be included and the order in which the information should be included.
  • the items required to be included in a career history include “formal items” and “substantive items.”
  • formal items include “name,” “age,” “gender,” “work history summary,” “work history (period and content),” “qualifications and skills,” and “self-promotion.”
  • these formal items are arranged in the career history in the following order: “name,” “age,” “gender,” “work history summary,” “work history (period and content),” “qualifications and skills,” and “self-promotion.”
  • the "formal items” shown in FIG. 8 are listed in the order shown in FIG. 8. Note that the types and order of the "formal items” shown in FIG. 8 are merely examples.
  • a resume contains content that corresponds to each of the "formal items.”
  • the content that should be included in a resume includes “substantial items” that are determined in advance. As an example of a "substantial item,” this embodiment introduces an item called "STAR.”
  • STAR is generally known as one of the methods used by interviewers to effectively interview job seekers.
  • "STAR” is a coined word created by combining the initials of "S (Situation),” “T (Task),” “A (Action),” and “R (Result).”
  • the generation server 400 acquires work history information from the user so that the user's work history items related to each of the four items intended by "STAR" are included, and creates a work history using the acquired work history information.
  • format information for the resume is registered.
  • This format information includes the necessary information (formal and substantive information) to be included in the resume.
  • the generation server 400 refers to the format registered in the user database 421 and executes processing related to supporting the creation of a resume.
  • the work history information registered in the user database 421 is the basis for creating a work history, similar to the work history information obtained by the dialogue between the generation server 400 and the user. If no work history information is registered in the user database 421, the generation server 400 creates a work history based on the "work history information" obtained by the dialogue with the user. Therefore, in this disclosure, it is not essential that work history information is registered in the user database 421.
  • the user database 421 is an example of a work history database in which work history information already collected before the dialogue by the collection unit is registered.
  • Work history information is, for example, information about the names, departments, job content, work experience, and employment periods of companies where the user has previously worked, and includes information about the "STAR" mentioned above.
  • work history information is information about qualifications held by the user.
  • Work history information includes fragmentary information about the user's work history. Fragmentary information is, for example, information about one of the multiple required items included in a work history. One of the multiple required items is, for example, information about a qualification held by the user. Alternatively, fragmentary information is information that constitutes part of the required items. For example, if a user holds three qualifications, the fragmentary information is information about one of the three qualifications.
  • the user database 421 has been explained in detail using drawings.
  • the dialogue information database 422 and the dictionary database 423 have already been explained in a manner that allows the reader to understand their respective configurations, so the explanations of the dialogue information database 422 and the dictionary database 423 will not be repeated here.
  • Example of dialogue 9 and 10 are diagrams showing an example of a dialogue between the generation server 400 and a user.
  • the user accesses the generation server 400 using a user device 500.
  • the generation server 400 uses the large-scale language model 430 to dialogue with the user in the following procedure.
  • the generation server 400 diverges the dialogue with the user so that all of the user's work history is acquired without omission from the viewpoint of STAR (Situation, Task, Action, Result) related to the necessary description items.
  • STAR Ses, Task, Action, Result
  • the generation server 400 interacts with the user using the screen of the user device 500. That is, the generation server 400 inquires of the user about their work history by displaying a request or question on the screen of the user device 500. The user answers the inquiry by inputting text using a keyboard or the like of the user device 500. The generation server 400 may also interact with the user by voice.
  • the generation server 400 displays a request message on the screen saying, "Please enter your work history” (step S1).
  • the user responds to the request in step S1 by saying, "I was a lead designer at XX Company” (step S2).
  • the generation server 400 displays the inquiry "What was the work environment like?" on the screen (step S3).
  • the user responds to the inquiry in step S3 by saying "The team was short-staffed and had a large number of backlogged cases.
  • the account manager set an unreasonable deadline, which caused stress for the team and led to low morale" (step S4).
  • the generating server 400 displays the inquiry "Please explain the responsibilities and roles you played in the situation and task at that time” on the screen (step S5).
  • the user responds to the inquiry in step S5 by saying "My role as a team leader was not only to ensure that the team worked within the deadline, but also to communicate the processing capabilities to other departments and maintain the motivation of the team” (step S6).
  • the generation server 400 continues in a similar manner, by interacting with the user in chat format to obtain all of the work history information necessary to create a career history from the user.
  • the generation server 400 then creates a career history based on the work history information.
  • the generation server 400 displays a request message on the screen stating, "I have created a career history. Please check it.” (Step S7).
  • the generation server 400 then presents the created career history to the user (Step S8).
  • the user checks the career history on the screen of the user device 500.
  • the generation server 400 diverges the dialogue between the generation server 400 and the user so that the user's entire work history is acquired without omission from the STAR (Situation, Task, Action, Result) perspective.
  • Step S3 is an example of an inquiry for obtaining work history information corresponding to a "Situation" from a user.
  • Step S5 is an example of an inquiry for obtaining work history information corresponding to a "Task” from a user.
  • an “Action” relates to the method by which the user overcame a "Situation” or a "Task.”
  • a “Result” relates to the outcome obtained by the user's "Action.”
  • the dialogue program 411 includes parameters for allowing the dialogue to diverge in terms of STAR (Situation, Task, Action, Result). Such parameters are designed, for example, by the system administrator of the generation server 400.
  • the generation server 400 may allow the user to send a CSV (Comma Separated Value) file or the like related to work history information from the user device 500 to the generation server 400.
  • CSV Common Separated Value
  • venting are as follows: For example, when information obtained from a user is expanded into a sentence, a situation may arise in which the number of characters in the sentence does not meet the number of characters specified in the required information. More specifically, when asking the question "What is the work environment like?", the answer obtained may not reach the specified number of characters (e.g., 100 characters or more). In such a case, the generation server 400 asks the user an additional question such as "How was your relationship with your direct supervisor?" or "How was your relationship with your colleagues?".
  • the generation server 400 asks the user additional questions. For example, if the reason is not clear from the user's answer, the generation server 400 asks the user additional questions. For example, if the user answers "The team was short-staffed" but the user's answer does not contain any "keywords" indicating the reason for the shortfall, the generation server 400 asks the user additional questions such as "Why were there a shortage of staff?".
  • the generation server 400 may use the large-scale language model 430 to organize the information and present the user with a selection of reasons. For example, assume that the answer obtained from the user is, "The team was short-staffed and had a large number of backlogged cases. The account manager set an unreasonable deadline, which caused stress for the team and low morale.”
  • the generation server 400 determines that, for example, (a) the reason for the shortage of personnel and (b) the reason for the user having a large number of unprocessed cases are insufficient, and presents the user with options to obtain each reason.
  • the generating server 400 may, for example, ask the user, "I understand that there was a personnel shortage. Can the reason be one of the following? (Multiple choices possible),” and present the user with the following options: “A: We can't find enough people even after hiring,” “B: There has been a sudden increase in orders,” “C: Many people are quitting,” and “D: Other (free description).”
  • the generation server 400 may, for example, ask, "I understand that you had a large number of unprocessed cases. Can the reason be one of the following? (Multiple choices possible),” and may present the user with the following options: "A: There was a lack of information sharing between sales and development, and too many cases were accepted compared to the number of developers," "B: The account manager lacked management skills,” “C: The development staff lacked skills,” and “D: Other (free description).”
  • the user might select three options, A, B, and C, in response to (a) above, and two options, A and B, in response to (b) above.
  • the generation server 400 can elicit more detailed information from the user regarding the reasons for (a) and (b) above. For example, before asking the user additional questions, the information obtained from the user is, "The team was understaffed and had a large backlog of cases. The account manager had set unreasonable deadlines, which caused stress for the team and low morale.”
  • the generation server 400 can extract information from the user such as, for example, "There was a lack of information sharing between sales and development, the number of cases was excessive and too rapid compared to the number of developers, and the account managers lacked the management skills to handle all the cases. There were many cases and working hours were somewhat excessive, so people were quitting one after another, and the staffing shortage was worsening. Furthermore, we were looking to hire mid-career employees who could contribute immediately, but we could't find anyone.”
  • FIGS. 9 and 10 are diagrams showing an example of a dialogue (with dictionary registration) between the generation server 400 and the user.
  • the operation of the generation server 400 when the generation server 400 detects a term to be registered in the dictionary database 423 in the dialogue shown in Figs. 9 and 10 already described will be described.
  • the generation server 400 detects "lead designer” from the input in step S2 as a term that is likely to be misunderstood. In this case, the generation server 400 displays the inquiry sentence "Does lead designer mean XXXXX?" on the screen (step S2a).
  • step S2a The user responds to the inquiry in step S2a by saying, "No, I mean XXXXX.” (step S2b). Based on the response in step S2b, the generation server 400 displays the sentence "I understand” on the screen (step S2c). Furthermore, in step S2c, the generation server 400 registers the term "lead designer" and its meaning as a set in the dictionary database 423.
  • the generation server 400 continues to interact with the user, and acquires all of the work history information necessary to create the career history from the user.
  • the generation server 400 then creates the career history based on the work history information.
  • the generation server 400 displays a request message on the screen stating, "Your work history has been created. Please confirm it.” (Step S7).
  • the generation server 400 presents the created career history to the user (Step S8).
  • the term "lead designer" is underlined in the resume.
  • the user understands that the underlined term is linked to the dictionary.
  • the meaning of the term registered in the dictionary database 423 is displayed on the screen.
  • the user checks the resume, which includes a link to the dictionary, on the screen of the user device 500.
  • the generation server 400 registers the resume approved by the user in the user database 421, linking it to the user's membership ID.
  • the resume registered in the user database 421 is sent to the recruiter device 200 at the user's request.
  • the recruiter device 200 displays the resume, including a link to the dictionary, on the recruiter device 200.
  • the recruiter clicks on a term displayed on the screen with a mouse or the like the meaning of the term registered in the dictionary database 423 is displayed on the screen. This allows the recruiter to accurately understand the terms written in the resume.
  • FIG. 13 is a diagram for explaining the contents of the processing executed by the generating server 400 from the viewpoint of a divergence phase and a convergence phase.
  • the generation server 400 has a large-scale language model 430 and a program 410 (a dialogue program 411, a confirmation program 412, and a creation program) that executes processing to support the creation of a resume using the large-scale language model 430.
  • the processing to support the creation of a resume is divided into a divergence phase and a convergence phase, as shown in FIG. 13.
  • the "Dialogue AI (Artificial Intelligence) 4110" is configured by combining the dialogue program 411 and the large-scale language model 430.
  • the dialogue AI 4110 obtains a large amount of work history information required to create a resume from the user. Furthermore, the dialogue AI 4110 asks the user whether the created resume meets the user's intentions.
  • the "confirmation AI 4120” is configured by combining the confirmation program 412 and the large-scale language model 430.
  • the confirmation AI 4120 confirms that all work history information corresponding to the necessary items to be written in the creation of a work history record has been obtained without omission.
  • the "creation (summarization) AI 4130” is configured by combining the creation program 413 and the large-scale language model 430.
  • the creation (summarization) AI 4130 creates a resume that conforms to a predefined resume format.
  • the dialogue AI 4110 chats with the user and obtains from the user work history information related to the necessary items to be included in the resume.
  • the dialogue AI 4110 controls the dialogue so that it diverges from the perspective of "STAR (Situation, Task, Action, Result)" according to parameters designed by the system administrator.
  • the confirmation AI 4120 reads the resume format.
  • the resume format contains the necessary information required to create a resume.
  • the confirmation AI 4120 verifies that all work history information corresponding to the necessary information required to create a resume has been obtained without omission. If there is insufficient work history information, the confirmation AI 4120 instructs the dialogue AI 4110 to continue the dialogue regarding the missing work history information.
  • the dialogue AI 4110 stores the dialogue history. Therefore, when the dialogue AI 4110 is instructed by the confirmation AI 4120 to continue the dialogue, it can continue the dialogue from where it left off, without having to restart a dialogue that has already been completed.
  • divergent dialogue by the dialogue AI 4110 and confirmation by the confirmation AI 4120 are repeated until all work history information corresponding to the necessary items to be included in the creation of a resume is obtained without omission.
  • the generation server 400 moves to the convergence phase.
  • the creation AI (summarization AI) 4130 has the function of arranging the acquired information into a specified format. More specifically, the creation AI 4130 creates a resume that conforms to a predefined resume format.
  • the dialogue AI 4110 presents the created resume to the user. The user checks the resume. If the user determines that the resume does not meet the user's intentions, the user instructs the dialogue AI 4110 to make corrections. In this case, the creation AI 4130 corrects the resume based on the user's correction instructions.
  • the dialogue AI 4110 presents the corrected resume to the user. The user checks the resume.
  • the creation AI 4130 creates (modifies) the resume and the dialogue between the dialogue AI 4110 and the user is repeated until the resume that the user intended is created.
  • FIG. 14 is a diagram showing the functional configuration of the generation server 400.
  • the generation server 400 includes a control unit 4010.
  • the control unit 4010 is realized by the processor 401, memory 402, and communication interface 404 shown in FIG. 3.
  • the control unit 4010 can function as the dialogue AI 4110, the confirmation AI 4120, and the creation AI 4130 shown in FIG. 13 by utilizing the large-scale language model 430.
  • the control unit 4010 executes processing related to the support for creating a resume by accessing the database 420.
  • the control unit 4010 includes a data import unit 4011, an information acquisition unit 4012, a dictionary information registration unit 4013, a dictionary information display unit 4014, an information organization unit 4015, and a resume registration unit 4016.
  • the data import unit 4011 imports work history information that the user already possesses into the dialogue AI 4110.
  • the data import unit 4011 can receive work history information in a specified file format from the user via the user device 500.
  • the control unit 4010 uses the imported work history information to create a resume. In this way, by utilizing work history information that the user already possesses, the dialogue cost of the dialogue AI 4110 can be reduced.
  • the information acquisition unit 4012 acquires work history information from the user using the dialogue AI 4110.
  • the information acquisition unit 4012 uses the confirmation AI 4120 to confirm that all work history information corresponding to the necessary items to be written in the creation of the work history has been acquired without omission.
  • the dictionary information registration unit 4013 registers in the dictionary database 423 unique terms obtained during a dialogue between the user and the dialogue AI 4110.
  • the unique terms may be, for example, information unique to an organization such as a company.
  • the dictionary information display unit 4014 displays the term in the resume in the form of a link.
  • the information sorting unit 4015 uses the creation AI 4130 to create the resume in a specified format.
  • the career history registration unit 4016 stores the created career history in the user database 421.
  • the career history registration unit 4016 generates a link that associates the term written in the career history with the meaning of the term registered in the dictionary database 423, and then stores the career history information in the user database 421.
  • FIG. 15 is a flowchart showing the processing steps of the data import unit 4011.
  • the data import unit 4011 acquires, from the user database 421, format information for the resume and work history information registered before the dialogue between the dialogue AI 4110 and the user (step S11).
  • Step S11 is an example of a collection unit that collects work history information related to the user's work history.
  • step S11 is an example of an acquisition unit that acquires format information including necessary information to be written in the resume.
  • the "work history information registered before the dialogue between the dialogue AI 4110 and the user” refers to the "work history information" shown in FIG. 8.
  • the data import unit 4011 may read the user's work history information from a specified local file.
  • the format information for the work history includes the necessary information to be included in the work history, the order in which the necessary information is to be included, etc.
  • the data import unit 4011 inputs the work history information acquired in step S11 to the dialogue AI 4110 as advance information (step S12).
  • the data import unit 4011 determines whether the work history information acquired in step S11 includes all the information necessary to create a resume (step S13).
  • the data import unit 4011 makes the determination in step S13 by calling the confirmation AI 4120 and referring to the format information of the resume.
  • step S11 If the work history information acquired in step S11 contains all the information necessary to create a resume, no dialogue is required between the dialogue AI 4110 and the user. Therefore, if the work history information acquired in step S11 contains all the information necessary to create a resume, the data import unit 4011 passes the process to the information sorting unit 4015. The information sorting unit 4015 creates the resume.
  • step S11 If the work history information acquired in step S11 does not include all the information necessary to create a work history, the data import unit 4011 passes the process to the information acquisition unit 4012.
  • FIG. 16 is a flowchart showing the processing steps of the information acquisition unit 4012.
  • the information acquisition unit 4012 calls the dialogue AI 4110 and the confirmation AI 4120 using the large-scale language model 430 (step S21).
  • the information acquisition unit 4012 uses the dialogue AI 4110 to dialogue with the user (step S22). As a result, the information acquisition unit 4012 acquires dialogue information (including work history information) from the user.
  • Step S22 is an example of a collection unit that collects work history information related to the user's work history. Furthermore, step S22 is an example of a dialogue unit that collects work history information by dialogue with the user.
  • the information acquisition unit 4012 stores the dialogue information in the dialogue information database 422 (step S23).
  • the dialogue information is information that indicates the history of dialogue with the user.
  • the information acquisition unit 4012 determines whether all work history information corresponding to the necessary items required for creating a resume has been acquired without omission, based on the dialogue information (step S24). At this time, the information acquisition unit 4012 makes the determination of step S24 by referring to the format information acquired in step S11. Note that the information acquisition unit 4012 may acquire format information from the user database 421 in a step separate from step S11. If all work history information corresponding to the necessary items has not been acquired without omission, the information acquisition unit 4012 returns the process to step S22.
  • the information acquisition unit 4012 checks with the user whether there is other work history information (step S25). If there is other work history information, the information acquisition unit 4012 returns the process to step S22. If there is no other work history information, the information acquisition unit 4012 passes the process to the information sorting unit 4015. The information sorting unit 4015 creates a work history.
  • FIG. 17 is a flowchart showing the processing steps of the dictionary information registration unit 4013.
  • the dictionary information registration unit 4013 detects words to be registered in the dictionary during a dialogue between the dialogue AI 4110 and the user (step S31). Words to be registered in the dictionary include proper nouns and polysemous word information. Words to be registered in the dictionary may be information specific to an organization such as a company, for example.
  • the dictionary information registration unit 4013 confirms the meaning of the word with the user (step S32).
  • Step S33 the dictionary information registration unit 4013 acquires the user's answer.
  • the dictionary information registration unit 4013 registers the word detected in step S31 and its meaning based on the user's answer as dictionary information in the dictionary database 423 (step S34), and ends the processing based on this flowchart.
  • Step S34 is an example of a registration unit that registers the meaning of the term included in the work history information in the dictionary database.
  • FIG. 18 is a flowchart showing the processing steps of the dictionary information display unit 4014.
  • the dictionary information display unit 4014 acquires the user's career history from the user database 421 (step S41).
  • the dictionary information display unit 4014 acquires terms present in the career history from the dictionary database 423 (step S42).
  • the dictionary information display unit 4014 displays the career history with a link on the screen of the user device 500 (step S43).
  • the dictionary information display unit 4014 displays the dictionary information corresponding to the link on the screen of the user device 500 in response to the user's operation (step S44), and ends the processing based on this flowchart.
  • the dictionary information display unit 4014 is an example of a display unit that displays the resume on a display device.
  • the user device 500 is an example of a display device. Note that the dictionary information display unit 4014 may display the resume on a display device equipped in the generation server 400 instead of or in addition to the user device 500.
  • FIG. 19 is a flowchart showing the processing steps of the information organizing unit 4015.
  • the information organizing unit 4015 calls the creation AI 4130 using the large-scale language model 430 (step S51).
  • the information sorting unit 4015 reads the dialogue information from the dialogue information database 422 (step S52). Furthermore, if pre-registered work history information exists in the user database 421, the information sorting unit 4015 reads the work history information from the user database 421 in step S52.
  • the information sorting unit 4015 creates a career history from the dialogue information (step S53). Furthermore, if the information sorting unit 4015 has read the career history information from the user database 421, in step S53, the information sorting unit 4015 creates a career history from the career history information and the dialogue information. Step S53 is an example of a creation unit that creates a career history.
  • the information sorting unit 4015 refers to the format information acquired in step S11 and creates a resume in a format that conforms to the format information.
  • the information acquisition unit 4012 may acquire the format information from the user database 421 in a step separate from step S11. Next, the information sorting unit 4015 displays the resume on the screen of the user device 500 (step S54).
  • the information sorting unit 4015 determines whether or not an approval operation from the user has been received (step S55). If an approval operation from the user has been received, the information sorting unit 4015 ends the processing based on this flowchart.
  • the information sorting unit 4015 determines whether or not a non-approval operation from the user has been received (step S56). If the information sorting unit 4015 has not received a non-approval operation from the user, it returns the process to step S55. If the information sorting unit 4015 has received a non-approval operation from the user, it passes the process to the information acquisition unit 4012. The information acquisition unit 4012 calls the dialogue AI 4110 again and acquires new dialogue information from the user by dialogue with the user.
  • the information organizing unit 4015 may not only obtain new dialogue information from the user, but may also dialogue with the user again without changing the conditions before the dialogue. This is because, in general, a large-scale language model may generate multiple answers (sentences) with different nuances for the same question and conditions.
  • FIG 20 is a flowchart showing the processing steps of the resume registration unit 4016.
  • the resume registration unit 4016 acquires the user's resume from the user database 421 (step S61).
  • the resume registration unit 4016 references the dictionary database 423 to generate a link between the resume and dictionary information (step S62).
  • the resume registration unit 4016 stores the linked resume in the user database 421 (step S63).
  • the resume registration unit 4016 receives a resume output request from the user (step S64).
  • the resume registration unit 4016 outputs the resume to the user device 500 (step S65), and ends the processing based on this flowchart.
  • the user device 500 may display the resume on the screen of the user device 500.
  • the user device 500 may store the resume data in memory until instructed by the user.
  • [Processing sequence executed by matching system 1] 21 is a timing chart showing the processing procedures of the sharing server 100, the recruiter device 200, the applicant device 300, and the generating server 400 regarding the resume. The flow of processing of the matching system 1 regarding the resume will be described using the timing chart shown in FIG.
  • step S101 the applicant accesses the generation server using the applicant device 300 and creates a resume (step S101).
  • the generation server 400 registers the created resume in the user database 421 (step S102).
  • steps S101 and S102 have already been explained using Figures 15 to 20, so the explanation will not be repeated here.
  • the applicant accesses the sharing server 100 with the applicant device 300, searches for recruitment jobs, and decides to which job to apply (step S103).
  • the applicant operates the applicant device 300 to send a command requesting the applicant's resume from the applicant device 300 to the sharing server 100 (step S104).
  • the sharing server 100 identifies the applicant (step S105). More specifically, the sharing server 100 identifies the applicant's member ID.
  • the sharing server 100 sends a command to the generation server 400 requesting the transmission of the resume (step S106).
  • This command includes the applicant's membership ID.
  • the generation server 400 searches the user database 421 for the applicant's resume based on the membership ID included in the command (step S107).
  • the generation server 400 transmits the resume found as a result of the search to the sharing server 100 (step S108).
  • the sharing server 100 acquires the applicant's resume (step S109).
  • the sharing server 100 transmits the acquired resume to the applicant device 300 (step S110).
  • the applicant device 300 displays the received resume on the screen of the applicant device 300 (step S111). If the resume contains a term registered in the dictionary database 423, the resume including a link to the dictionary is displayed on the screen.
  • the applicant device 300 determines whether an approval operation has been detected (step S112). If the applicant device 300 detects a non-approval operation rather than an approval operation, it returns the process to step S101. In this case, the process of creating a resume is executed again. However, it is preferable that the generation server 400 does not execute the process of creating a resume from the beginning, but rather communicates with the applicant regarding the items that need to be corrected and corrects the description of the resume.
  • the applicant device 300 When the applicant device 300 detects the approval operation, it transmits a command to the sharing server 100 to instruct the sending of the resume (step S113).
  • the sharing server 100 identifies the recruiter to whom the resume should be sent (step S114). For example, the sharing server 100 identifies the recruiter to whom the resume should be sent based on the application destination determined in step S103.
  • the sharing server 100 transmits the resume to the recruiter device 200 (step S115).
  • the recruiter device 200 displays the received resume on the screen of the recruiter device 200 (step S116). If the resume contains a term registered in the dictionary database 423, the resume including a link to the dictionary is displayed on the screen.
  • the recruiter uses the resume to understand the applicant's work history. When the applicant clicks with the mouse on a term registered in the dictionary in the resume, the meaning of the term is displayed on the recruiter device 200. Therefore, if the resume contains a term that the applicant does not understand, such as an internal company term used by the applicant, the recruiter can understand the meaning of the term.
  • the sharing server 100 and the generation server 400 may be configured as a single server. That is, the sharing server 100 may be provided with the functions of the generation server 400, and the generation server 400 may be provided with the functions of the sharing server 100.
  • Steps S110 and S115 are an example of an output unit configured to output the resume created by the creation unit to a user device.
  • resumes are created in a standardized format, it is possible to improve efficiency in managing and searching a large number of resumes.
  • the resume will be displayed on the screen with a link to the dictionary, so that if the resume contains a term that the recruiter does not understand, he or she can understand the meaning of the term.
  • part of the configuration of the generation server 400 may be configured by a device separate from the generation server 400.
  • a device separate from the generation server 400.
  • at least one of the multiple databases included in the database 420 and the large-scale language model 430 may be placed on a cloud separate from the generation server 400.
  • the generation server 400 and the cloud are connected so as to be able to communicate with each other via a network.
  • FIG. 22 is a diagram showing the functional configuration of a generation server 400A relating to a modified example. Similar to the generation server 400, the generation server 400A has a processor, memory, a communication interface, storage, and the like, and includes a control unit 4010A realized by these configurations.
  • the generation server 400A is communicatively connected to a user device 500A used by a user via the Internet or the like.
  • the generation server 400A includes a satisfying requirement database (satisfying requirement DB) 426, a raw information storage database (raw information storage DB) 427, a generating format database (generating format DB) 428, and large-scale language models 430A and 430B. These databases and large-scale language models are configured in the storage of the generation server 400A.
  • Large-scale language models 430A and 430B are natural language processing models trained using large amounts of text data, similar to large-scale language model 430.
  • BERT registered trademark
  • LaMBDA registered trademark
  • GPT-4 by OpenAI, etc.
  • the large-scale language model is an example of a natural language processing algorithm.
  • a language model other than the large-scale language model may be adopted as the natural language processing algorithm.
  • a model generated by machine learning such as pattern matching may be adopted as the natural language processing algorithm.
  • large-scale language models 430A and 430B one large-scale language model may be used as the large-scale model.
  • large-scale language model 430 may be used instead of using two models.
  • control unit 4010A includes an input unit 4021, a content sufficiency determination unit 4022, an input request unit 4023, a raw information storage unit 4024, a generation unit 4025, a confirmation request unit 4026, and an output unit 4027.
  • the input unit 4021 accepts information input by the user using the user device 500.
  • the information input by the user includes work history information.
  • the input unit 4021 may accept work history information in chat format, for example.
  • the input unit 4021 may also accept work history information in audio file format and other file formats.
  • GPT-3 or the like as a large-scale language model and using a chat format UI such as ChatGPT
  • a file may be attached to the chat.
  • the generation server 400 may be provided with a function for converting the file into a chat format document.
  • the output unit 4027 outputs various information to the user device 500.
  • the output unit 4027 may output not only chat-format information but also other files such as audio to the user device 500.
  • the control unit 4010A interacts with the user in chat format, the input of information to the input unit 4021 and the output of information from the output unit 4027 are repeatedly executed.
  • the requirements fulfillment database 426 stores information about the requirements (requirements fulfillment) that the large-scale language model 430A uses to determine whether all work history information corresponding to the necessary items to be included in the creation of a resume has been acquired without omission.
  • control unit 4010A may transmit multiple types of requirements to the user device 500A and allow the user to select the requirements that suit his or her preference.
  • control unit 4010A may accept requirements set by the user via the user device 500A.
  • the control unit 4010A may also generate a trained model that functions as an AI, using the contents of a large number of requirements as training data. In that case, the generated trained model may be used instead of the large-scale language model.
  • the requirements may also be used in the prompts of the already existing large-scale language model 430A.
  • the requirements may include specific information, such as the number of companies that the user wants to include in their resume.
  • the content sufficiency determination unit 4022 uses the large-scale language model 430 to determine whether the information obtained by the input unit 4021 satisfies the sufficiency requirements. If the content sufficiency determination unit 4022 determines that the information obtained by the input unit 4021 does not satisfy the sufficiency requirements, it instructs the input request unit 4023 to obtain additional information. If the content sufficiency determination unit 4022 determines that the information obtained by the input unit 4021 satisfies the sufficiency requirements, it outputs the information obtained by the input unit 4021 to the original information storage unit 4024.
  • the input request unit 4023 instructs the large-scale language model 430A to continue the dialogue with the user so that additional information (missing information) is obtained from the user. If multiple pieces of additional information are required, the large-scale language model 430A may dialogue with the user so that the multiple pieces of additional information are obtained all at once, or may dialogue with the user so that each piece of additional information is obtained sequentially. For example, if information A, B, and C are missing, the large-scale language model 430A may first inquire of the user about information A.
  • the large-scale language model 430A may automatically generate dialogue rules to prompt the user to input additional information, or may select dialogue rules from preset options.
  • the raw information storage unit 4024 temporarily stores the work history information that is the basis for generating a career history.
  • the raw information storage unit 4024 outputs the temporarily stored work history information to the raw information storage database 427.
  • the raw information storage database 427 registers the work history information.
  • the generation unit 4025 creates a career history using the work history information registered in the raw information storage database 427.
  • the generation unit 4025 may have a function of creating a career history without waiting for a determination by the content satisfaction determination unit 4022.
  • the input unit 4021 may accept draft data of the resume from the user via the user device 500. Furthermore, the input unit 4021 may register the accepted data in the raw information storage database 427. The generation unit 4025 may create the resume based on the draft data registered in the raw information storage database 427.
  • the generation format database 428 stores the formats required for the large-scale language model 430B to generate work histories.
  • control unit 4010A may transmit multiple types of formats to the user device 500A and allow the user to select the format of his/her preference.
  • control unit 4010A may accept a format set by the user via the user device 500A.
  • the control unit 4010A may also generate a trained model that functions as an AI using multiple formats as training data. In that case, the generated trained model may be used instead of the large-scale language model. Also, a format may be used for the prompt of an already existing large-scale language model 430A.
  • the generation unit 4025 generates a resume using the large-scale language model 430B.
  • the format registered in the generation format database 428 is input to the large-scale language model 430B.
  • the generation unit 4025 references the raw information storage database 427 and creates a resume that reflects the career history information in a predefined format. Note that instead of the generation unit 4025, the large-scale language model 430B may create the resume.
  • the resume generated by the generation unit 4025 is output to the confirmation request unit 4026.
  • the confirmation request unit 4026 requests the user to confirm the career history.
  • the confirmation request unit 4026 transmits the career history to the user device 500 via the output unit 4027.
  • the user confirms the contents of the career history displayed on the user device 500.
  • the confirmation request unit 4026 may divide the contents of the career history into multiple items and have the user confirm the contents of the career history for each item.
  • the confirmation request unit 4026 may have the user confirm the entries for Company A, and then have the user confirm the entries for Company B.
  • the confirmation request unit 4026 may have the user confirm all of the contents of the resume at once.
  • the large-scale language model 430B may automatically generate a dialogue rule for when the user is asked to confirm the resume, or may select a dialogue rule from preset options.
  • the configuration of the generation server 400A may be configured separately from the generation server 400A.
  • at least one of the satisfying requirement database 426, the raw information storage database 427, the generation format database 428, the large-scale language model 430A, and the large-scale language model 430B may be configured separately from the generation server 400A.
  • the device configured separately from the generation server 400A and the generation server 400A are connected so as to be able to communicate with each other via a network.
  • IPC International Patent Classification
  • IPC is originally an index used to classify patent documents. However, by using IPC as an index to classify the skills of engineers, it is thought that it will be possible to classify a wide variety of engineer skills, including the latest technologies, using uniform standards. However, because IPC is a highly specialized classification index used in the patent industry, it is difficult for users who are unfamiliar with IPC to accurately select an IPC that corresponds to their own skills from the many IPC options.
  • the generation server 400 collects the user's work history information required to obtain an IPC by dialogue with the user using a natural language processing algorithm.
  • FIG. 23 and 24 are diagrams showing other examples of dialogue between the generation server 400 and a user.
  • Fig. 23 and Fig. 24 an example is shown in which the generation server 400 acquires an appropriate IPC corresponding to the user's skills through dialogue with the user.
  • the generation server 400 displays a request message on the screen stating, "Please enter your work history.” (Step S201).
  • the user responds to the request in Step S1 by providing his/her work history (Step S202).
  • Step S202 for example, the work history related to the development of lithium ion secondary batteries is provided.
  • the generation server 400 organizes the information using the large-scale language model 430 and presents to the user IPCs that may correspond to the user's skills (step S203).
  • step S203 for example, one or more "IPCs" corresponding to each of the information obtained through the dialogue, such as “research and development of lithium-ion secondary batteries,” “development of new positive electrode materials,” “development of lithium cobalt nickel manganese oxide,” “development of silicon negative electrodes,” “development of electrolytes that suppress degradation,” and “development and practical application of lithium-ion secondary batteries with lithium titanate negative electrodes,” are presented to the user.
  • the generation server 400 presents some IPCs from among the IPCs presented in step S203 to the user as selection candidates (step S204).
  • the generation server 400 may present the selection candidates together with check boxes as shown in FIG. 24.
  • the user considers whether or not there is an IPC that seems appropriate among the options. If there is an IPC that seems appropriate among the options, the user responds by checking the check box corresponding to that IPC.
  • a button 601 as shown in FIG. 24 may be displayed on the screen of the user device 500. After checking the check box, the user clicks the button 601.
  • the generation server 400 detects the click of the button 601, it determines the IPC to be included in the user's resume based on the user's response.
  • the generation server 400 suggests to the user IPCs that are considered relevant from among a large number of IPCs, based on the work history acquired through correspondence. Therefore, even if the user does not have specialized knowledge of IPC, they can select IPCs that are relevant to their own skills.
  • IPCs that are relevant to their own skills.
  • an example is shown in which "subgroup” is used, but higher-level symbols such as “subclass” or “group” may be used depending on the granularity desired for classification.
  • descriptions such as “subclass”, “group”, and “main group” may be added to the explanatory text for "subgroup” and displayed, and buttons such as question marks may be added so that the contents of the higher levels can be confirmed as necessary.
  • the IPC presented to the user may be any of "section”, “subsection”, “class”, “subclass”, “main group”, and “subgroup”.
  • a subclass may be presented to the user, such as "H01: Electrical element”.
  • the name of the technical field classified by that classification symbol may also be presented to the user.
  • buttons 602 and 603 as shown in FIG. 24 may be displayed on the screen of the user device 500.
  • the generation server 400 detects a click on the button 602, it selects an IPC from the IPCs presented in step S203 that is different from the options presented in step S204, and presents the selected IPC to the user. If the generation server 400 detects a click on the button 603, it returns the process to step S204 and prompts the user to input work experience.
  • IPC candidate generation may be performed automatically multiple times.
  • the generation server 400 may generate different answers to the same sentence (or the same question). For this reason, before proposing IPC candidates in step S204, IPC generation from step S202 may be performed automatically multiple times to widen the range of IPC candidates. This increases the likelihood that the user will be able to select an IPC that is suitable for them.
  • the generation server 400 supports the user's actions to identify IPCs that correspond to the user's skills through a dialogue between the generation server 400 and the user.
  • the processing of step S203 is not essential in this embodiment.
  • the generation server 400 may detect multiple IPCs that are thought to correspond to the user's skills through the dialogue, and then present some of the detected multiple IPCs to the user in step S204 without executing the processing of step S203.
  • the generation server 400 may present other candidates to the user autonomously, not only when a request to present other candidates again is received from the user.
  • the generation server 400 may execute the process of creating option candidates multiple times and present multiple candidates to the user.
  • the answer obtained from a large-scale language model in response to a query may differ even if the content of the first query is the same as the content of the second query. Therefore, by having the generation server 400 execute the process of creating option candidates multiple times, multiple candidates with different perspectives may be derived from the generation server 400. If the generation server 400 can obtain the user's selection for each of these multiple candidates, the generation server 400 can obtain a wider range of answers regarding IPC from the user.
  • the IPC classification unit 4017 determines the IPC of the user to be written in the career history.
  • the IPC classification unit 4017 can present the user with an IPC that is considered to correspond to the user's skills, using the user's career information obtained through dialogue.
  • the IPC classification unit 4017 can also present the user with an IPC that is considered to correspond to the user's skills, using the career history information imported by the data import unit 4011.
  • the IPC classification unit 4017 presents multiple IPCs to the user, and then determines an IPC that is appropriate for the user's skills through dialogue.
  • the determined IPC is imported into the information organization unit 4015.
  • the information organization unit 4015 uses the creation AI 4130 to create a career history including the IPC in a specified format.
  • the career history registration unit 4016 stores the created career history in the user database 421.
  • FIG. 26 is a flowchart showing the processing steps of the IPC classification unit 4017.
  • the IPC classification unit 4017 calls the dialogue AI 4110 using the large-scale language model 430 (step S71).
  • the IPC classification unit 4017 uses the dialogue AI 4110 to dialogue with the user (step S72).
  • the IPC classification unit 4017 acquires dialogue information (including work history information) from the user.
  • Step S72 is an example of a collection unit that collects work history information related to the user's work history.
  • step S72 is an example of a dialogue unit that collects work history information by dialogue with the user.
  • information related to the IPC may be stored in the dictionary database 423.
  • the IPC classification unit 4017 may refer to the dictionary database 423 to determine the IPC to be presented to the user.
  • the IPC classification unit 4017 then presents to the user several IPCs that are considered to correspond to the user's skills (step S73). The IPC classification unit 4017 then determines whether the user has performed an operation to select an IPC from the presented IPCs (step S74).
  • the IPC classification unit 4017 determines the user's request (step S76). More specifically, if the user has requested the recreation of an IPC, the IPC classification unit 4017 returns the process to step S73, changes the IPC to be presented, and presents some IPCs to the user again. This process is executed, for example, when a click on the button 602 shown in FIG. 24 is detected. If the user has requested to redo the dialogue, the IPC classification unit 4017 returns the process to step S72 and dialogues with the user again. This process is executed, for example, when a click on the button 603 shown in FIG. 24 is detected.
  • steps S72 to S75 are an example of a collection unit that collects patent classification information related to the user's work based on information acquired from the user through dialogue. As in steps S72 to S75, the collection unit presents the user with multiple IPCs related to the user's work based on information acquired from the user through dialogue, and then confirms the IPC selected by the user as the user's work history information.
  • Figs. 27 to 30 are diagrams showing examples of resumes including IPC classifications.
  • the resumes shown in Figs. 27 to 30 include basic information, job content, and IPCs related to the job content.
  • Fig. 27 shows a resume in a format in which IPC items are listed separately from job content items.
  • Fig. 28 shows a resume in a format in which the corresponding IPCs are incorporated into the description of job content.
  • Figure 29 shows an example of a resume created using such a format.
  • a patent section may be added to the resume, as shown in FIG. 30.
  • the patent section may include the corresponding IPC along with the patent information. In this way, by listing the user's patent information along with the IPC on the resume, the user can more strongly highlight their expertise.
  • the generation server 400 stores information regarding the job content, work experience, and employment period as work history information in the user database 421, linking the information with the IPC.
  • the generation server 400 acquires information regarding the user's patents as shown in FIG. 30, the generation server 400 stores the patent information as work history information in the user database 421, linking the information with the IPC.
  • the generation server 400 stores the resumes illustrated in FIGS. 27 to 30 in the user database 421.
  • the generation server 400 may allow the user to select the format of the resume through dialogue.
  • dialogue is a concept that includes expressions of intent (such as questions and answers) exchanged between the generation server 400 and the user.
  • Patent classification has been explained as an example of format information that contains the necessary information to be included in a resume.
  • Patent classification is not limited to IPC, and F-terms, FI-terms, and CPC (Cooperative Patent Classification), etc. may also be used.
  • FIG. 31 is a diagram showing an example of utilizing RAG (Retrieval-Augmented Generation) technology in the functional configuration of the generation server 400.
  • RAG is a technology in which a large-scale language model is configured to access a knowledge source containing the latest accurate information, and the large-scale language model generates an answer based on the knowledge source.
  • a large-scale language model may sometimes output inaccurate or misleading information, which is called hallucination.
  • RAG can complement such incomplete operation of the large-scale language model and improve the quality of the answer generated by the large-scale language model.
  • an IPC database 429 storing IPCs and patent information, etc. may be provided in the generation server 400, as shown in FIG. 31.
  • the large-scale language model 430 acquires the IPC from the IPC database 429, and identifies IPC candidates that are considered to correspond to the user's skills based on the acquired IPC.
  • Prompt engineering is known as a technique for improving the quality of such prompts.
  • Prompt engineering is a technique for developing and optimizing prompts to be given to large-scale language models in order to use them efficiently.
  • Prompt engineering is a method for optimizing output for specific tasks, assuming the use of existing models.
  • Fine-tuning is a method of improving the performance for a specific task by additionally training an existing model.
  • fine-tuning at least a part of a trained model generated based on one dataset is additionally trained based on another dataset. This fine-tunes the parameters of the machine learning model for a specific task.
  • fine-tuning can also be interpreted as a type of transfer learning.
  • the two differ in that fine-tuning is a method of fine-tuning the weights of all layers of a trained model, while transfer learning is a method of fixing the weights of a trained model and training using only the added layers.
  • Fine tuning has the problem that it requires additional training of a large-scale language model with many parameters, which requires huge computational resources.
  • Prompt tuning solves this problem by taking a different approach from fine tuning.
  • the prompt itself is the learning target.
  • the parameters corresponding to the prompt are the targets for optimization.
  • RLHF Reinforcement Learning from Human Feedback
  • RLHF is a model learning method that combines "supervised learning,” “reinforcement learning,” and “inverse reinforcement learning.”
  • RLHF allows AI to learn difficult tasks such as natural language processing while minimizing the elements that require human involvement, such as supervised learning. Therefore, large-scale language models 430 may be trained using such RLHF.
  • a large-scale language model is given as an example of a natural language processing algorithm.
  • algorithms that can be adopted as natural language processing algorithms are not limited to large-scale language models.
  • algorithms generated by rule-based techniques such as pattern matching may be adopted.
  • the user device 500 may not only be equipped with all of the processor, memory, communication interface, and input/output interface shown in FIG. 2, but may also be a thin client system that uses a VDI (Virtual Desktop Infrastructure).
  • a thin client system that uses a VDI is a system in which a desktop environment on a server is transferred to a terminal in a remote location for use.
  • the user device 500 (recruiter device 200, applicant device 300), sharing server 100, and generation server 400 do not necessarily need to be independent devices.
  • the functions of the user device 500, sharing server 100, and generation server 400 can be provided on the same aggregation server.
  • Databases 120 and 420 are not limited to relational databases, and object-type or NoSQL-type databases may also be used.
  • Each of the sharing server 100 and the generation server 400 is an example of a computing device.
  • a computing device may be configured by a server (on-premise server, cloud server, etc.) or a serverless system.
  • an on-premise server is a server that is installed and managed in facilities managed within a company.
  • a cloud server is a server (rented server) provided by another business operator via a network.
  • a serverless system is a system in which computing and memory functions can be used only when necessary, without being aware of the existence of a server.
  • Computing devices include servers and serverless systems. Servers include on-premise servers and cloud servers.
  • the work history information collection device (generation server 400, 400A) described in paragraph 1 includes an acquisition unit (step S11) that acquires format information including necessary information to be included in a work history record, a collection unit (steps S11, S22) that collects work history information related to the user's work history, and a memory unit (storage 403) that stores a natural language processing algorithm, and the collection unit collects work history information corresponding to the necessary information by interacting with the user using the natural language processing algorithm stored in the memory unit (step S22).
  • the work history information collection device described in Section 1 further includes a creation unit (step S53) that creates a work history using the work history information collected by the collection unit, and when the collection unit has completed collection of work history information related to required information, the creation unit creates the work history in accordance with the format information using a natural language processing algorithm stored in the memory unit (step S53).
  • the work history information collection device described in Section 3 further includes a work history database (user database 421) in which work history information collected before the dialogue by the collection unit is registered, and the creation unit creates a work history based on the work history information registered in the work history database if the work history information registered in the work history database contains information corresponding to the required information (step S13).
  • a work history database user database 4211 in which work history information collected before the dialogue by the collection unit is registered
  • the work history information collection device described in Section 4 includes, in addition to the work history information collection device described in Section 2 or 3, an output unit configured to output the work history created by the creation unit to a user device (step S110, step S115: the generation server 400 may have the functions of the sharing server 100), and the user device is a recruiter device (200) operated by a recruiter or an applicant device (300) operated by an applicant in a matching system that matches a recruiter who is recruiting contractors with an applicant.
  • the work history information collection device described in any one of Sections 1 to 4 further includes a dictionary database (dictionary database 423), a registration unit (step S34) that registers the meanings of terms included in the work history information in the dictionary database, and a display unit (step S43) that displays the work history on a display device (user device 500), and when a term registered in the dictionary database is included in the work history, the display unit displays the meaning of the term on the display device (step S44).
  • a dictionary database dictionary database 423
  • a registration unit step S34
  • step S43 that displays the work history on a display device (user device 500)
  • the display unit displays the meaning of the term on the display device (step S44).
  • the work history information collection device described in Section 6 includes the same functions as the work history information collection device described in Section 5, except that the collection unit queries the user about the meaning of terms while interacting with the user (Step S32).
  • the work history information collection device described in Section 7 includes the work history information collection device described in any one of Sections 1 to 6, and the natural language processing algorithm includes a large-scale language model (large-scale language models 430, 430A, 430B).
  • the work history information collection device described in Section 8 includes the work history information collection device described in any one of Sections 1 to 7, in addition to the collection unit collecting patent classification information related to the user's work based on information acquired from the user through dialogue (Step S75), and the work history information includes the patent classification information.
  • the collection unit presents the user with multiple patent classification information related to the user's work based on information acquired from the user through dialogue, and then determines the patent classification information selected by the user as work history information (steps S72 to S75).
  • the method according to Section 10 is a method for creating a work history information collection, the method including a step of acquiring format information including required information for a work history document, and a step of collecting work history information related to a user's work history, the step of collecting including a step of collecting work history information corresponding to the required information by interacting with the user using a natural language processing algorithm.
  • Generation server 401. Processor, 402. Memory, 403. Storage, 404. Communication interface, 410. Program, 411. Dialogue program, 412. Confirmation program RAM, 413 Creation program, 420 Database (DB), 421 User database (User DB), 422 Dialogue information database (Dialogue information DB), 423 Dictionary database (Dictionary DB), 426 Requirement satisfaction database (Requirement satisfaction DB), 427 Original information storage database (Original information storage DB), 428 Generative format database (Generative format DB), 429 IPC database, 430, 430A, 430B Large-scale language model, 500, 500A User device, 550 Screen, 551 Question frame , 552 answer box, 601-603 buttons, 4010, 4010A control unit, 4011 data import unit, 4012 information acquisition unit, 4013 dictionary information registration unit, 4014 dictionary information display unit, 4015 information organization unit, 4016 resume registration unit, 4017 IPC classification unit, 4021 input unit, 4022 content sufficiency determination unit, 4023

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

職務経歴情報収集装置（４００）は、職務経歴書の必要記載事項が含まれるフォーマット情報を取得する取得部（４０１１）と、ユーザの職務経歴に関する職務経歴情報を収集する収集部（４０１２）と、自然言語処理アルゴリズム（４３０）が格納された記憶部とを備え、収集部（４０１２）は、記憶部（４０３）に格納された自然言語処理アルゴリズムを用いてユーザと対話することによって、必要記載事項に対応する職務経歴情報を収集する。

Description

職務経歴情報収集装置および職務経歴情報を収集する方法
　本開示は、職務経歴情報収集装置および職務経歴情報を収集する方法に関する。
　求職者が採用要件に合うかどうかを採用側の企業が見極める判断材料のひとつとして、職務経歴書は、非常に重要な役割を担う。このため、職務経歴書には、求職者に求められている情報が漏れなく記載されていることが必要である。
　特許文献１（特開２０１６－２１２５３３号公報）には、履歴書等の被解析文書の種類に対応した必要記載事項の有無に関する判定基準データを取得し、被解析データと判定基準データとを用いて、必要記載事項に関連する要求データが被解析文書に存在することを判定する、文書解析装置が記載されている。
特開２０１６－２１２５３３号公報
　特許文献１に記載の文書解析装置では、必要記載事項に関する重複した情報が存在する場合、その重複した情報が存在することをチェックすることができない。
　本開示は、上記のような課題を解決するためになされたものであって、その目的は、必要記載事項に関する事項が漏れなく、かつ重複することのないよう、職務経歴情報を収集することである。
　本開示の第１の局面に関わる職務経歴情報収集装置は、職務経歴書の必要記載事項が含まれるフォーマット情報を取得する取得部と、ユーザの職務経歴に関する職務経歴情報を収集する収集部と、自然言語処理アルゴリズムが格納された記憶部とを備え、収集部は、記憶部に格納された自然言語処理アルゴリズムを用いてユーザと対話することによって、必要記載事項に対応する職務経歴情報を収集する。
　本開示の第２の局面に係る方法は、職務経歴情報を収集する方法であって、方法は、コンピュータに、職務経歴書の必要記載事項が含まれるフォーマット情報を取得するステップと、ユーザの職務経歴に関する職務経歴情報を収集するステップとを実行させ、収集するステップは、自然言語処理アルゴリズムを用いてユーザと対話することによって、必要記載事項に対応する職務経歴情報を収集するステップを含む。
　本開示によれば、必要記載事項に関する事項が漏れなく、かつ重複することのないよう、職務経歴情報を収集することができる。
マッチングシステムの概要を示すブロック図である。 シェアリングサーバ、募集者装置、および応募者装置の構成を示すブロック図である。 生成サーバの構成を示すブロック図である。 企業データベースの一例を示す図である。 会員データベースの一例を示す図である。 コミュニティデータベースの一例を示す図である。 募集案件データベースの一例を示す図である。 ユーザデータベースの一例を示す図である。 生成サーバとユーザとの間で行なわれる対話の一例を示す図である。 生成サーバとユーザとの間で行なわれる対話の一例を示す図である。 生成サーバとユーザとの間で行なわれる対話の一例（辞書登録有り）を示す図である。 生成サーバとユーザとの間で行なわれる対話の一例（辞書登録有り）を示す図である。 生成サーバの機能を発散フェーズおよび収束フェーズの観点から説明するための図である。 生成サーバの機能的構成を示す図である。 データインポート部の処理手順を示すフローチャートである。 情報取得部の処理手順を示すフローチャートである。 辞書情報登録部の処理手順を示すフローチャートである。 辞書情報表示部の処理手順を示すフローチャートである。 情報整理部の処理手順を示すフローチャートである。 職務経歴書登録部の処理手順を示すフローチャートである。 職務経歴書に関する、シェアリングサーバ、募集者装置、応募者装置、および生成サーバの各々の処理手順を示すタイミングチャートである。 変形例に関わる生成サーバの機能構成を示す図である。 生成サーバとユーザとの間で行なわれる対話の他の例を示す図である。 生成サーバとユーザとの間で行なわれる対話の他の例を示す図である。 ＩＰＣ分類部を含む生成サーバの機能的構成を示す図である。 ＩＰＣ分類部の処理手順を示すフローチャートである。 ＩＰＣを含む職務経歴書の例を示す図である。 ＩＰＣを含む職務経歴書の例を示す図である。 ＩＰＣを含む職務経歴書の例を示す図である。 ＩＰＣを含む職務経歴書の例を示す図である。 生成サーバの機能的構成にＲＡＧの技術を活用する例を示す図である。
　以下、本開示の実施の形態について、図面を参照しながら詳細に説明する。図中同一または相当部分には同一符号を付してその説明は繰り返さない。
　［全体構成］
　図１は、マッチングシステム１の概要を示すブロック図である。マッチングシステム１は、たとえば、企業間のクラウドソーシングに活用される。クラウドソーシングは、一般には、不特定多数の人の寄与を募り、必要とするサービス、アイデア、またはコンテンツを取得するプロセスである。
　人的リソースを有効に活用するため、副業を推進している企業も少なくない。企業間でクラウドソーシングを利用することによって、企業の従業員の能力を活用することができる。
　図１を参照して、マッチングシステム１の概要の構成を説明する。マッチングシステム１は、シェアリングサーバ１００と、募集者装置２００Ａ，２００Ｂ，２００Ｃ…と、応募者装置３００Ａ，３００Ｂ，３００Ｃ…と、生成サーバ４００とを備える。
　シェアリングサーバ１００は、企業間での業務の発注および受注をマッチングさせるマッチングサービスを多数の企業に提供する。図１には、マッチングサービスを利用する企業の例として、企業Ａ、企業Ｂ、企業Ｃ…が示されている。企業Ａ、企業Ｂ、企業Ｃ…は、マッチングシステム１の企業会員として登録されている。企業Ａ、企業Ｂ、企業Ｃ…の従業員のうち、マッチングシステム１を利用する者も個別にマッチングシステム１の会員として登録されている。
　マッチングシステム１において斡旋される業務は、たとえば、予め定めた期間で完了することが想定される一時的な業務である。このため、マッチングシステム１において斡旋される業務を受注する者は、企業内で自身が所属する特定の部門での業務を本業とし、マッチングシステム１において斡旋される業務を副業として、各々の業務に従事する。なお、マッチングシステム１において、たとえば、企業Ａの応募者は、企業Ａの業務を受注することも可能である。したがって、マッチングシステム１においては、企業Ａの部門Ｘの業務を、企業Ａの異なる部門Ｙに所属する応募者が受注することも許される。
　以下、マッチングシステム１において受注者が募集されている業務を「募集業務」または「募集案件」と称することがあり、募集案件を提供する者を「募集者」と称することがあり、募集案件の受注に応募する者を「応募者」と称することがある。募集業務に応募することを「募集業務への応募」または「募集案件への応募」と称することがある。
　募集案件を受注した応募者は、「受注者」に該当し、受注者に案件を発注した募集者は「発注者」に該当するが、以下においては、「受注者」を含めて「応募者」と称する場合があり、「発注者」を含めて「募集者」と称する場合がある。
　シェアリングサーバ１００には、マッチングサービスに必要なデータベース１２０が構築されている。データベース１２０は、マッチングサービスを提供するために必要な情報が登録された様々なデータベースを含む。たとえば、データベース１２０には、会員および募集業務の情報等が登録されている。シェアリングサーバ１００は、マッチングサービスを利用する企業とは別の企業によって管理および運用されている。マッチングサービスを利用するいずれかの企業がシェアリングサーバ１００を管理および運用してもよい。
　募集者装置２００Ａは、企業Ａの管理者によって操作される。募集者装置２００Ｂは、企業Ｂの管理者によって操作される。募集者装置２００Ｃは、企業Ｃの管理者によって操作される。以下、募集者装置２００Ａ，２００Ｂ，２００Ｃ…を「募集者装置２００」と総称することがある。
　応募者装置３００Ａは、企業Ａの応募者によって操作される。応募者装置３００Ｂは、企業Ｂの応募者によって操作される。応募者装置３００Ｃは、企業Ｃの応募者によって操作される。以下、応募者装置３００Ａ，３００Ｂ，３００Ｃ…を「応募者装置３００」と総称することがある。図１には、各企業に対して２名の応募者が描かれているが、応募者の人数はこれに限定されない。さらに多くの応募者が各企業に存在してもよいし、ある企業では応募者が１人であってもよい。シェアリングサーバ１００は、フリーランス等、企業に属さない者を応募者として受け付けてもよい。
　企業Ａ、企業Ｂ、企業Ｃ…の管理者は、本実施の形態において、募集者としての役割を担うものとする。したがって、以下においては、各企業の管理者を「募集者」と称することがある。募集者は、他の募集者が募集している業務に対して応募者として振る舞うことも可能である。その場合、募集者装置２００は、応募者装置３００として機能する。本実施の形態においては、企業の管理者が募集者として振る舞うときには、その管理者がマッチングサービスの利用に用いる装置を募集者装置２００と称する。
　企業Ａの管理者は、１人であっても、複数人であってもよい。企業Ａに管理者を配置する場合、各管理者に募集者装置２００を与えてもよく、１台の募集者装置２００を複数人で共用してもよい。企業Ｂ，企業Ｃ…についても同様である。
　シェアリングサーバ１００と募集者装置２００とは、通信回線網の一例となるインターネット５０を介して通信可能に構成されている。シェアリングサーバ１００と応募者装置３００とは、インターネット５０を介して通信可能に構成されている。
　シェアリングサーバ１００は、募集者装置２００のアクセスを受け付ける際に会員ＩＤおよびパスワードの入力を伴うサインインを要求する。同様に、シェアリングサーバ１００は、応募者装置３００のアクセスを受け付ける際に会員ＩＤおよびパスワードの入力を伴うサインインを要求する。シェアリングサーバ１００は、サインインの際に通知される会員ＩＤによって募集者および応募者の一人ひとりを特定する。
　募集者装置２００は、募集者の様々な操作を受け付ける。たとえば、募集者装置２００は、募集案件（依頼業務）を入力する操作、業務を終えた受注者に対する評価を入力する操作、およびマッチングサービスの会員を検索する操作等を受け付ける。
　募集者装置２００は、募集者装置２００に対するそれぞれの操作に応じてシェアリングサーバ１００と通信する。シェアリングサーバ１００は、募集案件（依頼業務）を入力する操作に応じて募集案件をデータベース１２０に登録し、評価を入力する操作に応じて対象の応募者（受注者）の評価をデータベース１２０に登録し、会員を検索する操作に応じて、会員の情報を募集者装置２００に提供する。
　応募者装置３００は、応募者の様々な操作を受け付ける。たとえば、応募者装置３００は、募集案件を検索する操作、募集案件に応募する操作、業務の実績を入力する操作、および募集者（発注者）に対する評価を入力する操作等を受け付ける。
　応募者装置３００は、応募者装置３００に対するそれぞれの操作に応じてシェアリングサーバ１００と通信する。シェアリングサーバ１００は、募集案件を検索する操作に応じて適切な募集案件を応募者装置３００に提供し、募集案件に応募する操作に応じて採用または不採用の通知を応募者装置３００に発行し、業務の実績を入力する操作に応じて、業務の実績をデータベース１２０に登録し、評価を入力する操作に応じて対象の募集者（発注者）の評価をデータベース１２０に登録する。
　企業Ａのある部門に所属する募集者は、マッチングシステム１を利用することにより、企業Ａの他の部門に所属する応募者を募集案件の受注者として採用することが可能である。企業Ａに所属する募集者は、マッチングシステム１を利用することにより、企業Ｂに所属する応募者を募集案件の受注者として採用することが可能である。
　マッチングシステム１を利用する会員は、募集者または応募者として、シェアリングサーバ１００にアクセスする。以下では、マッチングシステム１の会員を「ユーザ」と称する場合がある。また、以下では、会員によって操作される募集者装置２００および応募者装置３００を、「ユーザ装置５００」と総称する場合がある。
　シェアリングサーバ１００は、生成サーバ４００と通信可能に接続されている。生成サーバ４００は、職務経歴書の作成を支援するためのインターフェイスをユーザに提供する。生成サーバ４００には、そのようなインターフェイスをユーザに提供するために必要なデータベース４２０が構築されている。生成サーバ４００は、シェアリングサーバ１００を管理する企業によって管理されていてもよく、シェアリングサーバ１００を管理する企業とは別の企業によって管理されていてもよい。シェアリングサーバ１００に生成サーバ４００の機能が含まれていてもよい。
　生成サーバ４００は、ユーザ装置５００とインターネット５０を介して通信可能に接続されている。ユーザ装置５００は、募集者装置２００および応募者装置３００を含む。ユーザは、ユーザ装置５００を用いて生成サーバ４００にアクセスする。
　生成サーバ４００は、シェアリングサーバ１００と同様、ユーザ装置５００のアクセスを受け付ける際に会員ＩＤおよびパスワードの入力を伴うサインインを要求する。生成サーバ４００は、サインインの際に通知される会員ＩＤによってユーザを特定する。
　生成サーバ４００は、職務経歴書の作成を支援するためのインターフェイスをユーザに提供する。これにより、ユーザ装置５００の画面５５０には、職務経歴書の作成ツールが表示される。生成サーバ４００は、職務経歴情報収集装置の一例である。
　生成サーバ４００は、画面５５０に質問枠５５１と回答枠５５２とを表示することによって、ユーザと対話しながら、職務経歴書の作成に必要な職務経歴情報をユーザから漏れなく収集する機能を有する。生成サーバ４００は、収集された職務経歴情報に基づいて、職務経歴書を画一的な形式で作成する。生成サーバ４００は、作成された職務経歴書を画面５５０に表示し、ユーザに職務経歴書をチェックする機会を与える。生成サーバ４００は、ユーザによってチェックを終えた職務経歴書を生成サーバ４００に保存する。生成サーバ４００は、募集案件にユーザが応募する場合、シェアリングサーバ１００と連携し、職務経歴書を募集者装置２００へ送信する。
　マッチングシステム１に生成サーバ４００が導入されている背景には、「職務経歴書を作成することの煩雑さ」と、「職務経歴書を画一化することの困難性」とが存在する。以下、各々について詳述する。
　［職務経歴書作成の煩雑さ］
　社内の人材を効率よく活用するためには、個人の保有スキルおよび職務経験を明確化することが効果的である。個人の保有スキルおよび職務経験を明確化するためには、できるだけ多くの個人の情報を、漏れなく収集し、画一的な文書形式にまとめることが必要である。
　しかしながら、保有スキルおよび職務経験を自らで思い起こした上で、画一的な文書形式にまとめることは、求職者にとって非常に煩雑な行為である。
　もちろん、正式に転職することを希望する者は、厳格な書類審査および面接などに備えるため、上述の煩雑な行為に対して一定のモチベーションを保つことも可能であろう。これに対して、社内のプロジェクトに応募する社員、あるいは社外で副業を希望する社員は、上述の煩雑な行為に対してモチベーションを保つことが難しいであろう。正式な転職を伴わないことの他、ハードルの高い書類審査および多面的な面接が要求されないことが、その理由である。
　このように、いわゆる「内輪な」ケースにおいては、上述の煩雑な行為に対する応募者のモチベーションは乏しいといえる。このような場合、個人の保有スキルおよび職務経験を求職者が漏れなく収集し、収集した情報を求職者が画一的な文書形式にまとめることができない、という課題が存在する。
　品質の高い職務経歴書を作成するためには、個人のスキルおよび経歴などに関する、より多くの情報が必要である。しかし、内輪なケースにおいては、多くの情報が手元に存在するとしても、職務経歴書を書くことにモチベーションが湧かず、スキルや経歴などを書くのが面倒（煩雑）と感じる求職者の数は多い。この場合、職務経歴書に含まれる情報量が少なくなりがちである。したがって、多くの情報が求職者の手元に存在するとしても、その情報を求職者が画一的な文書形式にまとめることができない、という課題が存在する。
　［職務経歴書を画一化することの困難性］
　職務経歴書の精度を揃えることができれば、評価者は、各人の職務経歴を評価し易い。また、職務経歴書の精度を揃えることができれば、企業は、社員の職務経歴書をグループ化することによって、効果的なタレントマネジメントをすることができる。しかし、一般的には、職務経歴書はフリーフォーマットで記載されるため、作成者によって職務経歴書のスタイルが異なる。画一的な形式で記載することを作成者に要求したとしても、各人の書類作成能力に差があるため、職務経歴書の精度を揃えることは難しい。作成者の不注意によって、重複する記載が職務経歴書に紛れ込んでしまうおそれもある。このため、評価者は、職務経歴書に基づいて各人の職務経歴を評価するために時間を要する。また、企業は、職務経歴書に基づいて各人の職務経歴をグループ化することが困難である。
　以上に説明した背景から、マッチングシステム１に生成サーバ４００が導入されている。生成サーバ４００によれば、対話形式でユーザから職務経歴情報が漏れなく収集され、画一化された形式の職務経歴書が作成される。作成された職務経歴書には、必要記載事項に関する職務経歴が漏れなく、かつ、重複することなく記載されている。
　本実施の形態によれば、必要記載事項に関する事項が漏れなく記載されており、かつ重複する記載が存在しない職務経歴書をユーザが作成できるよう、ユーザを支援することができる。加えて、本実施の形態によれば、ユーザの文書作成能力に関わらず、ユーザの職務経歴が適切に反映された職務経歴書がユーザ作成できるよう、ユーザを支援することができる。本実施の形態によれば、必要記載事項に関する事項が漏れなく、かつ重複することのないよう、職務経歴情報を収集することができる。
　図２は、シェアリングサーバ１００、募集者装置２００、および応募者装置３００の構成を示すブロック図である。
　［シェアリングサーバ１００の構成］
　シェアリングサーバ１００は、プロセッサ１０１と、メモリ１０２と、ストレージ１０３と、通信インターフェイス１０４とを備える。
　メモリ１０２は、ＲＡＭ（Random　Access　Memory）、ＲＯＭ（Read　Only　Memory）、フラッシュメモリ、または他の任意の適切なメモリシステムを含む。メモリ１０２は、プロセッサ１０１の演算処理に必要なプログラム、および演算処理において算出される一時的なデータ等を格納する。
　ストレージ１０３は、ハードディスクドライブおよびソリッドステートドライブ等により構成される。ストレージ１０３には、データベース１２０が格納されている。データベース１２０は、複数種類のデータベースを含む。複数種類のデータベースには、企業データベース（企業ＤＢ）１２１、会員データベース（会員ＤＢ）１２２，コミュニティデータベース（コミュニティＤＢ）１２３、および募集案件データベース（募集案件ＤＢ）１２４が含まれる。
　シェアリングサーバ１００と別に設けたストレージに、これらの複数種類のデータベースのうちの一部を格納してもよい。たとえば、シェアリングサーバ１００とは別のクラウドサービスに接続し、図２に示される複数種類のデータベースの一部をそのクラウド上に格納してもよい。この場合、シェアリングサーバ１００は、インターネット５０を介して、そのクラウドと通信することにより、必要なデータベースにアクセスすることができる。
　プロセッサ１０１は、メモリ１０２に格納されたプログラムに従い、通信インターフェイス１０４を介してインターネット５０に接続する。プロセッサ１０１は、インターネット５０に接続し、募集者装置２００および応募者装置３００と通信する。プロセッサ１０１は、データベース１２０にアクセスし、必要なデータを抽出する処理、データベース１２０に新たなデータを登録する処理、およびデータベース１２０に登録されているデータを更新する処理等を実行する。
　［募集者装置２００の構成］
　募集者装置２００は、プロセッサ２０１と、メモリ２０２と、通信インターフェイス２０３と、入出力インターフェイス２０４と、ディスプレイ２０５と、操作部２０６とを備える。操作部２０６は、マウスおよびキーボード等により構成される。
　メモリ２０２は、ＲＡＭ（Random　Access　Memory）、ＲＯＭ（Read　Only　Memory）、フラッシュメモリ、または他の任意の適切なメモリシステムを含む。メモリ２０２は、プロセッサ２０１の演算処理に必要なプログラム、および演算処理において算出される一時的なデータ等を格納する。
　プロセッサ２０１は、メモリ２０２に格納されたプログラムに従い、通信インターフェイス２０３を介してインターネット５０に接続する。プロセッサ２０１は、インターネット５０に接続し、シェアリングサーバ１００と通信する。プロセッサ２０１は、シェアリングサーバ１００と通信し、募集案件を送信する処理、応募者である会員の情報をディスプレイ２０５に表示する処理、応募者の中から選択された受注者に業務を発注する処理、募集者が入力した受注者に対する評価の内容をシェアリングサーバ１００へ送信する処理等を実行する。
　操作部２０６の操作により入力された情報は、入出力インターフェイス２０４を介して、プロセッサ２０１に通知される。
　［応募者装置３００の構成］
　応募者装置３００は、プロセッサ３０１と、メモリ３０２と、通信インターフェイス３０３と、入出力インターフェイス３０４と、ディスプレイ３０５と、操作部３０６とを備える。操作部３０６は、マウスおよびキーボード等により構成される。
　メモリ３０２は、ＲＡＭ（Random　Access　Memory）、ＲＯＭ（Read　Only　Memory）、フラッシュメモリ、または他の任意の適切なメモリシステムを含む。メモリ３０２は、プロセッサ３０１の演算処理に必要なプログラム、および演算処理において算出される一時的なデータ等を格納する。
　プロセッサ３０１は、メモリ３０２に格納されたプログラムに従い、通信インターフェイス３０３を介してインターネット５０に接続する。プロセッサ３０１は、インターネット５０に接続し、シェアリングサーバ１００と通信する。プロセッサ３０１は、シェアリングサーバ１００と通信し、募集案件に応募する処理、応募した案件に対する採用または不採用の通知をディスプレイ３０５に表示する処理、受注した業務の実績をシェアリングサーバ１００に送信する処理、応募者が入力した募集者に対する評価の内容をシェアリングサーバ１００へ送信する処理等を実行する。
　操作部３０６の操作により入力された情報は、入出力インターフェイス３０４を介して、プロセッサ３０１に通知される。
　［データベース１２０］
　以下、データベース１２０について説明する。企業データベース１２１には、マッチングシステム１に加盟する企業の情報が登録されている。会員データベース１２２には、マッチングシステム１を利用する会員の情報が登録されている。多くの会員は、マッチングシステム１に加盟する企業の従業員である。
　会員データベース１２２に登録された会員は、マッチングシステム１を利用することにより、募集者（発注者）として、または応募者（受注者）として、活動することができる。会員には、企業データベース１２１に登録されている企業に所属する従業員の他、企業に所属しない個人（フリーランス）が含まれてもよい。
　コミュニティデータベース１２３には、コミュニティに所属する企業を特定するための情報が格納されている。コミュニティは、企業同士の合意によって形成される。したがって、企業間の合意の仕方によって、複数のコミュニティを形成することができる。１つのコミュニティに所属する企業の数も様々に設定することができる。コミュニティ関係を有する企業同士では、コミュニティを形成する際の合意の仕方により定まる範囲で信頼関係が形成される。コミュニティデータベース１２３には、コミュニティに所属する企業を特定するための情報がコミュニティ毎に登録されている。
　募集案件データベース１２４には、受注者を募集する業務（募集案件）が登録されている。各企業の従業員は、企業において所属する部門の本業に従事しつつ、マッチングシステム１の会員として、募集案件データベース１２４に登録されている自企業の他部門の案件または他の企業の案件を受注することができる。この場合、会員は、自企業の他部門の案件または他の企業の案件を副業として受注する。
　［生成サーバ４００の構成］
　図３は、生成サーバ４００の構成を示すブロック図である。生成サーバ４００は、プロセッサ４０１と、メモリ４０２と、ストレージ４０３と、通信インターフェイス４０４とを備える。
　メモリ４０２は、ＲＡＭ（Random　Access　Memory）、ＲＯＭ（Read　Only　Memory）、フラッシュメモリ、または他の任意の適切なメモリシステムを含む。メモリ４０２は、プロセッサ４０１の演算処理に必要なプログラム、および演算処理において算出される一時的なデータ等を格納する。
　ストレージ４０３は、ハードディスクドライブおよびソリッドステートドライブ等により構成される。ストレージ４０３には、データベース４２０および大規模言語モデル(Large　Language　Model:　LLM)４３０が格納されている。大規模言語モデル４３０は、自然言語処理アルゴリズムの一例である。ストレージ４０３は、自然言語処理アルゴリズムが格納された記憶部の一例である。
　大規模言語モデル４３０は、機械学習により予め訓練された言語モデル（訓練済言語モデル）である。大規模言語モデル４３０の訓練には膨大な量のテキストデータが用いられている。大規模言語モデル４３０は、たとえば、ＧＰＴ(Generative　Pre-trained　Transformer)等のトランスフォーマを用いる自己回帰モデルとして形成される。本実施の形態に関わる大規模言語モデル４３０は、ＧＰＴ（ＧＰＴ－２，ＧＰＴ－３，ＧＰＴ－４）の他、Ｂａｒｄ等を含んでもよい。
　データベース４２０は、複数種類のデータベースを含む。複数種類のデータベースには、ユーザデータベース（ユーザＤＢ）４２１、対話情報データベース（対話情報ＤＢ）４２２，および辞書データベース（辞書ＤＢ）４２３が含まれる。
　メモリ４０２には、プログラム（アルゴリズム）４１０が格納されている。プロセッサ４０１は、プログラム（アルゴリズム）４１０を実行することによって、大規模言語モデル４３０を利用し、職務経歴書を作成する。
　プログラム４１０は、対話プログラム４１１と、確認プログラム４１２と、作成プログラム４１３とを含む。プロセッサ４０１は、対話プログラム４１１を実行することによって、大規模言語モデル４３０を利用し、ユーザと対話する。これにより、プロセッサ４０１は、ユーザから数多くの職務経歴情報を取得する。プロセッサ４０１は、確認プログラム４１２を実行することによって、大規模言語モデル４３０を利用し、職務履歴書の作成に必要な職務履歴情報が漏れなく取得されていることを確認する。プロセッサ４０１は、作成プログラム４１３を実行することによって、大規模言語モデル４３０を利用し、予め規定されたフォーマットに従うように職務経歴書を作成する。
　［データベース４２０］
　以下、データベース４２０について説明する。ユーザデータベース４２１には、「職務経歴情報」および「職務経歴書」がユーザの会員ＩＤ別に登録される。本開示において「職務経歴情報」は、「職務経歴書」の作成に用いられる情報を意味するものとする。生成サーバ４００は、たとえば、ユーザと対話する前に、ユーザ装置５００を介してユーザからファイル形式の職務経歴情報を受信することができる。生成サーバ４００は、ユーザから職務経歴情報を受信した場合、職務経歴情報をユーザの会員ＩＤ別にユーザデータベース４２１に登録する。
　ユーザデータベース４２１に登録されている職務経歴情報が職務経歴書の作成に必要なすべての情報を含む場合、生成サーバ４００は、ユーザと対話することなく、職務経歴書を作成する。
　生成サーバ４００は、ユーザから職務経歴情報を取得するために、ユーザと対話する。対話情報データベース４２２には、対話によって取得された「職務経歴情報」が会員ＩＤ別に登録される。生成サーバ４００は、対話情報データベース４２２に登録されている「職務経歴情報」を用いて、「職務経歴書」を作成する。生成サーバ４００は、ユーザデータベース４２１に「職務経歴情報」が登録されている場合には、ユーザデータベース４２１に登録されている「職務経歴情報」と、対話情報データベース４２２に登録されている「職務経歴情報」とを用いて、「職務経歴書」を作成する。生成サーバ４００は、作成した「職務経歴書」をユーザデータベース４２１に登録する。なお、ユーザデータベース４２１の構成については、図８を用いて、後に詳細に説明する。
　辞書データベース４２３には、生成サーバ４００とユーザとの対話において抽出された用語およびその意味が登録されている。生成サーバ４００は、職務経歴書の記載のうち、辞書登録されている用語を辞書データベース４２３とを関連付ける。生成サーバ４００（またはシェアリングサーバ１００）は、職務経歴書をユーザ装置５００に表示する。生成サーバ４００（またはシェアリングサーバ１００）は、職務経歴書の記載のうち、辞書登録されている用語をユーザがマウスでクリックしたとき、用語の意味をユーザ装置５００に表示する。
　生成サーバ４００と別に設けたストレージに、大規模言語モデル４３０または複数種類のデータベースのうちの一部を格納してもよい。たとえば、生成サーバ４００とは別のクラウドサービスに接続し、図３に示される複数種類のデータベースの一部、または大規模言語モデル４３０をそのクラウド上に格納してもよい。この場合、生成サーバ４００は、インターネット５０を介して、そのクラウドと通信することにより、必要なデータベースまたは大規模言語モデル４３０にアクセスすることができる。
　プロセッサ４０１は、メモリ４０２に格納されたプログラムに従い、通信インターフェイス４０４を介してインターネット５０に接続する。プロセッサ４０１は、インターネット５０に接続し、ユーザ装置５００（図１参照）と通信する。プロセッサ４０１は、データベース４２０にアクセスし、必要なデータを抽出する処理、データベース４２０に新たなデータを登録する処理、およびデータベース４２０に登録されているデータを更新する処理等を実行する。
　プロセッサ４０１は、シェアリングサーバ１００と通信する。たとえば、プロセッサ４０１は、シェアリングサーバ１００の要求に応じて、ユーザデータベース４２１に登録されている、会員（ユーザ）の職務経歴書をシェアリングサーバ１００へ送信する。
　［企業データベース１２１］
　図４は、企業データベース１２１の一例を示す図である。企業データベース１２１には、企業を識別するための企業ＩＤ、企業名、および企業の住所等が企業別に登録されている。本実施の形態において、会員は、様々な企業および部門が募集する業務に応募し、その業務を受注することが許される。
　［会員データベース１２２］
　図５は、会員データベース１２２の一例を示す図である。会員データベース１２２には、会員の各種の情報が登録されている。会員の各種の情報には、会員を識別するための会員ＩＤ、会員が所属する企業のＩＤ、会員名、会員の権限、および会員が所属する部門が含まれる。
　会員の権限の種類には、管理者および応募者が含まれる。管理者権限を有する会員には、募集者および応募者としてマッチングシステム１を利用する権限が与えられる。応募者権限を有する会員には、応募者としてマッチングシステム１を利用する権限が与えられるものの、募集者としてマッチングシステム１を利用する権限は与えられない。企業内の部門長には、部門内の部下の副業状況を管理するために、管理者権限が与えられる。管理者権限を有する管理者には、部下である応募者の応募を承認する権限が与えられる。したがって、管理者は、承認者として機能する。
　［コミュニティデータベース１２３］
　図６は、コミュニティデータベース１２３の一例を示す図である。コミュニティデータベース１２３には、企業間で形成されるコミュニティの情報が登録されている。コミュニティの情報には、コミュニティを識別するためのコミュニティＩＤ、コミュニティ名、およびコミュニティに所属する企業のＩＤリストが含まれる。各企業は、他の企業と合意することによって様々なコミュニティを形成することができる。コミュニティに所属する企業は、他の企業との合意によって、コミュニティに所属する対象とする企業を変更することができる。
　［募集案件データベース１２４］
　図７は、募集案件データベース１２４の一例を示す図である。募集案件データベース１２４には、募集案件の情報が登録されている。募集案件の情報には、募集案件を識別するための案件ＩＤ、募集案件を登録した募集者が所属する企業のＩＤ、非開示企業ＩＤリスト、開示レベル、案件タイトル、想定工数、想定期間、および案件内容が含まれる。
　非開示企業ＩＤリストには、募集案件の開示を禁止する企業のＩＤが登録される。開示レベルには、「自社」、「コミュニティ内」、および「すべて」の３段階のレベルのいずれかが設定される。開示レベルが「すべて」に設定された場合、開示対象には、コミュニティ外の応募者も含まれる。
　図７の募集案件データベース１２４の右側には、募集案件を閲覧可能な企業のＩＤが示されている。たとえば、案件ＩＤ＝００１に対応する募集案件では、開示レベルが「自社」に設定されている。この場合、募集案件を登録した企業（企業ＩＤ＝００Ａ）に所属する会員のみが案件ＩＤ＝００１に対応する募集案件を閲覧できる。
　以下、案件ＩＤを用いて、各案件ＩＤに対応する募集案件を案件００１、案件００２、案件００３…と称する場合がある。同様に、コミュニティＩＤを用いて、各コミュニティＩＤに対応するコミュニティをコミュニティ０１、コミュニティ０２、コミュニティ０３…と称する場合があり、会員ＩＤを用いて、各会員ＩＤに対応する会員を会員Ｐ１、会員Ｐ２、会員Ｐ３…と称する場合がある。また、以下、企業ＩＤの一部を用いて、各企業ＩＤに対応する企業を企業Ａ、企業Ｂ、企業Ｃ…と称する場合がある。
　案件００２では、開示レベルが「コミュニティ内」に設定されている。図６に示されるコミュニティデータベース１２３によれば、案件００２を登録した企業Ａとコミュニティ関係にある企業は、企業Ｂおよび企業Ｃである。したがって、図７に示されるように、企業Ａ、企業Ｂ、および企業Ｃのいずれかに所属する会員のみが案件００２を閲覧できる。
　案件００３は、募集案件の登録企業および開示レベルが案件００２と同じである。ただし、案件００３では、非開示企業ＩＤリストに「００Ｂ」が登録されている。したがって、図７に示されるように、企業Ａおよび企業Ｃのいずれかに所属する会員のみが案件００３を閲覧でき、企業Ｂに所属する会員には案件００３を閲覧する権限が認められない。
　開示レベルが「すべて」に設定されている募集案件の場合、すべての会員が対象の募集案件を閲覧できる。図７に示される案件００５がこれに該当する。仮に、案件００５の非開示企業ＩＤリストに１つまたは複数の企業のＩＤが登録されていた場合、それらの企業ＩＤの企業に所属する会員には、案件００５を閲覧する権限が与えられない。
　想定工数および想定期間は、募集案件を処理する時間を想定するために、応募者およびマッチングシステム１により用いられる。
　なお、企業データベース１２１、会員データベース１２２、およびコミュニティデータベース１２３の各々は、シェアリングサーバ１００と生成サーバ４００とで共有されていてもよい。募集案件データベース１２４には、募集案件に対応する募集者の会員ＩＤが登録されてもよい。
　［ユーザデータベース］
　図８は、ユーザデータベース４２１の一例を示す図である。図８に示されるように、ユーザデータベース４２１には、会員（ユーザ）の「職務経歴情報」および「職務経歴書」が会員ＩＤ別に登録される。上述のとおり、「職務経歴情報」は、「職務経歴書」の作成に用いられる情報を意味する。「職務経歴書」は、「職務経歴情報」に基づいて作成される。なお、本実施の形態において、「職務経歴情報」は、生成サーバ４００とユーザとの対話の前に予め取得されるケースと、生成サーバ４００とユーザとの対話によって取得されるケースとがある。
　職務経歴書のフォーマットは、予め設計者によって規定されている。職務経歴書のフォーマットは、必要記載事項の種類、および必要記載事項の記載順序を含む。
　職務経歴書の必要記載事項には、「形式的な項目」と「実質的な項目」とが含まれる。形式的な項目には、たとえば、「氏名」、「年齢」、「性別」、「職歴要約」、「職務経歴（期間および内容）」、「資格およびスキル」、および「自己ＰＲ」などが含まれる。それらの形式的な項目は、図８に示されるように、職務経歴書において、「氏名」、「年齢」、「性別」、「職歴要約」、「職務経歴（期間および内容）」、「資格およびスキル」、および「自己ＰＲ」の順に並んでいる。生成サーバ４００によって作成される職務経歴書には、図８に示される「形式的な項目」が、図８に示される順序で記載される。なお、図８に示される「形式的な項目」の種類および記載順序は、例示に過ぎない。
　職務経歴書には、「形式的な事項」の各々に対応するコンテンツが含まれている。職務経歴書に記載されるべきコンテンツには、予め定められた「実質的な項目」が含まれる。「実質的な項目」の一例として、本実施の形態では、「ＳＴＡＲ」と称される項目を紹介する。
　一般に、「ＳＴＡＲ」は、面接官が求職者を効果的に面接するために用いられるメソッドのひとつとして知られている。「ＳＴＡＲ」は、「Ｓ（Situation：状況）」、「Ｔ（Task：課題）」、「Ａ（Action：行動）」、および「Ｒ（Result：結果）」の各々の頭文字を繋げることによって生成された造語である。生成サーバ４００は、「ＳＴＡＲ」が意図する４つの項目の各々に関するユーザの職歴事項が含まれるように、ユーザから職務経歴情報を取得し、取得した職務経歴情報を用いて職務経歴書を作成する。
　ユーザデータベース４２１には、各ユーザ向けに作成された職務経歴書（コンテンツを含む）と別に、職務経歴書のフォーマット情報が登録されている。このフォーマット情報には、職務経歴書の必要記載事項（形式的な事項、および実質的な事項）が含まれている。生成サーバ４００は、ユーザデータベース４２１に登録されているフォーマットを参照しつつ、職務経歴書の作成支援に関する処理を実行する。
　ユーザデータベース４２１に登録されている職務経歴情報は、生成サーバ４００とユーザとの対話によって得られる職務経歴情報と同様に職務経歴書の作成のベースになる情報である。生成サーバ４００は、ユーザデータベース４２１に職務経歴情報が登録されていない場合、ユーザとの対話によって得られる「職務経歴情報」に基づいて、職務経歴書を作成する。したがって、本開示において、ユーザデータベース４２１に職務経歴情報が登録されていることは、必須でない。ユーザデータベース４２１は、収集部による対話の前に収集済の職務経歴情報が登録される職務経歴データベースの一例である。
　「職務経歴情報」は、たとえば、ユーザが過去に勤めていた企業の名称、部門、職務の内容、職務の経験、および勤務期間に関する情報などであり、上述の「ＳＴＡＲ」に関する情報を含む。あるいは、「職務経歴情報」は、ユーザが保有している資格に関する情報である。
　「職務経歴情報」は、ユーザの職務経歴に関する断片的な情報を含む。断片的な情報とは、たとえば、職務経歴書に含まれる複数の必要記載事項のうちの１つに関する情報である。複数の必要記載事項のうちの１つとは、たとえば、ユーザが保有している資格に関する情報である。あるいは、断片的な情報とは、必要記載事項のうちの一部を構成する情報である。たとえば、ユーザが３つの資格を保有している場合、断片的な情報とは、３つのうちの１つの資格に関する情報である。
　ユーザデータベース４２１は、対話情報データベース４２２および辞書データベース４２３と共にデータベース４２０を構成する。ここでは、データベース４２０のうち、ユーザデータベース４２１について図面を用いて詳細に説明した。対話情報データベース４２２および辞書データベース４２３については、既に各々の構成が理解されるための説明を終えているため、ここでは、対話情報データベース４２２および辞書データベース４２３の説明を繰り返さない。
　［対話の一例］
　図９および図１０は、生成サーバ４００とユーザとの間で行なわれる対話の一例を示す図である。ユーザはユーザ装置５００を用いて生成サーバ４００にアクセスする。生成サーバ４００は、大規模言語モデル４３０を利用して、以下に例示するような手順でユーザと対話する。特に、生成サーバ４００は、必要記載事項に関連するＳＴＡＲ（Situation,Task,　Action,　Result）の観点から、ユーザのすべての職務経歴が漏れなく取得されるように、ユーザとの対話を発散させる。これにより、生成サーバ４００は、職務経歴書の作成に必要なユーザの職務経歴情報を漏れなく取得する。
　ここでは、ユーザ装置５００の画面を利用して生成サーバ４００がユーザと対話する例を説明する。すなわち、生成サーバ４００は、依頼の文章や質問の文章をユーザ装置５００の画面に表示することで、ユーザに職務経歴に関する問い合わせをする。ユーザは、ユーザ装置５００のキーボード等を用いて文章を入力することで、問い合わせに回答する。生成サーバ４００は、音声によってユーザと対話してもよい。
　はじめに、生成サーバ４００は、「職務経歴を入力してください。」という依頼文を画面に表示する（ステップＳ１）。ユーザは、ステップＳ１の依頼に対して、「○○社でリードデザイナーをしていました。」と回答する（ステップＳ２）。
　ステップＳ２の回答を踏まえて、生成サーバ４００は、「どういった職場環境でしたか。」という問い合わせの文章を画面に表示する（ステップＳ３）。ユーザは、ステップＳ３の問い合わせに対して、「チームは人員不足で、大量の未処理案件を抱えていました。アカウントマネージャーが無理な納期を設定したため、チームもストレスを感じて、士気が低下していました。」と回答する（ステップＳ４）。
　ステップＳ４の回答を踏まえて、生成サーバ４００は、「その時の状況や課題において、あなたが担っていた責任や役割を説明してください。」という問い合わせの文章を画面に表示する（ステップＳ５）。ユーザは、ステップＳ５の問い合わせに対して、「チームが納期を守って作業できるようにするだけでなく、他の部署に処理能力を伝え、チームのモチベーションを維持するのがチームリーダーとしての私の役割でした。」と回答する（ステップＳ６）。
　以下、同様の要領で、生成サーバ４００は、ユーザとチャット形式によって対話することにより、職務経歴書の作成に必要な職務経歴情報をユーザから漏れなく取得する。生成サーバ４００は、その後、職務経歴情報に基づいて職務経歴書を作成する。生成サーバ４００は、「職務経歴を作成しました。確認をお願いします。」という依頼文を画面に表示する（ステップＳ７）。さらに、生成サーバ４００は、作成した職務経歴書をユーザに提示する（ステップＳ８）。ユーザは、ユーザ装置５００の画面で職務経歴書をチェックする。
　特に、生成サーバ４００は、ＳＴＡＲ（Situation,　Task,　Action,　Result）の観点から、ユーザのすべての職務経歴が漏れなく取得されるように、生成サーバ４００とユーザとの対話を発散させる。
　ステップＳ３は、「Situation」に対応する職務経歴情報をユーザから取得するための問い合わせの一例である。また、ステップＳ５は、「Task」に対応する職務経歴情報をユーザから取得するための問い合わせの一例である。図９および図１０には例示されていないが、「Action」は、「Situation」または「Task」をユーザが克服した手法に関する。また、「Result」は、ユーザの「Action」によって得られた成果に関する。
　対話プログラム４１１には、ＳＴＡＲ（Situation,　Task,　Action,　Result）の観点で対話が発散するようにするためのパラメータが含まれる。このようなパラメータは、たとえば、生成サーバ４００のシステム管理者によって設計される。
　なお、生成サーバ４００は、チャット形式の対話に加えて、あるいは、チャット形式の対話に変えて、職務経歴情報に関するＣＳＶ（Comma　Separated　Value）ファイル等をユーザがユーザ装置５００から生成サーバ４００に送信することを許容してもよい。
　なお、「発散させる」のいくつかの例を挙げると、次のとおりである。たとえば、ユーザから取得された情報を文章に展開した場合、その文章の文字数が必要記載事項で規定されている文字数に足りないような状況が発生し得る。より具体的には、「どういった職場環境ですか？」という質問をしたときに得られた回答が規定文字数（たとえば、１００文字以上）に達しないかもしれない。このような場合、生成サーバ４００は、「直接の上司との関係性はいかがでしたか？」という追加の質問、あるいは「同僚との関係性はいかがでしたか？」という追加の質問をユーザにする。
　あるいは、ユーザから得られた回答の具体性が足りない場合に、生成サーバ４００は、ユーザに追加の質問をする。たとえば、生成サーバ４００は、ユーザの回答からでは、理由がはっきりしない場合に、ユーザに追加の質問をする。たとえば、ユーザから「チームは人員不足で…」という回答が得られているものの、人員不足の理由を示す「キーワード」等がユーザの回答に含まれない場合、「なぜ人員不足だったのですか？」などといった追加の質問をユーザにする。
　生成サーバ４００は、ユーザから得られた回答において、「理由」に関する情報が不十分である場合、大規模言語モデル４３０を用いて情報を整理した上で、理由の選択肢をユーザに提示してもよい。たとえば、ユーザから得られた回答が「チームは人員不足で、大量の未処理案件を抱えていました。アカウントマネージャーが無理な納期を設定したため、チームもストレスを感じて、士気が低下していました。」という内容であったものとする。
　この場合、生成サーバ４００は、たとえば、（ａ）人員不足の理由と、（ｂ）大量の未処理案件をユーザが抱えることになった理由と、が不十分であると判定し、それぞれの理由を取得するために、選択肢をユーザに提示する。
　「（ａ）人員不足の理由」を取得するため、生成サーバ４００は、たとえば、「人員不足だったとのことですが、理由は以下の中にありますでしょうか？（複数選択可）」という問い合わせをすると共に、「Ａ：採用しても集まらない」、「Ｂ：急に受注が増加した」、「Ｃ：辞める人が多い」、および「Ｄ：その他（自由記述）」を選択肢として、ユーザに提示してもよい。
　「（ｂ）大量の未処理案件をユーザが抱えることになった理由」を取得するため、生成サーバ４００は、たとえば、「大量の未処理案件を抱えていたとのことですが、理由は以下の中にありますでしょうか？（複数選択可）」という問い合わせをすると共に、「Ａ：営業と開発の情報連携が不足しており、開発人数に対して案件数を過剰に受注していた」、「Ｂ：アカウントマネージャーのマネジメント能力が不足している」、「Ｃ：開発人員のスキルが不足している」、および「Ｄ：その他（自由記述）」を選択肢として、ユーザに提示してもよい。
　ユーザは、上記（ａ）に対する回答として、Ａ、Ｂ、およびＣの３つの選択肢を選択し、上記（ｂ）に対する回答として、ＡおよびＢの２つの選択肢を選択するかもしれない。
　その結果、生成サーバ４００は、上記（ａ），（ｂ）に関する理由の充実したより多くの情報をユーザから引き出すことができる。たとえば、ユーザに追加の質問をする前に、ユーザから取得されていた情報は、「チームは人員不足で、大量の未処理案件を抱えていました。アカウントマネージャーが無理な納期を設定したため、チームもストレスを感じて、士気が低下していました。」というものである。
　これに対して、上記（ａ），（ｂ）に関する追加の質問をすることによって、生成サーバ４００は、たとえば、「営業と開発の情報連携が不足しており、開発人数に対して案件数を過剰かつ急激に受注しており、かつ、アカウントマネージャーのマネジメント能力が不足しているため、案件をさばききれなかった。受注案件が多く、労働時間も超過気味だったため退職する人が続出し、ますます人員が不足していた。さらに即戦力となる中途社員の採用も募集していたが、人が集まらなかった。」という情報をユーザから引き出すことができる。
　［対話の一例（辞書登録が発生する場合）］
　図１１および図１２は、生成サーバ４００とユーザとの間で行なわれる対話の一例（辞書登録有り）を示す図である。ここでは、既に説明した図９および図１０に示される対話において、生成サーバ４００が辞書データベース４２３に登録すべき用語を検出したときの生成サーバ４００の動作を説明する。
　図１１に示されるように、生成サーバ４００は、ステップＳ２の入力のうち、「リードデザイナー」について、意味を誤認し易い用語として検出する。この場合、生成サーバ４００は、「リードデザイナーとは、○○○○○○という意味ですか？」という問い合わせの文章を画面に表示する（ステップＳ２ａ）。
　ユーザは、ステップＳ２ａの問い合わせに対して、「いいえ、××××××という意味です。」と回答する（ステップＳ２ｂ）。ステップＳ２ｂの回答を踏まえて、生成サーバ４００は、「わかりました。」という文章を画面に表示する（ステップＳ２ｃ）。さらに、生成サーバ４００は、ステップＳ２ｃにおいて、「リードデザイナー」という用語とその意味とをセットにして、辞書データベース４２３に登録する。
　その後、生成サーバ４００は、ユーザとの対話を継続し、職務経歴書の作成に必要な職務経歴情報をユーザから漏れなく取得する。生成サーバ４００は、その後、職務経歴情報に基づいて職務経歴書を作成する。生成サーバ４００は、「職務経歴を作成しました。確認をお願いします。」という依頼文を画面に表示する（ステップＳ７）。さらに、生成サーバ４００は、作成した職務経歴書をユーザに提示する（ステップＳ８）。
　図１２に示されるように、職務経歴書に記載されている「リードデザイナー」という用語には下線が引かれている。ユーザは、下線に対応する用語が辞書とリンクしていることを理解する。ユーザが画面に表示されている用語をマウス等でクリックすると、辞書データベース４２３に登録されている用語の意味が画面に表示される。ユーザは、ユーザ装置５００の画面で辞書へのリンクを含む職務経歴書をチェックする。生成サーバ４００は、ユーザによって承認された職務経歴書を、ユーザの会員ＩＤと紐付けてユーザデータベース４２１に登録する。
　ユーザデータベース４２１に登録された職務経歴書は、ユーザの要望に応じて、募集者装置２００へ送信される。募集者装置２００は、辞書へのリンクを含む職務経歴書を募集者装置２００に表示する。画面に表示されている用語を募集者がマウス等でクリックすると、辞書データベース４２３に登録されている用語の意味が画面に表示される。これにより、募集者は、職務経歴書に記載されている用語を正確に把握することができる。
　［生成サーバの機能］
　図１３は、生成サーバ４００によって実行される処理の内容を発散フェーズおよび収束フェーズの観点から説明するための図である。
　生成サーバ４００は、大規模言語モデル４３０と、大規模言語モデル４３０を利用して職務経歴書の作成を支援するための処理を実行するプログラム４１０（対話プログラム４１１、確認プログラム４１２、作成プログラム）とを有している。職務経歴書の作成を支援するための処理は、図１３に示されるように、発散フェーズと、収束フェーズとに分かれる。
　対話プログラム４１１と大規模言語モデル４３０との組み合せにより、「対話ＡＩ（Artificial　Intelligence）４１１０」が構成される。対話ＡＩ４１１０は、職務経歴書の作成に必要な数多くの職務経歴情報をユーザから取得する。さらに、対話ＡＩ４１１０は、作成された職務経歴書がユーザの意図に沿うか否かをユーザに問い合わせる。
　確認プログラム４１２と大規模言語モデル４３０との組み合せにより、「確認ＡＩ４１２０」が構成される。確認ＡＩ４１２０は、職務経歴書の作成に必要な必要記載事項に対応するすべての職務経歴情報が漏れなく取得されていることを確認する。
　作成プログラム４１３と大規模言語モデル４３０との組み合せにより、「作成（要約）ＡＩ４１３０」が構成される。作成（要約）ＡＩ４１３０は、予め規定された職務経歴書のフォーマットに従うように職務経歴書を作成する。
　発散フェーズにおいて、対話ＡＩ４１１０は、ユーザとチャット形式で対話しつつ、ユーザから職務経歴書の必要記載事項に関連する職務経歴情報をユーザから取得する。このとき、対話ＡＩ４１１０は、システム管理者によって設計されたパラメータに従って、「ＳＴＡＲ（Situation,　Task,　Action,　Result）」の観点で対話が発散するように、対話を制御する。
　発散フェーズにおいて、確認ＡＩ４１２０は、職務経歴書のフォーマットを読み込む。職務経歴書のフォーマットには、職務経歴書の作成に必要な必要記載事項が含まれている。確認ＡＩ４１２０は、職務経歴書の作成に必要な必要記載事項に対応するすべての職務経歴情報が漏れなく取得されていることを確認する。職務経歴情報が不足する場合、確認ＡＩ４１２０は、不足する職務経歴情報に関する対話の継続を対話ＡＩ４１１０に指示する。
　対話ＡＩ４１１０は、対話履歴を記憶している。このため、対話ＡＩ４１１０は、対話の継続を確認ＡＩ４１２０から指示された場合、既に終えている対話をやり直すことなく、先の対話の途中から対話を継続することができる。
　発散フェーズでは、職務経歴書の作成に必要な必要記載事項に対応するすべての職務経歴情報が漏れなく取得まで、対話ＡＩ４１１０による発散型の対話と、確認ＡＩ４１２０による確認とが繰り返される。
　生成サーバ４００は、発散フェーズを終えた後、収束フェーズに移行する。収束フェーズにおいて、作成ＡＩ（要約ＡＩ）４１３０は、取得した情報を所定の形式に整える機能を有する。より具体的には、作成ＡＩ４１３０は、予め規定された職務経歴書のフォーマットに従うように職務経歴書を作成する。対話ＡＩ４１１０は、作成された職務経歴書をユーザに提示する。ユーザは、職務経歴書をチェックする。ユーザは、職務経歴書がユーザの意図に沿わないと判断した場合、対話ＡＩ４１１０に修正を指示する。この場合、作成ＡＩ４１３０は、ユーザの修正指示に基づいて、職務経歴書を修正する。対話ＡＩ４１１０は、修正されたユーザに提示する。ユーザは、職務経歴書をチェックする。
　収束フェーズでは、ユーザの意図する職務経歴書が作成されるまで、作成ＡＩ４１３０による職務経歴書の作成（修正）と、対話ＡＩ４１１０とユーザとの対話とが繰り返される。
　図１４は、生成サーバ４００の機能的構成を示す図である。図１４に示されるように、生成サーバ４００は、制御部４０１０を備える。制御部４０１０は、図３に示されるプロセッサ４０１と、メモリ４０２と、通信インターフェイス４０４とによって実現される。
　制御部４０１０は、大規模言語モデル４３０を利用することによって、図１３に示される対話ＡＩ４１１０、確認ＡＩ４１２０、および作成ＡＩ４１３０として機能し得る。制御部４０１０は、データベース４２０にアクセスすることによって、職務経歴書の作成支援に関する処理を実行する。
　制御部４０１０は、データインポート部４０１１と、情報取得部４０１２と、辞書情報登録部４０１３と、辞書情報表示部４０１４と、情報整理部４０１５と、職務経歴書登録部４０１６とを含む。
　データインポート部４０１１は、ユーザが既に所有している職務経歴情報を対話ＡＩ４１１０にインポートする。たとえば、データインポート部４０１１は、ユーザ装置５００を介してユーザから所定のファイル形式で職務経歴情報を受信することができる。制御部４０１０は、インポートされた職務経歴情報を職務経歴書の作成に利用する。このように、ユーザが既に所有している職務経歴情報を活用することにより、対話ＡＩ４１１０の対話コストを下げることができる。
　情報取得部４０１２は、対話ＡＩ４１１０を用いて、ユーザから職務経歴情報を取得する。情報取得部４０１２は、確認ＡＩ４１２０を用いて、職務経歴書の作成に必要な必要記載事項に対応するすべての職務経歴情報が漏れなく取得されたことを確認する。
　辞書情報登録部４０１３は、ユーザと対話ＡＩ４１１０との対話中に得られた、特有の用語を辞書データベース４２３に登録する。ここで、特有の用語は、たとえば、企業などの組織特有の情報であってもよい。
　辞書情報表示部４０１４は、辞書データベース４２３に登録されている用語が職務経歴書に記載されている場合、職務経歴書に記載されている用語をリンク形式で表示する。情報整理部４０１５は、作成ＡＩ４１３０を用いて、所定のフォーマットで職務経歴書を作成する。
　職務経歴書登録部４０１６は、作成された職務経歴書をユーザデータベース４２１に格納する。特に、職務経歴書登録部４０１６は、辞書データベース４２３に登録されている用語が職務経歴書に記載されている場合、職務経歴書に記載されている用語と辞書データベース４２３に登録されている用語の意味とを関連付けるリンクを生成した上で、職務経歴情報をユーザデータベース４２１に格納する。
　［制御部４０１０の処理手順］
　次に、図１５～図２０を参照して、生成サーバ４００に含まれる制御部４０１０の処理手順の一例を説明する。ここでは、制御部４０１０の処理手順として、データインポート部４０１１、情報取得部４０１２、辞書情報登録部４０１３、辞書情報表示部４０１４、情報整理部４０１５、および職務経歴書登録部４０１６の各々の処理手順を説明する。
　図１５は、データインポート部４０１１の処理手順を示すフローチャートである。はじめに、データインポート部４０１１は、職務経歴書のフォーマット情報と、対話ＡＩ４１１０とユーザとの対話の前に登録されている職務経歴情報とをユーザデータベース４２１から取得する（ステップＳ１１）。ステップＳ１１は、ユーザの職務経歴に関する職務経歴情報を収集する収集部の一例である。さらに、ステップＳ１１は、職務経歴書の必要記載事項が含まれるフォーマット情報を取得する取得部の一例である。
　「対話ＡＩ４１１０とユーザとの対話の前に登録されている職務経歴情報」は、図８に示される「職務経歴情報」のことである。なお、データインポート部４０１１は、ステップＳ１１において、所定のローカルファイルから、ユーザの職務経歴情報を読み出してもよい。職務経歴書のフォーマット情報には、職務経歴書の必要記載事項、および必要記載事項を配置する順序等が含まれている。
　次に、データインポート部４０１１は、ステップＳ１１において取得された職務経歴情報を事前情報として対話ＡＩ４１１０に入力する（ステップＳ１２）。次に、データインポート部４０１１は、ステップＳ１１において取得された職務経歴情報に、職務経歴書の作成に必要なすべての情報が含まれているか否かを判定する（ステップＳ１３）。データインポート部４０１１は、確認ＡＩ４１２０を呼び出し、職務経歴書のフォーマット情報を参照することによって、ステップＳ１３の判定を行う。
　ステップＳ１１において取得された職務経歴情報に、職務経歴書の作成に必要なすべての情報が含まれている場合、対話ＡＩ４１１０とユーザとの対話が必要とされない。そこで、データインポート部４０１１は、ステップＳ１１において取得された職務経歴情報に、職務経歴書の作成に必要なすべての情報が含まれている場合、情報整理部４０１５へ処理を渡す。情報整理部４０１５では、職務経歴書が作成される。
　データインポート部４０１１は、ステップＳ１１において取得された職務経歴情報に、職務経歴書の作成に必要なすべての情報が含まれていない場合、情報取得部４０１２へ処理を渡す。
　図１６は、情報取得部４０１２の処理手順を示すフローチャートである。はじめに、情報取得部４０１２は、大規模言語モデル４３０を用いて対話ＡＩ４１１０および確認ＡＩ４１２０を呼び出す（ステップＳ２１）。
　次に、情報取得部４０１２は、対話ＡＩ４１１０を用いてユーザと対話する（ステップＳ２２）。これにより、情報取得部４０１２は、対話情報（職務経歴情報を含む）をユーザから取得する。ステップＳ２２は、ユーザの職務経歴に関する職務経歴情報を収集する収集部の一例である。さらに、ステップＳ２２は、ユーザと対話することによって職務経歴情報を収集する対話部の一例である。次に、情報取得部４０１２は、対話情報を対話情報データベース４２２に格納する（ステップＳ２３）。対話情報は、ユーザとの対話の履歴を示す情報である。
　次に、情報取得部４０１２は、職務経歴書の作成に必要な必要記載事項に対応するすべての職務経歴情報が漏れなく取得された否かを対話情報に基づいて判定する（ステップＳ２４）。このとき、情報取得部４０１２は、ステップＳ１１において取得済のフォーマット情報を参照し、ステップＳ２４の判定を行う。なお、情報取得部４０１２は、ステップＳ１１とは別のステップで、ユーザデータベース４２１からフォーマット情報を取得してもよい。情報取得部４０１２は、必要記載事項に対応するすべての職務経歴情報が漏れなく取得されていない場合、ステップＳ２２に処理を戻す。
　情報取得部４０１２は、必要記載項目に対応するすべての職務経歴情報が漏れなく取得されている場合、他の職務経歴情報があるか否かをユーザに確認する（ステップＳ２５）。情報取得部４０１２は、他の職務経歴情報がある場合、ステップＳ２２に処理を戻す。情報取得部４０１２は、他の職務経歴情報がない場合、情報整理部４０１５へ処理を渡す。情報整理部４０１５では、職務経歴書が作成される。
　図１７は、辞書情報登録部４０１３の処理手順を示すフローチャートである。はじめに、辞書情報登録部４０１３は、対話ＡＩ４１１０とユーザとの対話中に、辞書登録すべき単語を検出する（ステップＳ３１）。辞書登録すべき単語は、固有名詞および多義語情報などである。辞書登録すべき単語は、たとえば、企業などの組織特有の情報であってもよい。次に、辞書情報登録部４０１３は、単語の意味をユーザに確認する（ステップＳ３２）。
　次に、辞書情報登録部４０１３は、ユーザの回答を取得する（ステップＳ３３）。次に、辞書情報登録部４０１３は、ステップＳ３１において検出された単語とユーザの回答に基づいた意味とを辞書情報として辞書データベース４２３に登録し（ステップＳ３４）、本フローチャートに基づく処理を終了する。ステップＳ３４は、職務経歴情報に含まれる用語の意味を辞書データベースに登録する登録部の一例である。
　図１８は、辞書情報表示部４０１４の処理手順を示すフローチャートである。はじめに、辞書情報表示部４０１４は、ユーザデータベース４２１からユーザの職務経歴書を取得する（ステップＳ４１）。次に、辞書情報表示部４０１４は、職務経歴書に存在する用語を辞書データベース４２３から取得する（ステップＳ４２）。次に、辞書情報表示部４０１４は、職務経歴書をリンク付きでユーザ装置５００の画面に表示する（ステップＳ４３）。
　次に、辞書情報表示部４０１４は、ユーザの操作に応じて、リンクに対応する辞書情報をユーザ装置５００の画面に表示し（ステップＳ４４）、本フローチャートに基づく処理を終了する。辞書情報表示部４０１４は、職務経歴書を表示装置に表示する表示部の一例である。ユーザ装置５００は、表示装置の一例である。なお、辞書情報表示部４０１４は、ユーザ装置５００に代えて、または、ユーザ装置５００に加えて、生成サーバ４００に装備される表示装置に職務経歴書を表示してもよい。
　図１９は、情報整理部４０１５の処理手順を示すフローチャートである。はじめに、情報整理部４０１５は、大規模言語モデル４３０を用いて作成ＡＩ４１３０を呼び出す（ステップＳ５１）。
　次に、情報整理部４０１５は、対話情報データベース４２２から対話情報を読み込む（ステップＳ５２）。また、情報整理部４０１５は、事前に登録されている職務経歴情報がユーザデータベース４２１に存在する場合、ステップＳ５２において、ユーザデータベース４２１から職務経歴情報を読み込む。
　次に、情報整理部４０１５は、対話情報から職務経歴書を作成する（ステップＳ５３）。また、情報整理部４０１５は、ユーザデータベース４２１から職務経歴情報を読み込んでいる場合、ステップＳ５３において、職務経歴情報および対話情報から職務経歴書を作成する。ステップＳ５３は、職務経歴書を作成する作成部の一例である。
　情報整理部４０１５は、ステップＳ１１において取得済のフォーマット情報を参照し、フォーマット情報に従うフォーマットの職務経歴書を作成する。なお、情報取得部４０１２は、ステップＳ１１とは別のステップで、ユーザデータベース４２１からフォーマット情報を取得してもよい。次に、情報整理部４０１５は、職務経歴書をユーザ装置５００の画面に表示する（ステップＳ５４）。
　次に、情報整理部４０１５は、ユーザの承認操作を受け付けたか否かを判定する（ステップＳ５５）。情報整理部４０１５は、ユーザの承認操作を受け付けた場合、本フローチャートに基づく処理を終了する。
　情報整理部４０１５は、ユーザの承認操作を受け付けていない場合、ユーザの非承認操作を受け付けたか否かを判定する（ステップＳ５６）。情報整理部４０１５は、ユーザの非承認操作を受け付けていない場合、ステップＳ５５に処理を戻す。情報整理部４０１５は、ユーザの非承認操作を受け付けた場合、情報取得部４０１２へ処理を渡す。情報取得部４０１２は、再度、対話ＡＩ４１１０を呼び出して、ユーザと対話することで、新たな対話情報をユーザから取得する。
　なお、情報整理部４０１５は、新たな対話情報をユーザから取得するだけでなく、対話の前の条件を異ならせずに、再度、ユーザと対話をしてもよい。一般に、大規模言語モデルでは、同じ質問および条件に対して、ニュアンスの異なる複数の回答（文章）が生成される可能性があるためである。
　図２０は、職務経歴書登録部４０１６の処理手順を示すフローチャートである。はじめに、職務経歴書登録部４０１６は、ユーザデータベース４２１からユーザの職務経歴書を取得する（ステップＳ６１）。次に、職務経歴書登録部４０１６は、辞書データベース４２３を参照して、職務経歴書と辞書情報とのリンクを生成する（ステップＳ６２）。次に、職務経歴書登録部４０１６は、リンク付きの職務経歴書をユーザデータベース４２１に格納する（ステップＳ６３）。
　次に、職務経歴書登録部４０１６は、ユーザから職務経歴書の出力要求を受け付ける（ステップＳ６４）。次に、職務経歴書登録部４０１６は、職務経歴書をユーザ装置５００へ出力し（ステップＳ６５）、本フローチャートに基づく処理を終了する。なお、ユーザ装置５００は、職務経歴書をユーザ装置５００の画面に表示してもよい。あるいは、ユーザ装置５００は、ユーザの指示があるまで職務経歴書のデータをメモリに保存してもよい。
　［マッチングシステム１が実行する処理のシーケンス］
　図２１は、職務経歴書に関する、シェアリングサーバ１００、募集者装置２００、応募者装置３００、および生成サーバ４００の各々の処理手順を示すタイミングチャートである。図２１に示されるタイミングチャートを用いて、職務経歴書に関するマッチングシステム１の処理の流れを説明する。
　はじめに、応募者は、応募者装置３００で生成サーバにアクセスし、職務経歴書を作成する（ステップＳ１０１）。生成サーバ４００は、作成された職務経歴書をユーザデータベース４２１に登録する（ステップＳ１０２）。ステップＳ１０１およびステップＳ１０２の詳細な処理手順については、図１５～図２０を用いて既に説明したとおりであるので、ここでは、その説明を繰り返さない。
　次に、応募者は、応募者装置３００でシェアリングサーバ１００にアクセスし、募集案件を検索した上で応募先を決定する（ステップＳ１０３）。次に、応募者は、応募者装置３００を操作して、応募者の職務経歴書を要求するコマンドを応募者装置３００からシェアリングサーバ１００へ送信する（ステップＳ１０４）。コマンドを受信したシェアリングサーバ１００は、応募者を特定する（ステップＳ１０５）。より具体的には、シェアリングサーバ１００は、応募者の会員ＩＤを特定する。
　次に、シェアリングサーバ１００は、職務経歴書の送信を要求するコマンドを生成サーバ４００へ送信する（ステップＳ１０６）。このコマンドには、応募者の会員ＩＤが含まれる。生成サーバ４００は、コマンドに含まれる会員ＩＤに基づいて、応募者の職務経歴書をユーザデータベース４２１から検索する（ステップＳ１０７）。
　次に、生成サーバ４００は、検索の結果、検出された職務経歴書をシェアリングサーバ１００へ送信する（ステップＳ１０８）。これにより、シェアリングサーバ１００は、応募者の職務経歴書を所得する（ステップＳ１０９）。次に、シェアリングサーバ１００は、取得された職務経歴書を応募者装置３００へ送信する（ステップＳ１１０）。
　応募者装置３００は、受信された職務経歴書を応募者装置３００の画面に表示する（ステップＳ１１１）。なお、辞書データベース４２３に登録されている用語が職務経歴書に記載されている場合、辞書へのリンクを含む職務経歴書が画面に表示される。
　応募者は、画面に表示された職務経歴書に問題のないことを確認する。たとえば、応募者は、職務経歴書に更新すべき情報などが存在しないことを確認する。応募者は、職務経歴書に問題がない場合、キーボード等を用いて承認操作を行う。応募者は、職務経歴書に問題がある場合、キーボード等を用いて非承認操作を行う。
　応募者装置３００は、承認操作を検出したか否かを判定する（ステップＳ１１２）。応募者装置３００は、承認操作でなく、非承認操作を検出した場合、ステップＳ１０１に処理を戻す。この場合、再度、職務経歴書を作成する処理が実行される。ただし、生成サーバ４００は、職務経歴書を作成する処理を最初から実行するのではなく、修正すべき事項に関して応募者と対話し、職務経歴書の記載を修正することが望ましい。
　応募者装置３００は、承認操作を検出した場合、職務経歴書の送信を指令するコマンドをシェアリングサーバ１００に送信する（ステップＳ１１３）。シェアリングサーバ１００は、職務経歴書を送信すべき募集者を特定する（ステップＳ１１４）。たとえば、シェアリングサーバ１００は、ステップＳ１０３において決定された応募先に基づいて、職務経歴書を送信すべき募集者を特定する。
　次に、シェアリングサーバ１００は、職務経歴書を募集者装置２００へ送信する（ステップＳ１１５）。募集者装置２００は、受信された職務経歴書を募集者装置２００の画面に表示する（ステップＳ１１６）。なお、辞書データベース４２３に登録されている用語が職務経歴書に記載されている場合、辞書へのリンクを含む職務経歴書が画面に表示される。募集者は、職務経歴書を用いて、応募者の職務経歴を把握する。職務経歴書の記載のうち、辞書登録されている用語を応募者がマウスでクリックしたとき、用語の意味が募集者装置２００に表示される。したがって、応募者が務める企業の社内用語など、理解できない用語が職務経歴書に含まれる場合、募集者はその用語の意味を理解することができる。
　なお、図２１において、シェアリングサーバ１００と生成サーバ４００とを１つのサーバで構成してもよい。すなわち、シェアリングサーバ１００に生成サーバ４００の機能を設けてもよく、生成サーバ４００にシェアリングサーバ１００の機能を設けてもよい。ステップＳ１１０，ステップＳ１１５は、作成部によって作成された職務経歴書を、ユーザ装置へ出力するように構成される出力部の一例である。
　以上に説明したように、本実施の形態によれば、必要記載事項に関する事項が漏れなく記載されており、かつ重複する記載が存在しない職務経歴書をユーザが作成できるよう、ユーザを支援することができる。加えて、本実施の形態によれば、ユーザの文書作成能力に関わらず、ユーザの職務経歴が適切に反映された職務経歴書がユーザ作成できるよう、ユーザを支援することができる。さらに、本実施の形態によれば、以下に列挙する効果が奏される。
　ａ．ユーザの文書作成能力に関わらず、ユーザの保有するスキルおよび経験などが適切に表現された職務経歴書をユーザに提供することができる。
　ｂ．ユーザの多種多様な職務経歴情報を漏れなく収集することができる。
　ｃ．対話形式のインターフェイスをユーザに提供することによって、職務経歴情報を適切に抽出すためのユーザの負担を軽減することができる。
　ｄ．職務経歴書を作成するためのユーザの負担を軽減することができる。
　ｅ．画一化されたフォーマットで職務経歴書が作成されるため、多数の職務経歴書を管理および検索性する際の効率を高めることができる。
　ｆ．社内のプロジェクトに応募する社員、あるいは社外で副業を希望する社員など、職務経歴書を作成するという煩雑な行為に対してモチベーションを保つことが難しい立場のユーザに対して、質の高い職務経歴書を作成するためのインターフェイスを提供することができる。
　ｇ．辞書データベース４２３に登録されている用語が職務経歴書に記載されている場合、辞書へのリンクを含む職務経歴書が画面に表示されるため、理解できない用語が職務経歴書に含まれる場合、募集者はその用語の意味を理解することができる。
　なお、生成サーバ４００の構成の一部は、生成サーバ４００と別個の装置によって構成されてもよい。たとえば、データベース４２０に含まれる複数のデータベース、および大規模言語モデル４３０のうちの少なくとも１つは、生成サーバ４００と別のクラウド上に配置されてもよい。この場合、生成サーバ４００とクラウドとがネットワークを介して通信可能に接続されていればよい。
　［変形例］
　本実施の形態においては、マッチングシステム１に生成サーバ４００が配置される例を示した。しかしながら、マッチングシステム１とは独立して、職務経歴書を作成する生成サーバを構築してもよい。マッチングシステム１とは独立して職務経歴書を作成する生成サーバの例を説明する。
　図２２は、変形例に関わる生成サーバ４００Ａの機能構成を示す図である。生成サーバ４００Ａは、生成サーバ４００と同様に、プロセッサ、メモリ、通信インターフェイス、およびストレージ等の構成を有し、それらの構成によって実現される制御部４０１０Ａを含んでいる。
　生成サーバ４００Ａは、インターネット等を介して、ユーザによって利用されるユーザ装置５００Ａと通信可能に接続される。
　生成サーバ４００Ａは、充足要件データベース（充足要件ＤＢ）４２６、元情報保管データベース（元情報保管ＤＢ）４２７、生成形式データベース（生成形式ＤＢ）４２８、および大規模言語モデル４３０Ａ，４３０Ｂを含む。これらのデータベースおよび大規模言語モデルは、生成サーバ４００Ａのストレージに構成されている。
　大規模言語モデル４３０Ａ，４３０Ｂは、大規模言語モデル４３０と同様に、大量のテキストデータを利用し、訓練された自然言語処理モデルである。本開示においては、大規模言語モデルとして、Ｇｏｏｇｌｅ社のＢＥＲＴ（登録商標）（ＬａＭＢＤＡ）や、ＯｐｅｎＡＩ社のＧＰＴ－４等を採用してもよい。本開示において、大規模言語モデルは、自然言語処理アルゴリズムの一例である。自然言語処理アルゴリズムとして、大規模言語モデル以外の他の言語モデルを採用してもよい。自然言語処理アルゴリズムとして、パターンマッチングなどの機械学習により生成されたモデルを採用してもよい。また、大規模モデルとして、大規模言語モデル４３０Ａ，４３０Ｂの２つのモデルを利用することに代えて、１つの大規模言語モデルを利用してもよい。たとえば、大規模言語モデル４３０を利用してもよい。
　図２２に示されるように、制御部４０１０Ａは、入力部４０２１と、内容充足判定部４０２２と、入力依頼部４０２３と、元情報保存部４０２４と、生成部４０２５と、確認依頼部４０２６と、出力部４０２７とを備える。
　入力部４０２１は、ユーザ装置５００を用いてユーザが入力する情報を受け付ける。ユーザが入力する情報には、職務経歴情報が含まれる。入力部４０２１は、たとえば、チャット形式の職務経歴情報を受け付けてもよい。なお、入力部４０２１は、音声ファイル形式、およびその他のファイル形式の職務経歴情報を受け付けてもよい。大規模言語モデルとしてＧＰＴ－３などを用い、ＣｈａｔＧＰＴに代表されるようなチャット形式ＵＩを利用する場合、チャットにファイルを添付してもよい。この場合、ファイルをチャット形式の文書に変換する機能を、生成サーバ４００に設けてもよい。
　出力部４０２７は、ユーザ装置５００へ様々な情報を出力する。出力部４０２７は、チャット形式の情報のみでなく、音声などのその他のファイルをユーザ装置５００へ出力してもよい。なお、制御部４０１０Ａがチャット形式でユーザと対話する場合、入力部４０２１への情報の入力と、出力部４０２７からの情報の出力とが繰り返し実行される。
　充足要件データベース４２６には、大規模言語モデル４３０Ａが職務経歴書の作成に必要な必要記載事項に対応するすべての職務経歴情報が漏れなく取得されていることを判断するための要件（充足要件）に関する情報が登録されている。
　なお、複数種類の充足要件に関する情報が充足要件データベース４２６に登録されていてもよい。この場合、制御部４０１０Ａは、ユーザ装置５００Ａに複数種類の充足要件を送信し、ユーザの好みの充足要件をユーザに選択させてもよい。あるいは、制御部４０１０Ａは、ユーザ装置５００Ａを介して、ユーザによって設定された充足要件を受け付けてもよい。
　また、制御部４０１０Ａは、多数の充足要件の内容を訓練データとして用いて、ＡＩとして機能する訓練済モデルを生成してもよい。その場合、大規模言語モデルに代えて、生成された訓練済モデルを使用してもよい。また、既に存在する大規模言語モデル４３０ＡのＰｒｏｍｐｔに充足要件を用いてもよい。充足要件には、たとえば、ユーザが職務経歴書に含ませたい企業の数等の具体的な情報が含まれていてもよい。
　内容充足判定部４０２２は、入力部４０２１で得られた情報が充足要件を満たしているかを、大規模言語モデル４３０を用いて判定する。内容充足判定部４０２２は、入力部４０２１で得られた情報が充足要件を満たしていないと判定した場合、入力依頼部４０２３に追加情報の取得を指示する。内容充足判定部４０２２は、入力部４０２１で得られた情報が充足要件を満たしていると判定した場合、入力部４０２１で得られた情報を元情報保存部４０２４に出力する。
　入力依頼部４０２３は、内容充足判定部４０２２の指示に基づいて、追加情報（不足している情報）がユーザから得られるように、ユーザとの対話を継続することを大規模言語モデル４３０Ａに指示する。複数の追加情報が必要とされる場合、大規模言語モデル４３０Ａは、複数の追加情報が一括して取得されるように、ユーザと対話してもよく、複数の追加情報の各々が順次、取得されるように、ユーザと対話してもよい。たとえば、情報Ａ，Ｂ，Ｃが不足する場合、大規模言語モデル４３０Ａは、初めに情報Ａをユーザに問い合わせてもよい。
　なお、大規模言語モデル４３０Ａは、ユーザに追加情報の入力を促すための対話ルールを自動的に生成してもよく、予め設定されている選択肢の中から対話ルールを選択してもよい。
　元情報保存部４０２４は、職務経歴書を生成するための元になる職務経歴情報を一時的に保存する。元情報保存部４０２４は、一時的に保存した職務経歴情報を元情報保管データベース４２７に出力する。元情報保管データベース４２７は、職務経歴情報を登録する。生成部４０２５は、元情報保管データベース４２７に登録されている職務経歴情報を用いて職務経歴書を作成する。なお、生成部４０２５は、内容充足判定部４０２２の判定を待たずに、職務経歴書を作成する機能を具備していてもよい。
　たとえば、ユーザの手元に職務経歴書の下書きが存在している場合、ユーザは、職務経歴書の清書または整形のみを希望するかもしれない。この場合、入力部４０２１は、ユーザ装置５００を介して、ユーザからに職務経歴書の下書きのデータを受け付けてもよい。さらに、入力部４０２１は、受け付けたデータを元情報保管データベース４２７に登録してもよい。生成部４０２５は、元情報保管データベース４２７に登録されている下書きデータに基づいて、職務経歴書を作成してもよい。
　生成形式データベース４２８には、大規模言語モデル４３０Ｂが職務経歴を生成するために必要なフォーマットが登録されている。
　なお、複数種類のフォーマットが生成形式データベース４２８に登録されていてもよい。この場合、制御部４０１０Ａは、ユーザ装置５００Ａに複数種類のフォーマットを送信し、ユーザの好みのフォーマットをユーザに選択させてもよい。あるいは、制御部４０１０Ａは、ユーザ装置５００Ａを介して、ユーザによって設定されたフォーマットを受け付けてもよい。
　また、制御部４０１０Ａは、多数のフォーマットを訓練データとして用いて、ＡＩとして機能する訓練済モデルを生成してもよい。その場合、大規模言語モデルに代えて、生成された訓練済モデルを使用してもよい。また、既に存在する大規模言語モデル４３０ＡのＰｒｏｍｐｔにフォーマットを用いてもよい。
　生成部４０２５は、大規模言語モデル４３０Ｂを利用して、職務経歴書を生成する。生成形式データベース４２８に登録されているフォーマットは、大規模言語モデル４３０Ｂに入力される。生成部４０２５は、元情報保管データベース４２７を参照し、職務経歴情報が反映された職務経歴書を予め規定されたフォーマットで作成する。なお、生成部４０２５に代えて、大規模言語モデル４３０Ｂが職務経歴書を作成してもよい。生成部４０２５で生成された職務経歴書は、確認依頼部４０２６へ出力される。
　確認依頼部４０２６は、職務経歴書の確認をユーザに依頼する。確認依頼部４０２６は、出力部４０２７を介して、職務経歴書をユーザ装置５００へ送信する。ユーザは、ユーザ装置５００に表示された職務経歴書の内容を確認する。なお、確認依頼部４０２６は、職務経歴書の内容を複数の項目に分割して、項目毎に職務経歴書の内容をユーザに確認させてもよい。
　たとえば、Ａ社、およびＢ社に関する記載が職務経歴書に存在する場合、確認依頼部４０２６は、Ａ社に関する記載内容をユーザに確認させた後、Ｂ社に関する記載内容をユーザに確認させてもよい。もちろん、確認依頼部４０２６は、職務経歴書の内容のすべてを一括してユーザに確認させてもよい。大規模言語モデル４３０Ｂは、ユーザに職務経歴書を確認させる際の対話ルールを自動的に生成してもよく、予め設定されている選択肢の中から対話ルールを選択してもよい。
　なお、生成サーバ４００Ａの構成の一部は、生成サーバ４００Ａと別個に構成されていてもよい。たとえば、充足要件データベース４２６、元情報保管データベース４２７、生成形式データベース４２８、大規模言語モデル４３０Ａ、および大規模言語モデル４３０Ｂのうちの少なくとも１つは、生成サーバ４００Ａと別個に構成されていてもよい。この場合、生成サーバ４００Ａと別個に構成された装置と、生成サーバ４００Ａとがネットワークを介して通信可能に接続されていればよい。
　［ＩＰＣ分類の利用に関わる変形例］
　一般に、技術者の職務経歴書には、技術者の保有するスキルが詳細に記載される。ところで、ＩＴ関連技術の急速な発展に伴い、これまでにあまり知られていない新分野の技術が次々と誕生する中、技術の多様化が急速に進んでいる。一方で、ユーザの保有するスキルは分野ごとに粒度が異なる。このため、職務経歴書におけるスキルの記述に統一性が失われつつある。このことは、募集者が応募者の職務経歴書を解析する際の足かせとなっている。
　このような問題は、企業内においても存在する。社員を評価する立場にある者が、社員の保有するスキルを把握し、体系的に整理することは重要である。これにより、社内の技術リソースを最大限活用できるようになると考えられる。しかし、上述の事情が背景にあるため、各社員に職務経歴書の提出を義務づけたとしても、提出された職務経歴書に基づいて、各社員のスキルを一定の基準で統一的に管理することは難しい。
　したがって、多種の技術スキルを画一的な基準で分類することのできる指標が必要とされる。このような指標として、ＩＰＣ（International　Patent　Classification）を利用することが考えられる。ＩＰＣは、特許出願された発明を分類するため、国際的に統一された技術分類である。ＩＰＣを用いることによって、「セクション」、「サブセクション」、「クラス」、「サブクラス」、「メイングループ」、および「サブグループ」という具合に階層を分けて細かく技術を分類することができる。
　ＩＰＣは、本来、特許文献を分類するために用いられる指標である。しかし、技術者のスキルを分類するための指標としてＩＰＣを活用することによって、最新の技術を含む多種の技術者のスキルを画一的な基準で分類することができると考えられる。ただし、ＩＰＣは、特許業界において用いられる専門性の高い分類指標であるため、ＩＰＣに不慣れなユーザに、多数のＩＰＣの選択肢の中から本人のスキルに対応するＩＰＣを正確に選択させることは難しい。
　そこで、ここでは、生成サーバ４００とユーザとの対話を通じて、ユーザが本人のスキルに対応する適切なＩＰＣを選択できるようにするためのシステムを提案する。ここでは職務経歴書の必要記載事項あるいはフォーマット情報の一例として、ＩＰＣが想定されており、職務経歴情報の一例として、ユーザのスキルに対応するＩＰＣを取得するために必要なユーザの経歴情報が想定されている。生成サーバ４００は、自然言語処理アルゴリズムを用いてユーザと対話することによって、ＩＰＣを取得するために必要なユーザの職務経歴情報を収集する。
　図２３および図２４は、生成サーバ４００とユーザとの間で行なわれる対話の他の例を示す図である。図２３および図２４には、ユーザとの対話を通じて、生成サーバ４００によってユーザのスキルに対応する適切なＩＰＣが取得される例が示されている。
　はじめに、生成サーバ４００は、「職務経歴を入力してください。」という依頼文を画面に表示する（ステップＳ２０１）。ユーザは、ステップＳ１の依頼に対して、本人の職務履歴を回答する（ステップＳ２０２）。ステップＳ２０２では、たとえば、リチウムイオン二次電池の開発に関する職務履歴が回答されている。
　ステップＳ２の回答を踏まえて、生成サーバ４００は、大規模言語モデル４３０を用いて情報を整理し、ユーザのスキルに対応する可能性のあるＩＰＣをユーザに提示する（ステップＳ２０３）。ステップＳ２０３では、たとえば、対話によって得られた、「リチウムイオン二次電池の研究開発」、「新たな正極材料の開発」、「コバルトニッケルマンガン酸リチウムの開発」、「シリコン負極の開発」、「劣化を抑制する電解質の開発」、および「チタン酸リチウムを負極とするリチウムイオン二次電池の課発と実用化」という情報の各々に対応する１または複数の「ＩＰＣ」がユーザに提示されている。
　次に、生成サーバ４００は、ステップＳ２０３で提示したＩＰＣのうちから、いくつかのＩＰＣを選択候補としてユーザに提示する（ステップＳ２０４）。このとき、生成サーバ４００は、図２４に示されるように、チェックボックスと共に選択候補を提示してもよい。ユーザは、選択肢の中に適切と思われるＩＰＣが存在するか否かを検討する。選択肢の中に適切と思われるＩＰＣが存在する場合、ユーザは、そのＩＰＣに対応するチェックボックスにチェックを入れて回答する。この場合、ユーザ装置５００の画面に、図２４に示されるようなボタン６０１を表示してもよい。ユーザは、チェックボックスにチェックを入れた後、ボタン６０１をクリックする。生成サーバ４００は、ボタン６０１のクリック操作を検出した場合、ユーザの回答に基づいて、ユーザの職務経歴書に記載すべきＩＰＣを確定させる。
　このように、生成サーバ４００は、対応を通じて取得された職務経歴に基づいて、多数のＩＰＣの中から関連のあると考えられるＩＰＣをユーザに提案する。このため、ユーザは、ＩＰＣに関する専門知識を有していなくても、自身のスキルに関連のあるＩＰＣを選択することができる。ここでは「サブグループ」が用いられる例を示したが、分類したい粒度に応じて「サブクラス」や「グループ」などの上位の階層の記号が用いられてもよい。また「サブグループ」の説明文章に「サブクラス」や「グループ」、「メイングループ」などの説明を追加して表示してもよいし、？マーク等のボタンを追加し、必要に応じて上位階層の内容を確認できるようにしてもよい。
　なお、ここでは、ユーザに自身の技術分野に関連するＩＰＣを選択させる例を示したが、ユーザに提示されるＩＰＣは、「セクション」、「サブセクション」、「クラス」、「サブクラス」、「メイングループ」、および「サブグループ」のいずれであってもよい。たとえば、「Ｈ０１：電気素子」などのように、サブクラスがユーザに提示されてもよい。さらに、分類記号と共に、その分類記号によって分類される技術分野の名称等がユーザに提示されてもよい。
　ステップＳ２０５において提案された選択肢の中に適切なＩＰＣが存在しない場合、ユーザは、生成サーバ４００に、他の候補を再度提示すること、または職務経歴の入力を最初からやり直すことを依頼することができる。この場合、ユーザ装置５００の画面に、図２４に示されるようなボタン６０２およびボタン６０３を表示してもよい。
　生成サーバ４００は、ボタン６０２のクリック操作を検出した場合、ステップＳ２０３において提示したＩＰＣの中から、ステップＳ２０４において提示した選択肢とは異なるＩＰＣを選択し、選択したＩＰＣを新たにユーザに提示する。生成サーバ４００は、ボタン６０３のクリック操作を検出した場合、ステップＳ２０４に処理を戻して、職務経歴の入力をユーザに促す。
　さらにＩＰＣ候補の生成は、自動で複数回行われてもよい。生成サーバ４００では同一文章（あるいは同一の質問）に対して異なる回答を生成することがある。このため、ステップＳ２０４でＩＰＣ候補を提案する前に、ステップＳ２０２からのＩＰＣ生成を複数回、自動で行うことで、ＩＰＣ候補の幅を広げることができる。これにより、ユーザが自分に適したＩＰＣを選択できる可能性が高くなる。
　以上のとおり、生成サーバ４００は、生成サーバ４００とユーザとの対話を通じて、ユーザのスキルに対応するＩＰＣを特定するためのユーザの行動を支援する。なお、ステップＳ２０３の処理は、本実施の形態において必須ではない。すなわち、生成サーバ４００は、対話を通じて、ユーザのスキルに対応すると考えられる複数のＩＰＣを検出した後、ステップＳ２０３の処理を実行することなく、検出された複数のＩＰＣの中のいくつかをステップＳ２０４においてユーザに提示してもよい。
　なお、生成サーバ４００は、ユーザから他の候補を再度提示することの依頼を受け付けた場合のみでなく、自律的に他の候補をユーザに提示してもよい。たとえば、生成サーバ４００は、選択肢の候補を作成する処理を複数回実行し、複数の候補をユーザに提示してもよい。一般に、問い合わせに対して大規模言語モデルから得られる回答は、１回目の問い合わせの内容と２回目の問い合わせの内容とが同じであっても、異なる場合がある。したがって、選択肢の候補を作成する処理を生成サーバ４００に複数回実行させることによって、視点の異なる複数の候補が生成サーバ４００から導き出される可能性がある。これらの複数の候補の各々に対するユーザの選択を得ることができれば、生成サーバ４００は、ＩＰＣに関するより広範囲な回答をユーザから得ることができる。
　図２５は、ＩＰＣ分類部４０１７を含む生成サーバ４００の機能的構成を示す図である。本変形例においては、図１４に示される生成サーバ４００の制御部４０１０に、ＩＰＣ分類部４０１７が追加される。ＩＰＣ分類部４０１７は、職務経歴書に記載すべき、ユーザのＩＰＣを決定する。ＩＰＣ分類部４０１７は、対話を通じて得られたユーザの職務経歴情報を用いて、ユーザのスキルに対応すると考えられるＩＰＣをユーザに提示することが可能である。ＩＰＣ分類部４０１７は、さらに、データインポート部４０１１によってインポートされた職務経歴情報を用いて、ユーザのスキルに対応すると考えられるＩＰＣをユーザに提示することも可能である。ＩＰＣ分類部４０１７は、ユーザに複数のＩＰＣを提示した後、対話を通じて、ユーザのスキルに適切なＩＰＣを決定する。決定されたＩＰＣは、情報整理部４０１５に取り込まれる。情報整理部４０１５は、作成ＡＩ４１３０を用いて、ＩＰＣを含む職務経歴書を所定のフォーマットで作成する。職務経歴書登録部４０１６は、作成された職務経歴書をユーザデータベース４２１に格納する。
　図２６は、ＩＰＣ分類部４０１７の処理手順を示すフローチャートである。はじめに、ＩＰＣ分類部４０１７は、大規模言語モデル４３０を用いて対話ＡＩ４１１０を呼び出す（ステップＳ７１）。
　次に、ＩＰＣ分類部４０１７は、対話ＡＩ４１１０を用いてユーザと対話する（ステップＳ７２）。これにより、ＩＰＣ分類部４０１７は、対話情報（職務経歴情報を含む）をユーザから取得する。ステップＳ７２は、ユーザの職務経歴に関する職務経歴情報を収集する収集部の一例である。さらに、ステップＳ７２は、ユーザと対話することによって職務経歴情報を収集する対話部の一例である。なお、辞書データベース４２３にＩＰＣに関する情報が格納されていてもよい。この場合、ＩＰＣ分類部４０１７は、辞書データベース４２３を参照して、ユーザに提示すべきＩＰＣを決定してもよい。
　次に、ＩＰＣ分類部４０１７は、ユーザのスキルに対応すると考えられるいくつかのＩＰＣをユーザに提示する（ステップＳ７３）。次に、ＩＰＣ分類部４０１７は、提示されたＩＰＣの中からユーザがＩＰＣを選択する操作をしたか否かを判定する（ステップＳ７４）。
　ＩＰＣ分類部４０１７は、ユーザがＩＰＣを選択する操作をしていない場合、ユーザの要求を判定する（ステップＳ７６）。より具体的には、ＩＰＣ分類部４０１７は、ユーザがＩＰＣの再作成を要求している場合、処理をステップＳ７３に戻し、提示するＩＰＣを変更の上で、再度、ユーザにいくつかのＩＰＣを提示する。このような処理は、たとえば、図２４に示されるボタン６０２のクリック操作が検出された場合に実行される。ＩＰＣ分類部４０１７は、ユーザが対話のやり直しを要求している場合、処理をステップＳ７２に戻し、再度、ユーザと対話する。このような処理は、たとえば、図２４に示されるボタン６０３のクリック操作が検出された場合に実行される。
　ＩＰＣ分類部４０１７は、たとえば、図２４に示されるボタン６０１のクリック操作が検出された場合、ユーザがＩＰＣを選択する操作をしていると判定する。この場合、ＩＰＣ分類部４０１７は、ユーザの操作に基づいて、職務経歴書に記載するＩＰＣを確定させ（ステップＳ７５）、本フローチャートに基づく処理を終える。生成サーバ４００は、ステップＳ７５において確定されたＩＰＣを、職務経歴情報の一部としてユーザデータベース４２１に登録する。したがって、職務経歴情報は、ＩＰＣを含む。本フローチャートにおいて、ステップＳ７２～ステップＳ７５は、対話によってユーザから取得された情報に基づいてユーザの職務に関連する特許分類情報を収集する収集部の一例である。収集部は、ステップＳ７２～ステップＳ７５のとおり、対話によってユーザから取得された情報に基づいてユーザの職務に関連する複数のＩＰＣをユーザに提示した後、ユーザの選択に応じたＩＰＣをユーザの職務経歴情報として確定させる。
　次に、図２７～図３０を参照して、職務経歴書のいくつかの例を説明する。図２７～図３０は、ＩＰＣ分類を含む職務経歴書の例を示す図である。図２７～図３０に示される職務経歴書には、基礎情報、業務内容、および業務内容に関連するＩＰＣが含まれている。特に、図２７には、業務内容の項目とは別にＩＰＣの項目が掲載された様式の職務経歴書が示されている。これに対して、図２８には、業務内容の記述中に、対応するＩＰＣが組み込まれた様式の職務経歴書が示されている。
　業務内容の項目とは別にＩＰＣの項目が掲載されつつ、業務内容の記述中に、対応するＩＰＣが組み込まれたような様式を採用してもよい。図２９には、そのような様式によって作成された職務経歴書の一例が示されている。
　ユーザが発明者とされる特許出願が存在する場合、図３０に示されるように、職務経歴書に特許の項目を設けてもよい。特許の項目には、特許情報と共に、対応するＩＰＣが記載されていてもよい。このように、ユーザの特許情報をＩＰＣと共に職務経歴書に掲載することにより、ユーザは自身の専門性をより強くアピールすることができる。
　このように、ユーザのスキルに対応するＩＰＣを様々な様式で職務経歴書に記載することができる。生成サーバ４００は、職務の内容、職務の経験、および勤務期間に関する情報と、ＩＰＣとを紐づけた状態で、それらの情報を職務経歴情報としてユーザデータベース４２１に格納する。生成サーバ４００は、図３０に示されるように、ユーザの特許に関する情報を取得した場合、特許情報をＩＰＣとを紐づけた状態で、職務経歴情報としてユーザデータベース４２１に格納する。さらに、生成サーバ４００は、図２７～図３０に例示された職務経歴書をユーザデータベース４２１に格納する。生成サーバ４００は、対話を通じて、ユーザに職務経歴書の様式を選択させてもよい。なお、対話とは、生成サーバ４００とユーザとの間で交換される意思表示（質問と回答等）を含む概念である。
　ここでは、職務経歴書の必要記載事項が含まれるフォーマット情報の一例として、特許分類を説明した。特許分類としては、ＩＰＣに限られることなく、Ｆターム、ＦＩターム、およびＣＰＣ（Cooperative　Patent　Classification）などを採用してもよい。
　［その他の変形例］
　図３１は、生成サーバ４００の機能的構成にＲＡＧ（Retrieval-Augmented　Generation）の技術を活用する例を示す図である。ＲＡＧは、最新の正確な情報が含まれる知識ソースへ大規模言語モデルがアクセスするように構成し、知識ソースに基づいて大規模言語モデルに回答を生成させる技術である。周知のとおり、大規模言語モデルは、時折、不正確あるいは誤解を招く情報を出力する場合があり、これらはハルシネーション（Hallucination）と称される。ＲＡＧは、大規模言語モデルのこのような不完全な動作を補完し、大規模言語モデルが生成する回答の質を向上させることができる。
　ＩＰＣを選択する際の精度を高めるため、図３１に示されるように、ＩＰＣおよび特許情報等が格納されたＩＰＣデータベース４２９を生成サーバ４００に設けてもよい。大規模言語モデル４３０は、ＩＰＣデータベース４２９からＩＰＣを取得し、取得されたＩＰＣに基づいて、ユーザのスキルに対応すると考えられるＩＰＣの候補を特定する。
　これにより、大規模言語モデル４３０からハルシネーション（Hallucination）に該当する回答が出力されることを防止できる。その結果、大規模言語モデル４３０の精度および信頼性を向上させることができる。また、システム管理者は、大規模言語モデル４３０が回答を導いた情報ソースに容易にアクセすることができる。これにより、システム管理者は、大規模言語モデル４３０から得られた回答の正確性を容易に判断することができる。
　なお、一般には、ＲＡＧの技術を採用することによって、求める機能に特化し、より精緻に求める回答を得ることのできる対話型ＡＩを作成することができる。たとえば、社内機密を入れることで、専ら社内で運用することが想定されるような対話型ＡＩを作成することもできる。また、目的に応じた大量の情報を大規模言語モデル４３０にインプットことも可能である。さらに、大規模言語モデル４３０の種類を簡単に切り替えることができるという利点もある。
　一般に、生成系ＡＩから適切な回答を得るためには、ユーザが生成系ＡＩとの対話の際に入力するプロンプトの質を高めることが重要とされている。このようなプロンプトの質を高めるための技術として、プロンプトエンジニアリングが知られている。プロンプトエンジニアリングは、大規模言語モデルを効率的に使用するために、大規模言語モデルへ与えるプロンプトを開発および最適化する技術である。プロンプトエンジニアリングは既存のモデルを活用することを前提として、特定のタスクに対する出力を最適化する手法である。
　これに対して、ファインチューニングという考え方がある。ファインチューニングは、既存のモデルに追加学習をさせることで、特定のタスクに対する性能を改善する手法である。ファインチューニングにおいては、あるデータセットに基づいて生成された学習済みモデルの少なくとも一部が、別のデータセットに基づいて追加学習される。これにより、特定のタスク向けに機械学習モデルのパラメータが微調整される。ファインチューニングは、広義には、転移学習（Transfer　Learning）の一つであると解釈される場合もある。ただし、ファインチューニングは、学習済みモデルの全ての層の重みを微調整する手法であるのに対して、転移学習は、学習済みモデルの重みを固定し、追加した層のみを使用して学習する手法である点において、両者は異なる。
　ファインチューニングでは、多数のパラメータを有する大規模言語モデルを追加学習させる必要があるために、膨大な計算リソースが必要になるという問題がある。プロンプトチューニングは、ファインチューニングと異なるアプローチによって、その問題を解決する。プロンプトチューニングでは、プロンプト自体が学習対象とされる。換言すると、プロンプトチューニングでは、プロンプトに対応するパラメータが最適化の対象とされる。
　ＲＬＨＦ（Reinforcement　Learning　from　Human　Feedback）は、「教師有り学習」、「強化学習」、および「逆強化学習」を組み合わせたモデルの学習手法である。ＲＬＨＦによれば、教師有り学習のような人間の関与が必要とされる要素を最小限に抑えつつ、自然言語処理のような難解なタスクをＡＩに学習させることができる。したがって、このようなＲＬＨＦによって、大規模言語モデル４３０の学習が行われていてもよい。
　本実施の形態においては、自然言語処理アルゴリズムの一例として、大規模言語モデルを挙げた。しかしながら、自然言語処理アルゴリズムとして採用可能なアルゴリズムは、大規模言語モデルに限られない。たとえば、大規模言語モデルに代えて、パターンマッチング等のルールベースの手法によって生成されたアルゴリズムを採用してもよい。
　ユーザ装置５００（募集者装置２００および応募者装置３００）は、図２に示される、プロセッサ、メモリ、通信インターフェイス、および入出力インターフェイスすべてを具備するものだけではなく、VDI（Virtual　Desktop　Infrastructure)を利用したシンクライアントシステム等であってもよい。VDIを利用したシンクライアントシステムとは、サーバ上にあるデスクトップ環境を遠隔地にある端末に転送して利用するシステムである。ユーザ装置５００（募集者装置２００、応募者装置３００）、シェアリングサーバ１００、および生成サーバ４００は、必ずしも独立した装置である必要は無い。上記のようなシンクライアントシステムを利用する場合、同一の集約サーバ上でユーザ装置５００、シェアリングサーバ１００、および生成サーバ４００の機能を提供することができる。
　データベース１２０，４２０は、リレーショナルデータベースに限定されるものでなく、オブジェクト型やNoSQL型等のデータベースを利用してもよい。
　シェアリングサーバ１００および生成サーバ４００の各々は、コンピュート装置の一例である。サーバ（オンプレミスサーバ、クラウドサーバ等）や、サーバレスシステム等によってコンピュート装置を構成してもよい。ここで、オンプレミスサーバとは、自社内で管理する設備内に設置され、管理されるサーバである。クラウドサーバとは、ネットワークを通じて別事業者が提供するサーバ（借り受けのサーバ）である。サーバレスシステムとは、サーバの存在を意識せず、必要なときのみコンピュート・メモリ機能を利用できるシステムである。コンピュート装置は、サーバとサーバレスシステムとを含む。サーバには、オンプレミスサーバとクラウドサーバとが含まれる。
　［態様］
　以下、本開示の態様を列挙する。
　（第１項）第１項に記載の職務経歴情報収集装置（生成サーバ４００，４００Ａ）は、職務経歴書の必要記載事項が含まれるフォーマット情報を取得する取得部（ステップＳ１１）と、ユーザの職務経歴に関する職務経歴情報を収集する収集部（ステップＳ１１、ステップＳ２２）と、自然言語処理アルゴリズムが格納された記憶部（ストレージ４０３）とを備え、収集部は、記憶部に格納された自然言語処理アルゴリズムを用いてユーザと対話することによって、必要記載事項に対応する職務経歴情報を収集する（ステップＳ２２）。
　（第２項）第２項に記載の職務経歴情報収集装置は、第１項に記載の職務経歴情報収集装置に加えて、収集部によって収集された職務経歴情報を用いて職務経歴書を作成する作成部（ステップＳ５３）をさらに備え、作成部は、収集部が必要記載事項に関する職務経歴情報の収集を完了した場合に、記憶部に格納された自然言語処理アルゴリズムを用いて、職務経歴書をフォーマット情報に従って作成する（ステップＳ５３）。
　（第３項）第３項に記載の職務経歴情報収集装置は、第２項に記載の職務経歴情報収集装置に加えて、収集部による対話の前に収集済の職務経歴情報が登録される職務経歴データベース（ユーザデータベース４２１）をさらに備え、作成部は、職務経歴データベースに登録されている職務経歴情報に、必要記載事項に対応する情報が含まれる場合、職務経歴データベースに登録されている職務経歴情報に基づいて職務経歴書を作成する（ステップＳ１３）。
　（第４項）第４項に記載の職務経歴情報収集装置は、第２項または第３項に記載の職務経歴情報収集装置に加えて、作成部によって作成された職務経歴書を、ユーザ装置へ出力するように構成される出力部（ステップＳ１１０，ステップＳ１１５：生成サーバ４００はシェアリングサーバ１００の機能を有していてもよい。）をさらに備え、ユーザ装置は、業務の受注者を募集する募集者と応募者とをマッチングするマッチングシステムにおいて、募集者によって操作される募集者装置（２００）、または応募者によって操作される応募者装置（３００）である。
　（第５項）第５項に記載の職務経歴情報収集装置は、第１項から第４項のいずれか１項に記載の職務経歴情報収集装置に加えて、辞書データベース（辞書データベース４２３）と、職務経歴情報に含まれる用語の意味を辞書データベースに登録する登録部（ステップＳ３４）と、職務経歴書を表示装置（ユーザ装置５００）に表示する表示部（ステップＳ４３）とをさらに備え、表示部は、辞書データベースに登録されている用語が職務経歴書に含まれる場合、用語の意味を表示装置に表示する（ステップＳ４４）。
　（第６項）第６項に記載の職務経歴情報収集装置は、第５項に記載の職務経歴情報収集装置に加えて、収集部は、ユーザと対話する間に、用語の意味をユーザに問い合わせる（ステップＳ３２）。
　（第７項）第７項に記載の職務経歴情報収集装置は、第１項から第６項のいずれか１項に記載の職務経歴情報収集装置に加えて、自然言語処理アルゴリズムは、大規模言語モデル（大規模言語モデル４３０，４３０Ａ，４３０Ｂ）を含む。
　（第８項）第８項に記載の職務経歴情報収集装置は、第１項から第７項のいずれか１項に記載の職務経歴情報収集装置に加えて、収集部は、対話によってユーザから取得された情報に基づいてユーザの職務に関連する特許分類情報を収集し（ステップＳ７５）、職務経歴情報は、前記特許分類情報を含む。
　（第９項）第９項に記載の職務経歴情報収集装置は、第８項に記載の職務経歴情報収集装置に加えて、収集部は、対話によってユーザから取得された情報に基づいてユーザの職務に関連する複数の特許分類情報をユーザに提示した後、ユーザの選択に応じた特許分類情報を職務経歴情報として確定させる（ステップＳ７２～ステップＳ７５）。
　（第１０項）第１０項に記載の方法は、職務経歴情報収集を作成する方法であって、方法は、コンピュータに、職務経歴書の必要記載事項が含まれるフォーマット情報を取得するステップと、ユーザの職務経歴に関する職務経歴情報を収集するステップとを実行させ、収集するステップは、自然言語処理アルゴリズムを用いてユーザと対話することによって、必要記載事項に対応する職務経歴情報を収集するステップを含む。
　今回開示された実施の形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施の形態の説明ではなくて請求の範囲によって示され、請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。
　１　マッチングシステム、５０　インターネット、１００　シェアリングサーバ、１０１　プロセッサ、１０２　メモリ、１０３　ストレージ、１０４　通信インターフェイス、１２０　データベース（ＤＢ）、１２１　企業データベース（企業ＤＢ）、１２２　会員データベース（会員ＤＢ）、１２３　コミュニティデータベース（コミュニティＤＢ）、１２４　募集案件データベース（募集案件ＤＢ）、２００，２００Ａ，２００Ｂ，２００Ｃ　募集者装置、２０１　プロセッサ、２０２　メモリ、２０３　通信インターフェイス、２０４　入出力インターフェイス、２０５　ディスプレイ、２０６　操作部、３００，３００Ａ，３００Ｂ，３００Ｃ　応募者装置、３０１　プロセッサ、３０２　メモリ、３０３　通信インターフェイス、３０４　入出力インターフェイス、３０５　ディスプレイ、３０６　操作部、４００，４００Ａ　生成サーバ、４０１　プロセッサ、４０２　メモリ、４０３　ストレージ、４０４　通信インターフェイス、４１０　プログラム、４１１　対話プログラム、４１２　確認プログラム、４１３　作成プログラム、４２０　データベース（ＤＢ）、４２１　ユーザデータベース（ユーザＤＢ）、４２２　対話情報データベース（対話情報ＤＢ）、４２３　辞書データベース（辞書ＤＢ）、４２６　充足要件データベース（充足要件ＤＢ）、４２７　元情報保管データベース（元情報保管ＤＢ）、４２８　生成形式データベース（生成形式ＤＢ）、４２９　ＩＰＣデータベース、４３０，４３０Ａ，４３０Ｂ　大規模言語モデル、５００，５００Ａ　ユーザ装置、５５０　画面、５５１　質問枠、５５２　回答枠、６０１～６０３　ボタン、４０１０，４０１０Ａ　制御部、４０１１　データインポート部、４０１２　情報取得部、４０１３　辞書情報登録部、４０１４　辞書情報表示部、４０１５　情報整理部、４０１６　職務経歴書登録部、４０１７　ＩＰＣ分類部、４０２１　入力部、４０２２　内容充足判定部、４０２３　入力依頼部、４０２４　元情報保存部、４０２５　生成部、４０２６　確認依頼部、４０２７　出力部、４１１０　対話ＡＩ、４１２０　確認ＡＩ、４１３０　作成ＡＩ。

Claims (10)

  1. 　職務経歴情報収集装置であって、
    　職務経歴書の必要記載事項が含まれるフォーマット情報を取得する取得部と、
    　ユーザの職務経歴に関する職務経歴情報を収集する収集部と、
    　自然言語処理アルゴリズムが格納された記憶部とを備え、
    　前記収集部は、前記記憶部に格納された自然言語処理アルゴリズムを用いてユーザと対話することによって、前記必要記載事項に対応する職務経歴情報を収集する、職務経歴情報収集装置。
  2. 　前記収集部によって収集された職務経歴情報を用いて職務経歴書を作成する作成部をさらに備え、
    　前記作成部は、前記収集部が前記必要記載事項に関する職務経歴情報の収集を完了した場合に、前記記憶部に格納された自然言語処理アルゴリズムを用いて、職務経歴書を前記フォーマット情報に従って作成する、請求項１に記載の職務経歴情報収集装置。
  3. 　前記収集部による対話の前に収集済の職務経歴情報が登録される職務経歴データベースをさらに備え、
    　前記作成部は、前記職務経歴データベースに登録されている職務経歴情報に、前記必要記載事項に対応する情報が含まれる場合、前記職務経歴データベースに登録されている職務経歴情報に基づいて職務経歴書を作成する、請求項２に記載の職務経歴情報収集装置。
  4. 　前記作成部によって作成された職務経歴書を、ユーザ装置へ出力するように構成される出力部をさらに備え、
    　前記ユーザ装置は、業務の受注者を募集する募集者と応募者とをマッチングするマッチングシステムにおいて、募集者によって操作される募集者装置、または応募者によって操作される応募者装置である、請求項２または請求項３に記載の職務経歴情報収集装置。
  5. 　辞書データベースと、
    　前記職務経歴情報に含まれる用語の意味を辞書データベースに登録する登録部と、
    　前記職務経歴書を表示装置に表示する表示部とをさらに備え、
    　前記表示部は、前記辞書データベースに登録されている用語が前記職務経歴書に含まれる場合、前記用語の意味を前記表示装置に表示する、請求項１から請求項４のいずれか１項に記載の職務経歴情報収集装置。
  6. 　前記収集部は、ユーザと対話する間に、前記用語の意味を前記ユーザに問い合わせる、請求項５に記載の職務経歴情報収集装置。
  7. 　前記自然言語処理アルゴリズムは、大規模言語モデルを含む、請求項１から請求項６のいずれか１項に記載の職務経歴情報収集装置。
  8. 　前記収集部は、前記対話によってユーザから取得された情報に基づいてユーザの職務に関連する特許分類情報を収集し、
    　前記職務経歴情報は、前記特許分類情報を含む、請求項１～請求項７のいずれか１項に記載の職務経歴情報収集装置。
  9. 　前記収集部は、前記対話によってユーザから取得された情報に基づいてユーザの職務に関連する複数の前記特許分類情報をユーザに提示した後、ユーザの選択に応じた前記特許分類情報を前記職務経歴情報として確定させる、請求項８に記載の職務経歴情報収集装置。
  10. 　職務経歴情報を収集する方法であって、
    　前記方法は、コンピュータに、
    　職務経歴書の必要記載事項が含まれるフォーマット情報を取得するステップと、
    　ユーザの職務経歴に関する職務経歴情報を収集するステップとを実行させ、
    　前記収集するステップは、自然言語処理アルゴリズムを用いてユーザと対話することによって、前記必要記載事項に対応する職務経歴情報を収集するステップを含む、方法。
PCT/JP2024/016937 2023-06-29 2024-05-07 職務経歴情報収集装置および職務経歴情報を収集する方法 Ceased WO2025004533A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
DE112024001958.7T DE112024001958T5 (de) 2023-06-29 2024-05-07 Berufslaufbahninformationssammelvorrichtung und Verfahren zur Sammlung von Berufslaufbahninformationen
CN202480042996.4A CN121420317A (zh) 2023-06-29 2024-05-07 职务履历信息收集装置和收集职务履历信息的方法
JP2025529477A JPWO2025004533A1 (ja) 2023-06-29 2024-05-07
PCT/JP2024/022516 WO2025004983A1 (ja) 2023-06-29 2024-06-21 分類システムおよび分類対象を分類する方法
JP2025530081A JP7831698B2 (ja) 2023-06-29 2024-06-21 分類システムおよび分類対象を分類する方法

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2023107107 2023-06-29
JP2023-107107 2023-06-29
JP2023-214925 2023-12-20
JP2023214925 2023-12-20

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US19/428,361 Continuation US20260134399A1 (en) 2023-06-29 2025-12-22 Job history information collection apparatus and method of collecting job history information

Publications (1)

Publication Number Publication Date
WO2025004533A1 true WO2025004533A1 (ja) 2025-01-02

Family

ID=93938164

Family Applications (2)

Application Number Title Priority Date Filing Date
PCT/JP2024/016937 Ceased WO2025004533A1 (ja) 2023-06-29 2024-05-07 職務経歴情報収集装置および職務経歴情報を収集する方法
PCT/JP2024/022516 Ceased WO2025004983A1 (ja) 2023-06-29 2024-06-21 分類システムおよび分類対象を分類する方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
PCT/JP2024/022516 Ceased WO2025004983A1 (ja) 2023-06-29 2024-06-21 分類システムおよび分類対象を分類する方法

Country Status (4)

Country Link
JP (2) JPWO2025004533A1 (ja)
CN (1) CN121420317A (ja)
DE (1) DE112024001958T5 (ja)
WO (2) WO2025004533A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2025263427A1 (ja) * 2024-06-21 2025-12-26 株式会社村田製作所 技術情報分類システムおよび技術情報を分類する方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10320416A (ja) * 1997-05-14 1998-12-04 Nec Corp 情報配信システム及びプログラムを記録した機械読み取り可能な記録媒体

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007156833A (ja) * 2005-12-05 2007-06-21 Fuji Xerox Co Ltd 情報処理装置及び情報処理方法、並びにコンピュータ・プログラム
US20130275193A1 (en) * 2011-10-05 2013-10-17 John H. Chuang System and method for managing a talent platform
JP2024008344A (ja) * 2022-07-08 2024-01-19 Ｌａｐｒａｓ株式会社 情報処理装置、情報処理方法、情報処理プログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10320416A (ja) * 1997-05-14 1998-12-04 Nec Corp 情報配信システム及びプログラムを記録した機械読み取り可能な記録媒体

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "ChatGPT in your job search! ~Resume creation edition~. ", EDITORIAL DEPARTMENT OF HATARAKU RECIPE - HATARAKU RECIPE., 26 June 2023 (2023-06-26), XP093253906, Retrieved from the Internet <URL:https://www.hataraku-recipe.jp/_ct/17637974> *
MORITA KODAI, SUMI KAORU: "Looking for a Job to System for Automatically Generating a Resume with the Agent", PROCEEDINGS OF 2015 (29TH) ANNUAL CONFERENCE OF THE JAPANESE SOCIETY FOR ARTIFICIAL INTELLIGENCE [CD-ROM], 1 January 2015 (2015-01-01), XP093253896, Retrieved from the Internet <URL:https://www.ai-gakkai.or.jp/jsai2015/webprogram/2015/pdf/1I3-OS-10b-3.pdf> *

Also Published As

Publication number Publication date
JPWO2025004983A1 (ja) 2025-01-02
DE112024001958T5 (de) 2026-02-19
CN121420317A (zh) 2026-01-27
JPWO2025004533A1 (ja) 2025-01-02
JP7831698B2 (ja) 2026-03-17
WO2025004983A1 (ja) 2025-01-02

Similar Documents

Publication Publication Date Title
Shou et al. Value adding and non-value adding activities in turnaround maintenance process: classification, validation, and benefits
Prencipe et al. Inter-project learning: processes and outcomes of knowledge codification in project-based firms
Pathak et al. Impact of internet of things and artificial intelligence on human resource development
Yimam-Seid et al. Expert-finding systems for organizations: Problem and domain analysis and the DEMOIR approach
JP7671403B1 (ja) 情報処理システム、情報処理方法及びプログラム
US11615377B2 (en) Predicting hiring priorities
AU2010286432A1 (en) System and method for managing workforce transitions between public and private sector employment
Fung et al. A fuzzy expected value-based goal programing model for product planning using quality function deployment
US11941500B2 (en) System for engagement of human agents for decision-making in a dynamically changing environment
JP7831698B2 (ja) 分類システムおよび分類対象を分類する方法
US20100169960A1 (en) Job Search and Coaching System &amp; Process
Zhang et al. An intelligent scheduling model of computer human resources in complex scenarios based on artificial intelligence
Frey Small business knowledge management success story—this stuff really works!
US20240370831A1 (en) System and method of automating the recruitment process between employment candidates and recruiting entities
US11531501B1 (en) Collaborative decision making in dynamically changing environment
US20260134399A1 (en) Job history information collection apparatus and method of collecting job history information
Gurram et al. Teamwork in distributed agile software development
JP7813442B1 (ja) バックオフィス業務の支援装置
Salameh Digital transformation: Readiness of the Lebanese manufacturing industry
JP7724994B1 (ja) 情報処理システム、情報処理方法及びプログラム
JP7842512B1 (ja) 情報処理システム、情報処理方法及びプログラム
JP7822510B1 (ja) 情報処理システム、情報処理方法及びプログラム
JP7860318B1 (ja) 情報処理システム、情報処理方法及びプログラム
Panchyrz et al. Challenges with Organizing for Digital Transformation in International Manufacturing Networks
US20250131384A1 (en) System and method for instantaneous hiring of job applicants

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: 24831406

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2025529477

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 2025529477

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 112024001958

Country of ref document: DE

WWP Wipo information: published in national office

Ref document number: 112024001958

Country of ref document: DE