ホーム > 特許ランキング > ファインディ株式会社
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024124335
(43)【公開日】2024-09-12
(54)【発明の名称】情報処理装置、方法、プログラム、およびシステム
(51)【国際特許分類】
G06Q 10/1053 20230101AFI20240905BHJP
【ＦＩ】
G06Q10/1053
【審査請求】未請求
【請求項の数】15
【出願形態】ＯＬ
(21)【出願番号】P 2023217634
(22)【出願日】2023-12-25
(62)【分割の表示】P 2023032072の分割
【原出願日】2023-03-02
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＰＹＴＨＯＮ
２．ＴＥＮＳＯＲＦＬＯＷ
(71)【出願人】
【識別番号】516291402
【氏名又は名称】ファインディ株式会社
(74)【代理人】
【識別番号】110002815
【氏名又は名称】ＩＰＴｅｃｈ弁理士法人
(72)【発明者】
【氏名】笹野 翔太
(72)【発明者】
【氏名】志賀 優毅
(57)【要約】
【課題】求職活動または採用活動に有用な情報を提供する。
【解決手段】本開示の一態様のプログラムは、コンピュータを、求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得する手段、テキスト情報から第１特徴量を抽出する手段、第１特徴量に収入予測モデルを適用することで、対象人材の収入ベンチマークを予測する手段、対象人材の収入ベンチマークの予測結果を出力する手段、として機能させる。
【選択図】図６
【解決手段】本開示の一態様のプログラムは、コンピュータを、求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得する手段、テキスト情報から第１特徴量を抽出する手段、第１特徴量に収入予測モデルを適用することで、対象人材の収入ベンチマークを予測する手段、対象人材の収入ベンチマークの予測結果を出力する手段、として機能させる。
【選択図】図６
【特許請求の範囲】
【請求項1】
コンピュータを、
求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得する手段、
前記テキスト情報から第１特徴量を抽出する手段、
前記第１特徴量に収入予測モデルを適用することで、前記対象人材の収入ベンチマークを予測する手段、
前記対象人材の収入ベンチマークの予測結果を出力する手段、
として機能させるプログラム。
求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得する手段、
前記テキスト情報から第１特徴量を抽出する手段、
前記第１特徴量に収入予測モデルを適用することで、前記対象人材の収入ベンチマークを予測する手段、
前記対象人材の収入ベンチマークの予測結果を出力する手段、
として機能させるプログラム。
【請求項2】
前記テキスト情報を取得する手段は、前記対象人材の履歴書ファイルもしくは職務経歴書ファイル、または人材マッチングプラットフォーム上で入力された前記対象人材の求職者情報の少なくとも一方を取得する、
請求項１に記載のプログラム。
請求項１に記載のプログラム。
【請求項3】
前記コンピュータを、前記対象人材がイシュー管理サービスにおいて関与したリポジトリに関する情報を取得する手段、として機能させ、
前記対象人材の収入ベンチマークを予測する手段は、前記リポジトリに関する情報に基づく第２特徴量と前記第１特徴量とに前記収入予測モデルを適用することで、前記対象人材の収入ベンチマークを予測する、
請求項２に記載のプログラム。
前記対象人材の収入ベンチマークを予測する手段は、前記リポジトリに関する情報に基づく第２特徴量と前記第１特徴量とに前記収入予測モデルを適用することで、前記対象人材の収入ベンチマークを予測する、
請求項２に記載のプログラム。
【請求項4】
前記対象人材の収入ベンチマークは、前記求人企業が求めている人物像に合致する人物の収入の相場、または当該求人企業が採用を行う場合に採用される求職者に提示すべき収入であり、
前記テキスト情報を取得する手段は、人材マッチングプラットフォーム上で入力された前記求人企業が求める人物像に関する求人情報を取得する、
請求項１に記載のプログラム。
前記テキスト情報を取得する手段は、人材マッチングプラットフォーム上で入力された前記求人企業が求める人物像に関する求人情報を取得する、
請求項１に記載のプログラム。
【請求項5】
前記テキスト情報は、前記求人情報のうち求職者が採用された場合に提供を予定されている処遇に関する情報を含む、
請求項４に記載のプログラム。
請求項４に記載のプログラム。
【請求項6】
前記テキスト情報は、前記求人情報のうち前記求人企業が求めている人物像の必須要件または歓迎要件の少なくとも１つに関する情報を含む、
請求項４に記載のプログラム。
請求項４に記載のプログラム。
【請求項7】
前記コンピュータを、
前記求人情報において採用される求職者に対して提示を予定されている収入を特定する手段、
前記採用される求職者に対して提示を予定されている収入が前記対象人材の収入ベンチマークと乖離している場合に、前記求職者が採用された場合に提供を予定されている処遇または前記求人企業が求めている人物像の要件の少なくとも１つの変更を推奨する手段、
として機能させる、請求項４に記載のプログラム。
前記求人情報において採用される求職者に対して提示を予定されている収入を特定する手段、
前記採用される求職者に対して提示を予定されている収入が前記対象人材の収入ベンチマークと乖離している場合に、前記求職者が採用された場合に提供を予定されている処遇または前記求人企業が求めている人物像の要件の少なくとも１つの変更を推奨する手段、
として機能させる、請求項４に記載のプログラム。
【請求項8】
前記コンピュータを、前記人材マッチングプラットフォームにおいて前記求人情報にマッチするユーザの集団に関する情報を取得する手段、として機能させ、
前記対象人材の収入ベンチマークを予測する手段は、前記求人情報にマッチするユーザの集団に関する情報に基づく第３特徴量と前記第１特徴量とに前記収入予測モデルを適用することで、前記対象人材の収入ベンチマークを予測する、
請求項４に記載のプログラム。
前記対象人材の収入ベンチマークを予測する手段は、前記求人情報にマッチするユーザの集団に関する情報に基づく第３特徴量と前記第１特徴量とに前記収入予測モデルを適用することで、前記対象人材の収入ベンチマークを予測する、
請求項４に記載のプログラム。
【請求項9】
前記テキスト情報は、前記対象人材が過去の経歴で所属したチームに関する情報を含む、
請求項２または請求項３に記載のプログラム。
請求項２または請求項３に記載のプログラム。
【請求項10】
前記テキスト情報は、前記対象人材が過去に担当した業務に関する情報を含む、
請求項２または請求項３に記載のプログラム。
請求項２または請求項３に記載のプログラム。
【請求項11】
前記テキスト情報は、前記対象人材の技術スキルに関する情報を含む、
請求項２または請求項３に記載のプログラム。
請求項２または請求項３に記載のプログラム。
【請求項12】
前記テキスト情報は、前記対象人材のマネジメント経験に関する情報を含む、
請求項２または請求項３に記載のプログラム。
請求項２または請求項３に記載のプログラム。
【請求項13】
コンピュータが、
求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得するステップと、
前記テキスト情報から第１特徴量を抽出するステップと、
前記第１特徴量に収入予測モデルを適用することで、前記対象人材の収入ベンチマークを予測するステップと、
前記対象人材の収入ベンチマークの予測結果を出力するステップと
を実行する方法。
求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得するステップと、
前記テキスト情報から第１特徴量を抽出するステップと、
前記第１特徴量に収入予測モデルを適用することで、前記対象人材の収入ベンチマークを予測するステップと、
前記対象人材の収入ベンチマークの予測結果を出力するステップと
を実行する方法。
【請求項14】
求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得する手段と、
前記テキスト情報から第１特徴量を抽出する手段と、
前記第１特徴量に収入予測モデルを適用することで、前記対象人材の収入ベンチマークを予測する手段と、
前記対象人材の収入ベンチマークの予測結果を出力する手段と
を具備する、情報処理装置。
前記テキスト情報から第１特徴量を抽出する手段と、
前記第１特徴量に収入予測モデルを適用することで、前記対象人材の収入ベンチマークを予測する手段と、
前記対象人材の収入ベンチマークの予測結果を出力する手段と
を具備する、情報処理装置。
【請求項15】
第１情報処理装置と、第２情報処理装置とを具備するシステムであって、
前記第１情報処理装置は、
求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を前記第２情報処理装置から取得する手段と、
前記テキスト情報から第１特徴量を抽出する手段と、
前記第１特徴量に収入予測モデルを適用することで、前記対象人材の収入ベンチマークを予測する手段と、
前記対象人材の収入ベンチマークの予測結果を前記第２情報処理装置へ出力する手段と
を備える、
システム。
前記第１情報処理装置は、
求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を前記第２情報処理装置から取得する手段と、
前記テキスト情報から第１特徴量を抽出する手段と、
前記第１特徴量に収入予測モデルを適用することで、前記対象人材の収入ベンチマークを予測する手段と、
前記対象人材の収入ベンチマークの予測結果を前記第２情報処理装置へ出力する手段と
を備える、
システム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、情報処理装置、方法、プログラム、およびシステムに関する。
【背景技術】
【0002】
求職者が、転職先または（再）就職先を選択するにあたって、収入は主要な判断材料の１つである。一方で、求職者が、自らが採用された場合の妥当な収入を見積もることは容易ではない。求職者が自身の適正収入をはるかに超える収入を希望していた場合に、応募先の求める人物像（ペルソナ）とマッチせず求職活動が難航するおそれがある。
【0003】
他方、求人を行う企業も、求める人物像の収入の相場感をつかむことは容易でない。企業が求める人物像に合致する人物の収入の相場をはるかに下回る収入を提示した場合に、条件にマッチする人材からの応募が集まらず、希望する人材の獲得が困難となるおそれがある。
【0004】
特許文献１には、ユーザの職歴に応じた求人情報を提示することを企図した技術的思想が記載されている。この技術的思想は、ユーザの職歴と、募集する人材に求められるスキルとの一致度に応じて基本給を補正し、ユーザに固有の給料を設定する。
【先行技術文献】
【特許文献】
【0005】
【特許文献1】特開2022-043587号公報
【発明の概要】
【発明が解決しようとする課題】
【0006】
特許文献１の技術的思想は、ユーザの給料を適切に設定するためにユーザの職歴と、募集する人材に求められるスキルとの一致度を参照するものであるが、求職者が自己の適正収入を知りたいという要求や、企業が求める人物像に合致するとして採用される求職者に対して提示を予定している収入が妥当かを知りたいような場合には、一致度による解析では予測精度が十分ではなく、有用な情報を提供できないことがあった。
【0007】
本開示の目的は、求職活動または採用活動に有用な情報を提供することである。
【課題を解決するための手段】
【0008】
本開示の一態様のプログラムは、コンピュータを、求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得する手段、テキスト情報から第１特徴量を抽出する手段、第１特徴量に収入予測モデルを適用することで、対象人材の収入ベンチマークを予測する手段、対象人材の収入ベンチマークの予測結果を出力する手段、として機能させる。
【図面の簡単な説明】
【0009】
【図1】本実施形態の情報処理システムの構成を示すブロック図である。
【図2】本実施形態の求職側端末の構成を示すブロック図である。
【図3】本実施形態のサーバの構成を示すブロック図である。
【図4】本実施形態の求人側端末の構成を示すブロック図である。
【図5】本実施形態の情報処理システムの基本的機能の説明図である。
【図6】本実施形態の一態様の説明図である。
【図7】本実施形態の別の態様の説明図である。
【図8】本実施形態の求職側予測処理のフローチャートである。
【図9】本実施形態の求職側予測処理において表示される画面例を示す図である。
【図10】本実施形態の求人側予測処理のフローチャートである。
【図11】本実施形態の求人側予測処理において表示される画面例を示す図である。
【図12】変形例１の情報処理システムの構成を示すブロック図である。
【図13】変形例１のリポジトリデータベースのデータ構造を示す図である。
【図14】変形例１の開発活動データベースのデータ構造を示す図である。
【発明を実施するための形態】
【0010】
以下、本発明の一実施形態について、図面に基づいて詳細に説明する。なお、実施形態を説明するための図面において、同一の構成要素には原則として同一の符号を付し、その繰り返しの説明は省略する。
【0011】
（１）情報処理システムの構成
情報処理システムの構成について説明する。図１は、本実施形態の情報処理システムの構成を示すブロック図である。
情報処理システムの構成について説明する。図１は、本実施形態の情報処理システムの構成を示すブロック図である。
【0012】
図１に示すように、情報処理システム１は、求職側端末１０と、サーバ３０と、求人側端末５０を備える。
求職側端末１０及びサーバ３０は、ネットワーク（例えば、インターネット又はイントラネット）ＮＷを介して接続される。
求人側端末５０及びサーバ３０は、ネットワークＮＷを介して接続される。
求職側端末１０及びサーバ３０は、ネットワーク（例えば、インターネット又はイントラネット）ＮＷを介して接続される。
求人側端末５０及びサーバ３０は、ネットワークＮＷを介して接続される。
【0013】
求職側端末１０は、サーバ３０にリクエストを送信する情報処理装置の一例である。求職側端末１０は、例えば、スマートフォン、タブレット端末、又は、パーソナルコンピュータである。求職側端末１０のユーザは、転職活動または（再）就職活動を行っている者、またはこれらの活動に興味のある者である。
【0014】
サーバ３０は、クライアント装置（図１の例では、求職側端末１０または求人側端末５０）から送信されたリクエストに応じたレスポンスを当該クライアント装置に提供する情報処理装置の一例である。サーバ３０は、例えば、サーバコンピュータである。サーバ３０は、求職側端末１０のユーザおよび求人側端末５０のユーザが参加する人材マッチングプラットフォームを管理する。人材マッチングプラットフォームは、求職者と求人企業とを結びつける場に相当する。本明細書において、求職者とは、求職の意思のある者を含み、少なくとも人材プラットフォーム上に求職者情報を登録、または登録の準備（例えば、履歴書ファイルもしくは職務経歴書ファイルのアップロード、または求職者情報の入力）をする者を含む。同様に、求人企業とは、求人の意思のある法人または個人を含み、少なくとも人材プラットフォーム上に求人情報を登録、または登録の準備をする者を含む。
【0015】
求人側端末５０は、サーバ３０にリクエストを送信する情報処理装置の一例である。求人側端末５０は、例えば、スマートフォン、タブレット端末、又は、パーソナルコンピュータである。求人側端末５０のユーザは、求人企業に属する人物（例えば、会社の採用担当者）である。
【0016】
（１－１）求職側端末の構成
求職側端末の構成について説明する。図２は、本実施形態の求職側端末の構成を示すブロック図である。
求職側端末の構成について説明する。図２は、本実施形態の求職側端末の構成を示すブロック図である。
【0017】
図２に示すように、求職側端末１０は、記憶装置１１と、プロセッサ１２と、入出力インタフェース１３と、通信インタフェース１４とを備える。求職側端末１０は、ディスプレイ２１に接続される。
【0018】
記憶装置１１は、プログラム及びデータを記憶するように構成される。記憶装置１１は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、及び、ストレージ（例えば、フラッシュメモリ又はハードディスク）の組合せである。
【0019】
プログラムは、例えば、以下のプログラムを含む。
・ＯＳ（Operating System）のプログラム
・情報処理を実行するアプリケーション（例えば、ウェブブラウザ）のプログラム
・ＯＳ（Operating System）のプログラム
・情報処理を実行するアプリケーション（例えば、ウェブブラウザ）のプログラム
【0020】
データは、例えば、以下のデータを含む。
・情報処理において参照されるデータベース
・情報処理を実行することによって得られるデータ（つまり、情報処理の実行結果）
・情報処理において参照されるデータベース
・情報処理を実行することによって得られるデータ（つまり、情報処理の実行結果）
【0021】
プロセッサ１２は、記憶装置１１に記憶されたプログラムを起動することによって、求職側端末１０の機能を実現するコンピュータである。プロセッサ１２は、例えば、以下の少なくとも１つである。
・ＣＰＵ（Central Processing Unit）
・ＧＰＵ（Graphic Processing Unit）
・ＡＳＩＣ（Application Specific Integrated Circuit）
・ＦＰＧＡ（Field Programmable Array）
・ＣＰＵ（Central Processing Unit）
・ＧＰＵ（Graphic Processing Unit）
・ＡＳＩＣ（Application Specific Integrated Circuit）
・ＦＰＧＡ（Field Programmable Array）
【0022】
入出力インタフェース１３は、求職側端末１０に接続される入力デバイスから情報（例えばユーザの指示）を取得し、かつ、求職側端末１０に接続される出力デバイスに情報（例えば画像）を出力するように構成される。
入力デバイスは、例えば、キーボード、ポインティングデバイス、タッチパネル、又は、それらの組合せである。
出力デバイスは、例えば、ディスプレイ２１、スピーカ、又は、それらの組合せである。
入力デバイスは、例えば、キーボード、ポインティングデバイス、タッチパネル、又は、それらの組合せである。
出力デバイスは、例えば、ディスプレイ２１、スピーカ、又は、それらの組合せである。
【0023】
通信インタフェース１４は、求職側端末１０と外部装置（例えば、サーバ３０）との間の通信を制御するように構成される。
【0024】
ディスプレイ２１は、画像（静止画、または動画）を表示するように構成される。ディスプレイ２１は、例えば、液晶ディスプレイ、または有機ＥＬディスプレイである。
【0025】
（１－２）サーバの構成
サーバの構成について説明する。図３は、本実施形態のサーバの構成を示すブロック図である。
サーバの構成について説明する。図３は、本実施形態のサーバの構成を示すブロック図である。
【0026】
図３に示すように、サーバ３０は、記憶装置３１と、プロセッサ３２と、入出力インタフェース３３と、通信インタフェース３４とを備える。
【0027】
記憶装置３１は、プログラム及びデータを記憶するように構成される。記憶装置３１は、例えば、ＲＯＭ、ＲＡＭ、及び、ストレージ（例えば、フラッシュメモリ又はハードディスク）の組合せである。
【0028】
プログラムは、例えば、以下のプログラムを含む。
・ＯＳのプログラム
・情報処理を実行するアプリケーションのプログラム
・ＯＳのプログラム
・情報処理を実行するアプリケーションのプログラム
【0029】
データは、例えば、以下のデータを含む。
・情報処理において参照されるデータベース
・情報処理の実行結果
・情報処理において参照されるデータベース
・情報処理の実行結果
【0030】
プロセッサ３２は、記憶装置３１に記憶されたプログラムを起動することによって、サーバ３０の機能を実現するコンピュータである。プロセッサ３２は、例えば、以下の少なくとも１つである。
・ＣＰＵ
・ＧＰＵ
・ＡＳＩＣ
・ＦＰＧＡ
・ＣＰＵ
・ＧＰＵ
・ＡＳＩＣ
・ＦＰＧＡ
【0031】
入出力インタフェース３３は、サーバ３０に接続される入力デバイスから情報（例えばユーザの指示）を取得し、かつ、サーバ３０に接続される出力デバイスに情報（例えば画像）を出力するように構成される。
入力デバイスは、例えば、キーボード、ポインティングデバイス、タッチパネル、又は、それらの組合せである。
出力デバイスは、例えば、ディスプレイである。
入力デバイスは、例えば、キーボード、ポインティングデバイス、タッチパネル、又は、それらの組合せである。
出力デバイスは、例えば、ディスプレイである。
【0032】
通信インタフェース３４は、サーバ３０と外部装置（求職側端末１０、または求人側端末５０）との間の通信を制御するように構成される。
【0033】
（１－３）求人側端末の構成
求人側端末の構成について説明する。図４は、本実施形態の求人側端末の構成を示すブロック図である。
求人側端末の構成について説明する。図４は、本実施形態の求人側端末の構成を示すブロック図である。
【0034】
図４に示すように、求人側端末５０は、記憶装置５１と、プロセッサ５２と、入出力インタフェース５３と、通信インタフェース５４とを備える。求人側端末５０は、ディスプレイ６１に接続される。
【0035】
記憶装置５１は、プログラム及びデータを記憶するように構成される。記憶装置５１は、例えば、ＲＯＭ、ＲＡＭ、及び、ストレージ（例えば、フラッシュメモリ又はハードディスク）の組合せである。
【0036】
プログラムは、例えば、以下のプログラムを含む。
・ＯＳのプログラム
・情報処理を実行するアプリケーション（例えば、ウェブブラウザ）のプログラム
・ＯＳのプログラム
・情報処理を実行するアプリケーション（例えば、ウェブブラウザ）のプログラム
【0037】
データは、例えば、以下のデータを含む。
・情報処理において参照されるデータベース
・情報処理の実行結果
・情報処理において参照されるデータベース
・情報処理の実行結果
【0038】
プロセッサ５２は、記憶装置５１に記憶されたプログラムを起動することによって、求人側端末５０の機能を実現するコンピュータである。プロセッサ５２は、例えば、以下の少なくとも１つである。
・ＣＰＵ
・ＧＰＵ
・ＡＳＩＣ
・ＦＰＧＡ
・ＣＰＵ
・ＧＰＵ
・ＡＳＩＣ
・ＦＰＧＡ
【0039】
入出力インタフェース５３は、求人側端末５０に接続される入力デバイスから情報（例えばユーザの指示）を取得し、かつ、求人側端末５０に接続される出力デバイスに情報（例えば画像）を出力するように構成される。
入力デバイスは、例えば、キーボード、ポインティングデバイス、タッチパネル、又は、それらの組合せである。
出力デバイスは、例えば、ディスプレイ６１、スピーカ、又は、それらの組合せである。
入力デバイスは、例えば、キーボード、ポインティングデバイス、タッチパネル、又は、それらの組合せである。
出力デバイスは、例えば、ディスプレイ６１、スピーカ、又は、それらの組合せである。
【0040】
通信インタフェース５４は、求人側端末５０と外部装置（例えば、サーバ３０）との間の通信を制御するように構成される。
【0041】
ディスプレイ６１は、画像（静止画、または動画）を表示するように構成される。ディスプレイ６１は、例えば、液晶ディスプレイ、または有機ＥＬディスプレイである。
【0042】
（２）実施形態の一態様
本実施形態の一態様について説明する。図５は、本実施形態の情報処理システムの基本的機能の説明図である。図６は、本実施形態の一態様の説明図である。図７は、本実施形態の別の態様の説明図である。
本実施形態の一態様について説明する。図５は、本実施形態の情報処理システムの基本的機能の説明図である。図６は、本実施形態の一態様の説明図である。図７は、本実施形態の別の態様の説明図である。
【0043】
図５に示すように、ユーザＵＳ１は、求職側端末１０を介して、求職者情報をサーバ３０へ送信する。他方、ユーザＵＳ２は、求人側端末５０を介して、求人情報をサーバ３０へ送信する。
【0044】
サーバ３０は、求職者情報および求人情報を取得し、これらの情報を人材マッチングプラットフォームの仕様に応じて取り扱う。一例として、サーバ３０は、求職者情報および求人情報のマッチング処理を行う。仮に、ユーザＵＳ１から取得した求職者情報と、ユーザＵＳ２から取得した求人情報とがマッチしたとする。この場合に、サーバ３０は、ユーザＵＳ１から取得した求職者情報を求人側端末５０へ送信し、ユーザＵＳ２から取得した求人情報を求職側端末１０へ送信する。これにより、求職者であるユーザＵＳ１と、求人企業の構成員であるユーザＵＳ２とを結びつけることができる。
【0045】
なお、人材マッチングプラットフォームの仕様次第で、サーバ３０は異なる挙動も可能である。例えば、サーバ３０は、マッチング処理は行わず、求人情報または求職者情報の少なくとも一方を例えば匿名かつ検索可能な状態で公開するに留めてもよい。或いは、サーバ３０は、人材仲介を行う者の端末に、求人情報または求職者情報を送信し、この者がマッチングを行ってもよい。
【0046】
本実施形態のサーバ３０は、図６に示すように、ユーザＵＳ１から取得した求職者情報に基づいて当該ユーザＵＳ１の収入ベンチマークを予測してもよい。すなわち、かかる求職者情報は、ユーザＵＳ１に関して記述されたテキスト情報に相当するが、サーバ３０は当該テキスト情報から特徴量を抽出する。テキスト情報として、例えば自由記述式のテキストが想定されるが、選択式のテキスト、またはこれらの組み合わせであってもよい。サーバ３０は、抽出した特徴量に収入予測モデルを適用することで、ユーザＵＳ１の収入ベンチマークを予測し、予測結果を求職側端末１０へ送信する。これにより、ユーザＵＳ１は、自身が採用された場合の適正収入を把握できるので、希望する収入に満たなかった場合には求職者情報の内容をブラッシュアップしたり、応募先を選択する際の判断材料として収入ベンチマークを活用したりすることができる。
【0047】
本実施形態のサーバ３０は、図７に示すように、ユーザＵＳ２から取得した求人情報に基づいて当該ユーザＵＳ２が所属する求人企業が求めている人物像の収入ベンチマークを予測してもよい。すなわち、かかる求人情報は、当該求人情報によって採用を想定している人物像に関して記述されたテキスト情報に相当するが、サーバ３０は当該テキスト情報から特徴量を抽出する。サーバ３０は、抽出した特徴量に収入予測モデルを適用することで、採用を想定している人物像の収入ベンチマークを予測し、予測結果を求人側端末５０へ送信する。これにより、求人企業は、当該求人企業が求めている人物像に合致する人物の収入の相場を把握できるので、採用される求職者に対して提示を予定している収入と収入ベンチマークとの間に乖離がある場合に作成した求人情報の内容を見直したり、採用計画を立案する際の判断材料として収入ベンチマークを活用したりすることができる。
【0048】
本明細書において、収入ベンチマークは、以下の少なくとも１つ意味で用いられる。
・求職者の求職者情報から予測される、当該求職者の適正収入（収入の相場）
・求職者が採用された場合に提示されるべき収入
・求人企業が求める人物像に合致する人物の適正収入（収入の相場）
・求人企業が採用を行う場合に採用される求職者に提示すべき収入
・求職者の求職者情報から予測される、当該求職者の適正収入（収入の相場）
・求職者が採用された場合に提示されるべき収入
・求人企業が求める人物像に合致する人物の適正収入（収入の相場）
・求人企業が採用を行う場合に採用される求職者に提示すべき収入
【0049】
【0050】
（３）情報処理
本実施形態の情報処理について説明する。
本実施形態の情報処理について説明する。
【0051】
（３－１）求職側予測処理
本実施形態の求職側予測処理について説明する。図８は、本実施形態の求職側予測処理のフローチャートである。図９は、本実施形態の求職側予測処理において表示される画面例を示す図である。
本実施形態の求職側予測処理について説明する。図８は、本実施形態の求職側予測処理のフローチャートである。図９は、本実施形態の求職側予測処理において表示される画面例を示す図である。
【0052】
図８の処理は、例えば求職側端末１０が、人材マッチングプラットフォームにアクセスし、求職者情報の登録を開始する指示をユーザから受け付けることで開始してもよい。
【0053】
図８に示すように、求職側端末１０は、情報の取得（Ｓ１１０）を実行する。
具体的には、求職側端末１０は、求職者（「対象人材」の一例）であるユーザから求職者情報を取得する。求職者情報は、求職者に関して記述されたテキスト情報を含む。
情報の取得（Ｓ１１０）の第１例として、求職側端末１０は、作成済みの履歴書ファイルまたは職務経歴書ファイルをアップロードする指示をユーザから受け付ける。これら履歴書ファイルおよび職務経歴書ファイルは求職者情報の例である。
情報の取得（Ｓ１１０）の第２例として、求職側端末１０は、人材マッチングプラットフォームによって提供されるフォーム上で入力された、ユーザ（求職者）の求職者情報に関するテキスト情報を求職者情報として取得する。求職者情報は、求職者のプロフィール（例えば、職歴、業務経験、スキル、または資格など）、求職者が希望する処遇（例えば、職種、待遇（収入を含み得る）、または勤務条件など）、またはそれらの組み合わせを含み得る。
具体的には、求職側端末１０は、求職者（「対象人材」の一例）であるユーザから求職者情報を取得する。求職者情報は、求職者に関して記述されたテキスト情報を含む。
情報の取得（Ｓ１１０）の第１例として、求職側端末１０は、作成済みの履歴書ファイルまたは職務経歴書ファイルをアップロードする指示をユーザから受け付ける。これら履歴書ファイルおよび職務経歴書ファイルは求職者情報の例である。
情報の取得（Ｓ１１０）の第２例として、求職側端末１０は、人材マッチングプラットフォームによって提供されるフォーム上で入力された、ユーザ（求職者）の求職者情報に関するテキスト情報を求職者情報として取得する。求職者情報は、求職者のプロフィール（例えば、職歴、業務経験、スキル、または資格など）、求職者が希望する処遇（例えば、職種、待遇（収入を含み得る）、または勤務条件など）、またはそれらの組み合わせを含み得る。
【0054】
求職者情報は、以下の少なくとも１つを含むことができる。
・求職者が過去の経歴で所属したチームに関する情報
・求職者が過去に担当した業務に関する情報
・求職者の技術スキルに関する情報
・求職者のマネジメント経験に関する情報
・求職者が過去の経歴で所属したチームに関する情報
・求職者が過去に担当した業務に関する情報
・求職者の技術スキルに関する情報
・求職者のマネジメント経験に関する情報
【0055】
チームに関する情報は、例えば、チームの規模、またはチームにおける求職者の役割もしくは所属期間に関する情報を含むことができる。
【0056】
本明細書において、チームとは、複数人のメンバーにより構成される集団を意味する。本明細書では、チームとは、複数のエンジニアにより構成される集団であるエンジニアチームを指す場合もある。チーム（特に、エンジニアチーム）は、特定のプロダクトの開発を担当する場合がある。プロダクトは、典型的にはソフトウェアであり、例えば、ＳａａＳ（Ｓｏｆｔｗａｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ）などのＷｅｂサービスを提供するためのＷｅｂサイトであってもよいし、コンピュータにインストールされるアプリケーションであってもよい。チーム内では、それぞれのエンジニアが機能ごと、アウトプットごと等に役割分担して開発を進める。１つまたは複数のチームは、例えば企業などの組織に属する場合がある。また、チーム内のエンジニアは、特定の１つの企業（組織）に雇用されている会社員のみに限られず、複数の企業が共同で開発を進める開発プロジェクトにおける任意の企業の会社員でもよい。さらに、チーム内のエンジニアには、派遣社員、個人事業主（いわゆるフリーランス）のエンジニアが含まれてもよい。
【0057】
過去に担当した業務に関する情報は、例えば、求職者が過去に担当したプロジェクトの詳細、または当該プロジェクトにおける求職者の担当業務、担当期間もしくは実績に関する情報を含むことができる。
【0058】
技術スキルに関する情報は、例えば、求職者が使用するプログラミング言語、またはマークアップ言語に関する情報を含むことができる。
【0059】
マネジメント経験に関する情報は、例えば、役職、経験期間、または管理対象人数に関する情報を含むことができる。
【0060】
ステップＳ１１０の後に、求職側端末１０は、ユーザ指示の受付（Ｓ１１１）を実行する。
具体的には、求職側端末１０は、ユーザの収入ベンチマークの予測を要求する指示を当該ユーザから受け付ける。求職側端末１０は、指示に応じて予測要求を生成し、サーバ３０へ送信する。予測要求は、ステップＳ１１０において取得した情報を特定可能な情報を含む。求職側端末１０は、必要に応じて、求職者情報に含まれるテキストを抽出したり、匿名化処理（例えば、個人情報のマスキングまたは送信対象からの除外）を施したりしてもよい。
具体的には、求職側端末１０は、ユーザの収入ベンチマークの予測を要求する指示を当該ユーザから受け付ける。求職側端末１０は、指示に応じて予測要求を生成し、サーバ３０へ送信する。予測要求は、ステップＳ１１０において取得した情報を特定可能な情報を含む。求職側端末１０は、必要に応じて、求職者情報に含まれるテキストを抽出したり、匿名化処理（例えば、個人情報のマスキングまたは送信対象からの除外）を施したりしてもよい。
【0061】
一例として、求職側端末１０は、図９の画面をディスプレイ２１に表示する。図９の画面は、オブジェクトＪ２１～Ｊ２４を含む。
オブジェクトＪ２１は、ステップＳ１１０において取得した求職者情報の内容を表示する。
なお、ステップＳ１１０において求職者情報を受け付けるＵＩは、求職者情報を構成する情報要素（図９において、＃の記号が付されている要素）ごとに入力欄（フォーム）を備えていてもよい。例えば、ＵＩは、職種情報欄、マネジメント経験欄、および担当プロジェクト欄を含むことができる。さらに、プロジェクト欄は、（業務を一緒に遂行した）チーム情報欄、役割情報欄、および実績情報欄を含むことができる。これにより、完全に自由記述式の入力欄を利用した場合に比べて、求職者情報に含められる情報要素の漏れを防止し、抽出可能な特徴量の精度を高めたり、予測される収入ベンチマークの妥当性を高めたりすることができる。
オブジェクトＪ２１は、ステップＳ１１０において取得した求職者情報の内容を表示する。
なお、ステップＳ１１０において求職者情報を受け付けるＵＩは、求職者情報を構成する情報要素（図９において、＃の記号が付されている要素）ごとに入力欄（フォーム）を備えていてもよい。例えば、ＵＩは、職種情報欄、マネジメント経験欄、および担当プロジェクト欄を含むことができる。さらに、プロジェクト欄は、（業務を一緒に遂行した）チーム情報欄、役割情報欄、および実績情報欄を含むことができる。これにより、完全に自由記述式の入力欄を利用した場合に比べて、求職者情報に含められる情報要素の漏れを防止し、抽出可能な特徴量の精度を高めたり、予測される収入ベンチマークの妥当性を高めたりすることができる。
【0062】
オブジェクトＪ２２は、求職者情報の編集処理を開始するユーザ指示を受け付ける。求職側端末１０は、オブジェクトＪ２２が選択された場合に、求職者情報のフォームへの入力内容を編集するためのＵＩ（User Interface）をディスプレイ２１に表示してもよいし、アップロードする履歴書ファイルもしくは職務経歴書ファイルを選択するためのＵＩをディスプレイ２１に表示してもよい。
【0063】
オブジェクトＪ２３は、ユーザの収入ベンチマークの予測を要求する指示を受け付ける。求職側端末１０は、オブジェクトＪ２３が選択された場合に、予測要求を生成し、サーバ３０へ送信する。
【0064】
オブジェクトＪ２４は、ステップＳ１１０において取得した求職者情報を提出するためのユーザ指示を受け付ける。求職側端末１０は、オブジェクトＪ２４が選択されると、求職者情報をサーバ３０へ送信する。
【0065】
ステップＳ１１１の後に、サーバ３０は、情報の取得（Ｓ１３０）を実行する。
具体的には、サーバ３０は、ステップＳ１１１において送信された予測要求を受信する。サーバ３０は、受信した予測要求に基づいて求職者情報を取得する。
具体的には、サーバ３０は、ステップＳ１１１において送信された予測要求を受信する。サーバ３０は、受信した予測要求に基づいて求職者情報を取得する。
【0066】
ステップＳ１３０の後に、サーバ３０は、特徴量の抽出（Ｓ１３１）を実行する。
具体的には、サーバ３０は、ステップＳ１３０において取得した求職者情報から特徴量（以下、「求職者特徴量」という）を抽出する。
具体的には、サーバ３０は、ステップＳ１３０において取得した求職者情報から特徴量（以下、「求職者特徴量」という）を抽出する。
【0067】
特徴量の抽出（Ｓ１３１）の第１例として、サーバ３０は、自然言語系の学習済みモデルに求職者情報またはその少なくとも一部に相当するテキスト情報を入力として与えることで求職者特徴量を取得する。かかる学習済みモデルとして、例えばＢＥＲＴ（Bidirectional Encoder Representations from Transformers）などの深層学習モデル（自然言語処理モデル）が利用可能である。
【0068】
特徴量の抽出（Ｓ１３１）の第２例として、サーバ３０は、求職者情報またはその少なくとも一部に相当するテキスト情報をルールベースで解析することで、求職者特徴量を生成する。例えば、サーバ３０は、求職者情報に「チームをリード」、「後輩を指導」などのフレーズが含まれている場合に、マネジメント経験に関する特徴量を増加させてもよい。或いは、サーバ３０は、求職者情報に「k8s」、「Rust」等のキーワードが含まれている場合に、最新の技術スキルに関する特徴量を増加させてもよい。
【0069】
特徴量の抽出（Ｓ１３１）の第３例として、サーバ３０は、上記第１例および第２例を組み合わせてもよい。
【0070】
ステップＳ１３１の後に、サーバ３０は、収入ベンチマークの予測（Ｓ１３２）を実行する。
具体的には、サーバ３０は、ステップＳ１３１において抽出した求職者特徴量に収入予測モデル（以下、「第１モデル」という）を適用することで、求職者の収入ベンチマークを予測する。一例として、サーバ３０は、求職者の収入ベンチマークをｘ円±ｙ円の形式で予測する。ｘは予測値の中心であり、ｙは予測の幅（例えば標準偏差）である。
具体的には、サーバ３０は、ステップＳ１３１において抽出した求職者特徴量に収入予測モデル（以下、「第１モデル」という）を適用することで、求職者の収入ベンチマークを予測する。一例として、サーバ３０は、求職者の収入ベンチマークをｘ円±ｙ円の形式で予測する。ｘは予測値の中心であり、ｙは予測の幅（例えば標準偏差）である。
【0071】
第１モデルは、教師あり学習により構築可能である。教師あり学習に用いられる学習データは、過去に同一または異なる求職者によって作成された多数の求職者情報と、当該求職者情報による求職活動の実績とから収集される。学習データは、学習用の求職者特徴量と、対応する正解データとを含む。正解データは、求職者に対して求人側が過去に提示した年収（或いは、月収、または報酬単価であってもよい）の値であり、学習用の求職者特徴量は、当該求職者が求職活動において用いた求職者情報からステップＳ１３１と同様に抽出することができる。
【0072】
ステップＳ１３２の後に、サーバ３０は、予測結果の出力（Ｓ１３３）を実行する。
具体的には、サーバ３０は、ステップＳ１３２において得られた、求職者の収入ベンチマークの予測結果を求職側端末１０へ送信する。これにより、ユーザ（求職者）に予測結果を通知できる。通知は、アプリ画面、またはウェブサイト画面上で行われてもよいし、メールまたはその他のメッセージ（例えば、ＳＮＳ（Social Networking Service）メッセージ、ＳＭＳ（Short Message Service）メッセージ、チャットツールのメッセージ、など）を用いて行われてもよい。
具体的には、サーバ３０は、ステップＳ１３２において得られた、求職者の収入ベンチマークの予測結果を求職側端末１０へ送信する。これにより、ユーザ（求職者）に予測結果を通知できる。通知は、アプリ画面、またはウェブサイト画面上で行われてもよいし、メールまたはその他のメッセージ（例えば、ＳＮＳ（Social Networking Service）メッセージ、ＳＭＳ（Short Message Service）メッセージ、チャットツールのメッセージ、など）を用いて行われてもよい。
【0073】
ステップＳ１３３の後に、求職側端末１０は、画面表示（Ｓ１１２）を実行する。
具体的には、求職側端末１０は、ステップＳ１３３において送信された予測結果を受信する。求職側端末１０は、受信した予測結果をユーザに伝える画面をディスプレイ２１に表示する。
具体的には、求職側端末１０は、ステップＳ１３３において送信された予測結果を受信する。求職側端末１０は、受信した予測結果をユーザに伝える画面をディスプレイ２１に表示する。
【0074】
（３－２）求人側予測処理
本実施形態の求人側予測処理について説明する。図１０は、本実施形態の求人側予測処理のフローチャートである。図１１は、本実施形態の求人側予測処理において表示される画面例を示す図である。
本実施形態の求人側予測処理について説明する。図１０は、本実施形態の求人側予測処理のフローチャートである。図１１は、本実施形態の求人側予測処理において表示される画面例を示す図である。
【0075】
図１０の処理は、例えば求人側端末５０が、人材マッチングプラットフォームにアクセスし、求人情報の登録を開始する指示をユーザから受け付けることで開始してもよい。
【0076】
図１０に示すように、求人側端末５０は、情報の取得（Ｓ２５０）を実行する。
具体的には、求人側端末５０は、ユーザから求人情報を取得する。求人情報は、求人企業が求めている人物像（「対象人材」の一例）に関して記述されたテキスト情報を含む。
情報の取得（Ｓ２５０）の第１例として、求人側端末５０は、作成済みの求人情報ファイルをアップロードする指示をユーザから受け付ける。求人情報ファイルは、求人情報の例である。
情報の取得（Ｓ２５０）の第２例として、求人側端末５０は、人材マッチングプラットフォームによって提供されるフォーム上で入力された求人情報を取得する。
具体的には、求人側端末５０は、ユーザから求人情報を取得する。求人情報は、求人企業が求めている人物像（「対象人材」の一例）に関して記述されたテキスト情報を含む。
情報の取得（Ｓ２５０）の第１例として、求人側端末５０は、作成済みの求人情報ファイルをアップロードする指示をユーザから受け付ける。求人情報ファイルは、求人情報の例である。
情報の取得（Ｓ２５０）の第２例として、求人側端末５０は、人材マッチングプラットフォームによって提供されるフォーム上で入力された求人情報を取得する。
【0077】
求人情報は、以下の少なくとも１つを含むことができる。
・求職者が採用された場合に提供を予定されている処遇に関する情報
・求人企業が求めている人物像の要件に関する情報
・求職者が採用された場合に提供を予定されている処遇に関する情報
・求人企業が求めている人物像の要件に関する情報
【0078】
求職者が採用された場合に提供を予定されている処遇に関する情報は、例えば、当該求職者が採用された場合に提供を予定されている職種、待遇（収入を含み得る）、または勤務条件に関する情報を含むことができる。
【0079】
求人企業が求めている人物像の要件に関する情報は、当該人物像の必須要件または歓迎要件に関する情報を含むことができる。要件は、以下の少なくとも１つを含むことができる。
・人物像が過去の経歴で所属したチームに関する情報
・人物像が過去に担当した業務に関する情報
・人物像の技術スキルに関する情報
・人物像のマネジメント経験に関する情報
・人物像が過去の経歴で所属したチームに関する情報
・人物像が過去に担当した業務に関する情報
・人物像の技術スキルに関する情報
・人物像のマネジメント経験に関する情報
【0080】
チームに関する情報は、例えば、チームの規模、またはチームにおける人物像の役割もしくは所属期間に関する情報を含むことができる。
【0081】
過去に担当した業務に関する情報は、例えば、人物像が過去に担当したプロジェクトの詳細、または当該プロジェクトにおける当該人材の担当業務、担当期間もしくは実績に関する情報を含むことができる。
【0082】
技術スキルに関する情報は、例えば、人物像が使用するプログラミング言語、またはマークアップ言語に関する情報を含むことができる。
【0083】
マネジメント経験に関する情報は、例えば、役職、経験期間、または管理対象人数に関する情報を含むことができる。
【0084】
ステップＳ２５０の後に、求人側端末５０は、ユーザ指示の受付（Ｓ２５１）を実行する。
具体的には、求人側端末５０は、求人企業が求める人物像の収入ベンチマークの予測を要求する指示をユーザから受け付ける。求人側端末５０は、指示に応じて予測要求を生成し、サーバ３０へ送信する。予測要求は、ステップＳ２５０において取得した求人情報を特定可能な情報を含む。求人側端末５０は、必要に応じて、求人情報に含まれるテキストを抽出したり、匿名化処理（例えば、求人情報に対応する求人企業を特定可能な情報のマスキングまたは送信対象からの除外）を施したりしてもよい。
具体的には、求人側端末５０は、求人企業が求める人物像の収入ベンチマークの予測を要求する指示をユーザから受け付ける。求人側端末５０は、指示に応じて予測要求を生成し、サーバ３０へ送信する。予測要求は、ステップＳ２５０において取得した求人情報を特定可能な情報を含む。求人側端末５０は、必要に応じて、求人情報に含まれるテキストを抽出したり、匿名化処理（例えば、求人情報に対応する求人企業を特定可能な情報のマスキングまたは送信対象からの除外）を施したりしてもよい。
【0085】
一例として、求人側端末５０は、図１１の画面をディスプレイ６１に表示する。図１１の画面は、オブジェクトＪ３１～Ｊ３４を含む。
オブジェクトＪ３１は、ステップＳ２５０において取得した求人情報の内容を表示する。
オブジェクトＪ３１は、ステップＳ２５０において取得した求人情報の内容を表示する。
【0086】
オブジェクトＪ３２は、求人情報の編集処理を開始するユーザ指示を受け付ける。求人側端末５０は、オブジェクトＪ３２が選択された場合に、求人情報のフォームへの入力内容を編集するためのＵＩをディスプレイ６１に表示してもよいし、アップロードする求人情報ファイルを選択するためのＵＩをディスプレイ６１に表示してもよい。
【0087】
オブジェクトＪ３３は、求人企業が求める人物像の収入ベンチマークの予測を要求する指示を受け付ける。求人側端末５０は、オブジェクトＪ３３が選択された場合に、予測要求を生成し、サーバ３０へ送信する。
【0088】
オブジェクトＪ３４は、ステップＳ２５０において取得した求人情報を人材マッチングプラットフォームに掲載するためのユーザ指示を受け付ける。求人側端末５０は、オブジェクトＪ３４が選択されると、求人情報をサーバ３０へ送信する。
【0089】
ステップＳ２５１の後に、サーバ３０は、情報の取得（Ｓ２３０）を実行する。
具体的には、サーバ３０は、ステップＳ２５１において送信された予測要求を受信する。サーバ３０は、受信した予測要求に基づいて求人情報を取得する。
具体的には、サーバ３０は、ステップＳ２５１において送信された予測要求を受信する。サーバ３０は、受信した予測要求に基づいて求人情報を取得する。
【0090】
ステップＳ２３０の後に、サーバ３０は、特徴量の抽出（Ｓ２３１）を実行する。
具体的には、サーバ３０は、ステップＳ２３０において取得した求人情報から特徴量（以下、「求人特徴量」という）を抽出する。
具体的には、サーバ３０は、ステップＳ２３０において取得した求人情報から特徴量（以下、「求人特徴量」という）を抽出する。
【0091】
特徴量の抽出（Ｓ２３１）の第１例として、サーバ３０は、自然言語系の学習済みモデルに求人情報またはその少なくとも一部に相当するテキスト情報を入力として与えることで求人特徴量を取得する。かかる学習済みモデルとして、例えばＢＥＲＴなどの深層学習モデルが利用可能である。
【0092】
特徴量の抽出（Ｓ２３１）の第２例として、サーバ３０は、求人情報またはその少なくとも一部に相当するテキスト情報をルールベースで解析することで、求人特徴量を生成する
【0093】
特徴量の抽出（Ｓ２３１）の第３例として、サーバ３０は、上記第１例および第２例を組み合わせてもよい。
【0094】
ステップＳ２３１の後に、サーバ３０は、収入ベンチマークの予測（Ｓ２３２）を実行する。
具体的には、サーバ３０は、ステップＳ２３１において抽出した求人特徴量に収入予測モデル（以下、「第２モデル」という）を適用することで、求人企業が求める人物像の収入ベンチマークを予測する。一例として、サーバ３０は、求人企業が求める人物像の収入ベンチマークをｘ円±ｙ円の形式で予測する。
具体的には、サーバ３０は、ステップＳ２３１において抽出した求人特徴量に収入予測モデル（以下、「第２モデル」という）を適用することで、求人企業が求める人物像の収入ベンチマークを予測する。一例として、サーバ３０は、求人企業が求める人物像の収入ベンチマークをｘ円±ｙ円の形式で予測する。
【0095】
第２モデルは、教師あり学習により構築可能である。教師あり学習に用いられる学習データは、過去に同一または異なる求人企業によって発行された多数の求人情報と、当該求人情報による採用活動の実績とから収集される。学習データは、学習用の求人特徴量と、対応する正解データとを含む。正解データは、採用する人材に対して求人企業が過去に提示した年収（或いは、月収、または報酬単価であってもよい）の値であり、学習用の求人特徴量は、当該求人企業が採用活動に用いた求人情報からステップＳ２３１と同様に抽出することができる。
【0096】
ステップＳ２３２の後に、サーバ３０は、予測結果の出力（Ｓ２３３）を実行する。
具体的には、サーバ３０は、ステップＳ２３２において得られた、求人企業が求める人物像の収入ベンチマークの予測結果を求人側端末５０へ送信する。これにより、ユーザ（求人情報に対応する求人企業の採用担当者）に予測結果を通知できる。通知は、アプリ画面、またはウェブサイト画面上で行われてもよいし、メールまたはその他のメッセージ（例えば、ＳＮＳメッセージ、ＳＭＳメッセージ、など）を用いて行われてもよい。
具体的には、サーバ３０は、ステップＳ２３２において得られた、求人企業が求める人物像の収入ベンチマークの予測結果を求人側端末５０へ送信する。これにより、ユーザ（求人情報に対応する求人企業の採用担当者）に予測結果を通知できる。通知は、アプリ画面、またはウェブサイト画面上で行われてもよいし、メールまたはその他のメッセージ（例えば、ＳＮＳメッセージ、ＳＭＳメッセージ、など）を用いて行われてもよい。
【0097】
オプションとして、サーバ３０は、ステップＳ２３０において取得した求人情報において採用される求職者に対して提示を予定されている収入を特定し、当該収入とステップＳ２３２における予測結果とを比較してもよい。そして、サーバ３０は、採用される求職者に対して提示を予定されている収入が予測結果と乖離している場合に、以下の少なくとも１つの情報を生成し、予測結果とともに出力してもよい。
・比較結果（例えば、差を示す情報）
・求職者が採用された場合に提供を予定されている処遇の変更（例えば、処遇の改善、または提示する収入の引き下げ）を推奨する情報
・求人企業が求めている人物像の要件の変更（例えば、要件の緩和、または厳格化）を推奨する情報
・比較結果（例えば、差を示す情報）
・求職者が採用された場合に提供を予定されている処遇の変更（例えば、処遇の改善、または提示する収入の引き下げ）を推奨する情報
・求人企業が求めている人物像の要件の変更（例えば、要件の緩和、または厳格化）を推奨する情報
【0098】
ステップＳ２３３の後に、求人側端末５０は、画面表示（Ｓ２５２）を実行する。
具体的には、求人側端末５０は、ステップＳ２３３において送信された予測結果を受信する。求人側端末５０は、受信した予測結果をユーザに伝える画面をディスプレイ６１に表示する。
具体的には、求人側端末５０は、ステップＳ２３３において送信された予測結果を受信する。求人側端末５０は、受信した予測結果をユーザに伝える画面をディスプレイ６１に表示する。
【0099】
（４）小括
以上説明したように、サーバ３０は、求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得し、当該テキスト情報から求職者特徴量または求人特徴量を抽出する。サーバ３０は、求職者特徴量または求人特徴量に収入予測モデル（第１モデルまたは第２モデル）を適用することで、対象人材の収入ベンチマークを予測し、予測結果を出力する。これにより、求職者は、自身が採用された場合の適正収入を把握できるので、作成した求職者情報の内容をブラッシュアップしたり、応募先を選択する際の判断材料として収入ベンチマークを活用したりすることができる。求人企業は、当該求人企業が求めている人物像の収入の相場を把握できるので、作成した求人情報の内容を見直したり、採用計画を立案する際の判断材料として収入ベンチマークを活用したりすることができる。
以上説明したように、サーバ３０は、求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得し、当該テキスト情報から求職者特徴量または求人特徴量を抽出する。サーバ３０は、求職者特徴量または求人特徴量に収入予測モデル（第１モデルまたは第２モデル）を適用することで、対象人材の収入ベンチマークを予測し、予測結果を出力する。これにより、求職者は、自身が採用された場合の適正収入を把握できるので、作成した求職者情報の内容をブラッシュアップしたり、応募先を選択する際の判断材料として収入ベンチマークを活用したりすることができる。求人企業は、当該求人企業が求めている人物像の収入の相場を把握できるので、作成した求人情報の内容を見直したり、採用計画を立案する際の判断材料として収入ベンチマークを活用したりすることができる。
【0100】
サーバ３０は、求職者の履歴書ファイルもしくは職務経歴書ファイル、または人材マッチングプラットフォーム上で入力された求職者情報の少なくとも一方を取得してもよい。これにより、求職者特徴量を抽出し、求職者の収入ベンチマークを予測することができる。
【0101】
対象人材の収入ベンチマークは、求人企業が求める人物像に合致する人物の収入の相場、または当該求人企業が採用を行う場合に採用される求職者に提示すべき収入であってよく、サーバ３０は、人材マッチングプラットフォーム上で入力された、求人企業が求める人物像に関する求人情報を取得してもよい。これにより、求人特徴量を抽出し、求人企業が求める人物像の収入ベンチマークを予測することができる。
【0102】
テキスト情報は、求人情報のうち求職者が採用された場合に提供を予定されている処遇に関する情報を含んでもよい。これにより、求職者が採用された場合に提供を予定されている処遇に関する情報が反映された求人特徴量に基づいて妥当な収入ベンチマークを予測することができる。
【0103】
テキスト情報は、求人情報のうち求人企業が求めている人物像の必須要件または歓迎要件の少なくとも１つに関する情報を含んでもよい。これにより、求人企業が求めている人物像の必須要件または歓迎要件に関する情報が反映された求人特徴量に基づいて妥当な収入ベンチマークを予測することができる。
【0104】
サーバ３０は、求人情報において採用される求職者に対して提示を予定されている収入を特定し、当該収入が対象人材の収入ベンチマークと乖離している場合に、求職者が採用された場合に提供を予定されている処遇または求人企業が求めている人物像の要件の少なくとも１つの変更を推奨してもよい。これにより、求人企業に求職者が採用された場合に提供を予定されている処遇または求人企業が求めている人物像の要件の適正化を促し、採用活動の効率向上を図ることができる。
【0105】
テキスト情報は、対象人材が過去の経歴で所属したチームに関する情報を含んでもよい。これにより、対象人材が過去の経歴で所属したチームに関する情報が反映された求職者特徴量または求人特徴量に基づいて妥当な収入ベンチマークを予測することができる。
【0106】
テキスト情報は、対象人材が過去に担当した業務に関する情報を含んでもよい。これにより、対象人材が過去に担当した業務に関する情報が反映された求職者特徴量または求人特徴量に基づいて妥当な収入ベンチマークを予測することができる。
【0107】
テキスト情報は、対象人材の技術スキルに関する情報を含んでもよい。これにより、対象人材の技術スキルに関する情報が反映された求職者特徴量または求人特徴量に基づいて妥当な収入ベンチマークを予測することができる。
【0108】
テキスト情報は、対象人材のマネジメント経験に関する情報を含んでもよい。これにより、対象人材のマネジメント経験に関する情報が反映された求職者特徴量または求人特徴量に基づいて妥当な収入ベンチマークを予測することができる。
【0109】
（５）変形例
本実施形態の変形例について説明する。
本実施形態の変形例について説明する。
【0110】
（５－１）変形例１
変形例１について説明する。変形例１は、求職者がイシュー管理サービスにおいて関与したリポジトリに関する情報にさらに基づいて当該求職者の収入ベンチマークを予測する例である。
変形例１について説明する。変形例１は、求職者がイシュー管理サービスにおいて関与したリポジトリに関する情報にさらに基づいて当該求職者の収入ベンチマークを予測する例である。
【0111】
（５－１－１）情報処理システムの構成
情報処理システムの構成について説明する。図１２は、変形例１の情報処理システムの構成を示すブロック図である。
情報処理システムの構成について説明する。図１２は、変形例１の情報処理システムの構成を示すブロック図である。
【0112】
図１２に示すように、サーバ３０は、ネットワークＮＷを介して外部システム７０と接続される。
外部システム７０は、サーバ３０からのリクエストに応じて、求職者としてのエンジニアによる開発活動に関する情報を提供する。外部システム７０は、典型的には、ＧｉｔＨｕｂ（登録商標）などの、ソフトウェア開発プラットフォームである。ＧｉｔＨｕｂは、エンジニアによる開発の成果物であるソースコードの管理、およびソースコードに対するレビューの管理等を行う。
外部システム７０は、サーバ３０からのリクエストに応じて、求職者としてのエンジニアによる開発活動に関する情報を提供する。外部システム７０は、典型的には、ＧｉｔＨｕｂ（登録商標）などの、ソフトウェア開発プラットフォームである。ＧｉｔＨｕｂは、エンジニアによる開発の成果物であるソースコードの管理、およびソースコードに対するレビューの管理等を行う。
【0113】
なお、外部システム７０は、ＧｉｔＨｕｂに限られず、ＧｉｔＬａｂ（登録商標）またはＢｉｔｂｕｃｋｅｔ（登録商標）等の他のソフトウェア開発プラットフォームであってもよい。或いは、外部システム７０は、ソフトウェア開発における課題管理ツール（例えばＪｉｒａ（登録商標））、またはタスク管理ツール（例えば、Ｔｒｅｌｌｏ（登録商標）またはｂａｃｋｌｏｇ（登録商標）等）であってもよい。これらソフトウェア開発プラットフォーム、課題管理ツールまたはタスク管理ツールは、イシュー管理サービスとして総称することもできる。以下の説明では、外部システム７０として、ＧｉｔＨｕｂを利用することを前提として述べる。
【0114】
ＧｉｔＨｕｂは、ソースコードホスティングサービスである。ＧｉｔＨｕｂは、開発の成果物であるソースコードのバージョン管理を行うためのリポジトリ（管理手段）を有する。ＧｉｔＨｕｂは、ある時点におけるソースコードの一覧を管理している。ＧｉｔＨｕｂは、イシュー（作成）、プッシュ、コミット、プルリクエスト、マージ等の各種機能を備えている。
【0115】
イシューは、プロジェクトやソースコードの課題を管理するための機能である。プッシュは、エンジニアのローカル環境（ローカルリポジトリ）で作成又は修正を行ったソースコードをリモート環境（リモートリポジトリ）へアップロードする機能である。コミットは、ソースコードへの変更内容を登録するための機能である。プルリクエストは、プッシュがなされたことを通知してレビューを依頼する機能である。マージは、レビュー結果を確定させて履歴を統合する機能である。ここで、ソースコードとは、Ｐｙｔｈｏｎのようなプログラミング言語、またはＨＴＭＬ、ＣＳＳのようなマークアップ言語により記述されるコード（文字列）に加え、ＪａｖａＳｃｒｉｐｔ（登録商標）のようなプログラミング言語の一種であるスクリプト言語により記述されるスクリプト（文字列）を含む概念である。
【0116】
プログラミング言語とは、ソフトウェア開発に用いられる言語であり、具体的にはＪａｖａＳｃｒｉｐｔ（登録商標）、Ｊａｖａ（登録商標）、Ｓｃａｌａ、ＰＨＰ、Ｒｕｂｙ、Ｐｙｔｈｏｎ、Ｇｏ、Ｃ＃、などがある。また、ソフトウェアフレームワークとはソフトウェア開発に利用するソフトウェアプラットフォームであり、具体的には、ｊＱｕｅｒｙ、Ｒｅａｃｔ、Ｖｕｅ.ｊｓ、Ａｎｇｕｌａｒ、Ｎｕｘｔ.ｊｓ、Ｎｅｘｔ.ｊｓ、ＲｅａｃｔＮａｔｉｖｅ、Ｓｐｒｉｎｇ Ｆｒａｍｅｗｏｒｋ、Ｐｌａｙ Ｆｒａｍｅｗｏｒｋ、Ｌａｒａｖｅｌ、ＣａｋｅＰＨＰ、ＲｕｂｙｏｎＲａｉｌｓ、Ｄｊａｎｇｏ、Ｆｌａｓｋ、ＴｅｎｓｏｒＦｌｏｗ、ｇｉｎ、Ｕｎｉｔｙ、Ｅｘｐｒｅｓｓなどがある。
【0117】
様々なエンジニアが、外部システム７０を利用して種々の開発活動を行う。外部システム７０は、このような開発活動のログに関する情報（以下、「開発活動情報」という）を保存する。サーバ３０は、外部システム７０から開発活動情報を取得する。サーバ３０は、開発活動情報を定期的に収集してもよいし、何らかのトリガ（例えば、求職側端末１０からの予測要求の受信）に応じてかかる開発活動情報を収集してもよい。
【0118】
（５－１－２）データベース
変形例１のデータベースについて説明する。以下のデータベースは、記憶装置３１に記憶される。
変形例１のデータベースについて説明する。以下のデータベースは、記憶装置３１に記憶される。
【0119】
（５－１－２－１）リポジトリデータベース
本変形例１のリポジトリデータベースについて説明する。図１３は、変形例１のリポジトリデータベースのデータ構造を示す図である。
本変形例１のリポジトリデータベースについて説明する。図１３は、変形例１のリポジトリデータベースのデータ構造を示す図である。
【0120】
リポジトリデータベースには、リポジトリ情報が格納される。リポジトリ情報は、外部システム７０において作成されているリポジトリに関する情報である。
【0121】
図１３に示すように、リポジトリデータベースは、「リポジトリＩＤ」フィールドと、「チームＩＤ」フィールドと、「アドレス」フィールドとを含む。各フィールドは、互いに関連付けられている。
【0122】
「リポジトリＩＤ」フィールドには、リポジトリＩＤが格納される。リポジトリＩＤは、リポジトリを識別する情報である。サーバ３０は、外部システム７０からリポジトリＩＤを取得可能である。
【0123】
「チームＩＤ」フィールドには、チームＩＤが格納される。チームＩＤは、対応するリポジトリＩＤによって特定されるリポジトリを作成したチームを識別する情報である。サーバ３０は、外部システム７０からチームＩＤを取得可能である。なお、チームＩＤは、同一チームに属するエンジニアによる開発活動情報を一括で収集する時に有用であるが、かかる情報の収集が必要でない構成の場合、リポジトリデータベースにチームＩＤを格納しなくてもよい。
【0124】
チームＩＤは、図示しないデータベースにおいて、組織ＩＤと関連付けられてもよい。チームＩＤに関連付けられる組織ＩＤは、当該チームＩＤに対応するチームが属する組織を識別する。また、チームＩＤは、図示しないデータベースにおいて、エンジニアＩＤと関連付けられてもよい。チームＩＤに関連付けられるエンジニアＩＤは、当該チームＩＤに対応するチームに属するメンバーを識別する。
【0125】
「アドレス」フィールドには、アドレス情報が格納される。アドレス情報は、対応するリポジトリＩＤによって特定されるリポジトリにアクセスするための情報（例えばＵＲＬ（Uniform Resource Locator））である。
【0126】
（５－１－２－２）開発活動データベース
変形例１の開発活動データベースについて説明する。図１４は、変形例１の開発活動データベースのデータ構造を示す図である。
変形例１の開発活動データベースについて説明する。図１４は、変形例１の開発活動データベースのデータ構造を示す図である。
【0127】
開発活動データベースには、開発活動情報が格納される。開発活動情報は、外部システム７０において作成されたリポジトリに保存されているソースコードに関して、エンジニアにより行われた活動に関する情報である。
【0128】
外部システム７０は、例えば、ユーザ（つまり、エンジニア）がソースコードをローカルリポジトリからプッシュした場合に、プッシュを行ったユーザを特定可能な情報、およびプッシュが行われた日時をログ情報として記録する。同様に、以下の少なくとも１つの活動について、外部システムはログ情報を記録する。
・追加または変更したファイルをイシュー管理サービスのローカルリポジトリに記録する活動（例えばＧｉｔＨｕｂにおけるコミットに相当し、以下、同様の活動を「コミット」という）
・ソースコードに関してイシューを作成する活動
・イシューをクローズする活動
・ローカルリポジトリに追加または変更したファイルのレビューを依頼する活動（例えばＧｉｔＨｕｂにおけるプルリクエストに相当し、以下、同様の活動を「プルリクエスト」という）
・上記依頼に応じてファイルをレビューする活動
・レビューを依頼されたファイルのプロジェクト本体への統合を承認（例えばＧｉｔＨｕｂにおけるマージに相当し、以下、同様の活動を「マージ」という）する活動
・コメントを作成する活動
・コメントに対する回答を作成する活動
・追加または変更したファイルをイシュー管理サービスのローカルリポジトリに記録する活動（例えばＧｉｔＨｕｂにおけるコミットに相当し、以下、同様の活動を「コミット」という）
・ソースコードに関してイシューを作成する活動
・イシューをクローズする活動
・ローカルリポジトリに追加または変更したファイルのレビューを依頼する活動（例えばＧｉｔＨｕｂにおけるプルリクエストに相当し、以下、同様の活動を「プルリクエスト」という）
・上記依頼に応じてファイルをレビューする活動
・レビューを依頼されたファイルのプロジェクト本体への統合を承認（例えばＧｉｔＨｕｂにおけるマージに相当し、以下、同様の活動を「マージ」という）する活動
・コメントを作成する活動
・コメントに対する回答を作成する活動
【0129】
サーバ３０は、外部システム７０から取得した開発活動情報に基づいて、開発活動データベースを更新する。サーバ３０は、定期的に開発活動情報を取得してもよいし、何らかのトリガ（例えば、求職側端末１０からの予測要求の受信）に応じて開発活動情報を取得してもよい。
【0130】
図１４に示すように、開発活動データベースは、「活動ＩＤ」フィールドと、「リポジトリＩＤ」フィールドと、「アクションＩＤ」フィールドと、「エンジニアＩＤ」フィールドと、「日時」フィールドと、「ソースコード」フィールドとを含む。
【0131】
「活動ＩＤ」フィールドには、活動ＩＤが格納される。活動ＩＤは、外部システム７０において作成されたリポジトリに保存されているソースコードに関して、エンジニアにより行われた活動を識別する情報である。
【0132】
「リポジトリＩＤ」フィールドには、リポジトリＩＤが格納される。リポジトリＩＤは、対応する活動ＩＤによって特定される活動が行われたソースコードが保存されているリポジトリを識別する情報である。
【0133】
「アクション」フィールドには、アクション情報が格納される。アクション情報は、対応する活動ＩＤによって特定される活動の種別に関する情報である。
【0134】
「エンジニアＩＤ」フィールドには、エンジニアＩＤが格納される。エンジニアＩＤは、対応する活動ＩＤによって特定される活動を行ったエンジニア（つまり、外部システム７０のユーザ）を識別する情報である。
【0135】
「日時」フィールドには、日時情報が格納される。日時情報は、対応する活動ＩＤによって特定される活動が行われた日時に関する情報である。
【0136】
「ソースコード」フィールドには、ソースコード情報が格納される。ソースコード情報は、対応する活動ＩＤによって特定される活動が行われたソースコードに関する情報（例えば、ファイル名情報、変更ファイルの情報）である。
【0137】
（５－１－３）情報処理
変形例１の求職側予測処理について説明する。
変形例１の求職側予測処理について説明する。
【0138】
図８に示すように、求職側端末１０は、情報の取得（Ｓ１１０）を実行する。
具体的には、求職側端末１０は、本実施形態において説明した求職者情報に加えて、求職者のエンジニアＩＤを特定可能な情報を取得する。
ステップＳ１１０の後に、求職側端末１０は、ユーザ指示の受付（Ｓ１１１）を実行する。
具体的には、求職側端末１０は、本実施形態において説明した求職者情報に加えて、求職者のエンジニアＩＤを特定可能な情報を取得する。
ステップＳ１１０の後に、求職側端末１０は、ユーザ指示の受付（Ｓ１１１）を実行する。
【0139】
ステップＳ１１１の後に、サーバ３０は、情報の取得（Ｓ１３０）を実行する。
具体的には、サーバ３０は、ステップＳ１１１において送信された予測要求を受信する。サーバ３０は、受信した予測要求に基づいて求職者情報と、求職者のエンジニアＩＤとを取得する。サーバ３０は、求職者のエンジニアＩＤに基づいて、例えば開発活動データベース（図１４）を参照し、求職者がイシュー管理サービスにおいて関与したリポジトリに関する情報を抽出する。
具体的には、サーバ３０は、ステップＳ１１１において送信された予測要求を受信する。サーバ３０は、受信した予測要求に基づいて求職者情報と、求職者のエンジニアＩＤとを取得する。サーバ３０は、求職者のエンジニアＩＤに基づいて、例えば開発活動データベース（図１４）を参照し、求職者がイシュー管理サービスにおいて関与したリポジトリに関する情報を抽出する。
【0140】
ステップＳ１３０の後に、サーバ３０は、特徴量の抽出（Ｓ１３１）を実行する。
具体的には、サーバ３０は、本実施形態において説明した求職者特徴量に加えて、ステップＳ１３０において取得したリポジトリに関する情報から特徴量（以下、「開発活動特徴量」という）を抽出する。一例として、サーバ３０は、以下の少なくとも１つに関する特徴量を抽出してもよい。
・求職者が関与したリポジトリ数
・求職者が関与したリポジトリに対するスター（お気に入り登録）数
・コミットを行った数
・ソースコードに関してイシューを作成した数
・作成したイシューがクローズされた数
・プルリクエストを行った数
・プルリクエストに応じてファイルがレビューされた数
・他のエンジニアによるプルリクエストに応じてレビューを行った数
・プルリクエストがマージされた数
・コメントを作成した数
・コメントに対する回答が作成された数
・コーディング数（アクティブ日数）
・他のエンジニアによるプルリクエストに対して最初のレビューをするまでの平均時間［ｈ］
・プルリクエストの作成からマージまたはクローズされるまでの平均時間［ｈ］
・最初のコミットからプルリク作成までの平均時間［ｈ］
・プルリクエストの作成からレビューまでの平均時間［ｈ］
・最初のレビューからクローズまでの平均時間［ｈ］
・最初のレビューから最後のアプルーブまでの平均時間［ｈ］
・最後のアプルーブからマージまでの平均時間［ｈ］
・メインブランチへのマージされたプルリクエストの作成からマージまでの平均時間［ｈ］
・メインブランチへマージされたプルリクエストに紐づく最初のコミットからマージまでの平均時間［ｈ］
・レビューされずにマージされたプルリクエストの割合［％］
・変更障害率
・１プルリクエストに対する平均コメント数
・１プルリクエストあたりの平均変更行数
・１プルリクエストあたりの変更ファイル数
具体的には、サーバ３０は、本実施形態において説明した求職者特徴量に加えて、ステップＳ１３０において取得したリポジトリに関する情報から特徴量（以下、「開発活動特徴量」という）を抽出する。一例として、サーバ３０は、以下の少なくとも１つに関する特徴量を抽出してもよい。
・求職者が関与したリポジトリ数
・求職者が関与したリポジトリに対するスター（お気に入り登録）数
・コミットを行った数
・ソースコードに関してイシューを作成した数
・作成したイシューがクローズされた数
・プルリクエストを行った数
・プルリクエストに応じてファイルがレビューされた数
・他のエンジニアによるプルリクエストに応じてレビューを行った数
・プルリクエストがマージされた数
・コメントを作成した数
・コメントに対する回答が作成された数
・コーディング数（アクティブ日数）
・他のエンジニアによるプルリクエストに対して最初のレビューをするまでの平均時間［ｈ］
・プルリクエストの作成からマージまたはクローズされるまでの平均時間［ｈ］
・最初のコミットからプルリク作成までの平均時間［ｈ］
・プルリクエストの作成からレビューまでの平均時間［ｈ］
・最初のレビューからクローズまでの平均時間［ｈ］
・最初のレビューから最後のアプルーブまでの平均時間［ｈ］
・最後のアプルーブからマージまでの平均時間［ｈ］
・メインブランチへのマージされたプルリクエストの作成からマージまでの平均時間［ｈ］
・メインブランチへマージされたプルリクエストに紐づく最初のコミットからマージまでの平均時間［ｈ］
・レビューされずにマージされたプルリクエストの割合［％］
・変更障害率
・１プルリクエストに対する平均コメント数
・１プルリクエストあたりの平均変更行数
・１プルリクエストあたりの変更ファイル数
【0141】
ステップＳ１３１の後に、サーバ３０は、収入ベンチマークの予測（Ｓ１３２）を実行する。
具体的には、サーバ３０は、ステップＳ１３１において抽出した求職者特徴量および開発活動特徴量に収入予測モデル（以下、「第３モデル」という）を適用することで、求職者の収入ベンチマークを予測する。一例として、サーバ３０は、求職者の収入ベンチマークをｘ円±ｙ円の形式で予測する。
具体的には、サーバ３０は、ステップＳ１３１において抽出した求職者特徴量および開発活動特徴量に収入予測モデル（以下、「第３モデル」という）を適用することで、求職者の収入ベンチマークを予測する。一例として、サーバ３０は、求職者の収入ベンチマークをｘ円±ｙ円の形式で予測する。
【0142】
第３モデルは、教師あり学習により構築可能である。教師あり学習に用いられる学習データは、過去に同一または異なる求職者によって作成された多数の求職者情報および当該求職者がイシュー管理サービスにおいて関与したリポジトリに関する情報と、当該求職者情報による求職活動の実績とから収集される。学習データは、学習用の求職者特徴量および開発活動特徴量と、対応する正解データとを含む。正解データは、求職者に対して求人側が過去に提示した年収（或いは、月収、または報酬単価であってもよい）の値であり、学習用の求職者特徴量および開発活動特徴量はそれぞれ、当該求職者が求職活動において用いた求職者情報および当該求職者がイシュー管理サービスにおいて関与したリポジトリに関する情報（ただし、求職活動時点において取得可能な情報）からステップＳ１３１と同様に抽出することができる。
【0143】
ステップＳ１３２の後に、サーバ３０は、予測結果の出力（Ｓ１３３）を実行する。
ステップＳ１３３の後に、求職側端末１０は、画面表示（Ｓ１１２）を実行する。
（５－１－４）
以上説明したように、変形例１のサーバ３０は、求職者がイシュー管理サービスにおいて関与したリポジトリに関する情報を取得し、リポジトリに関する情報に基づく開発活動特徴量と求職者特徴量とに収入予測モデル（第３モデル）を適用することで、求職者の収入ベンチマークを予測する。これにより、求職者の開発活動に関する情報をさらに考慮した妥当なベンチマークを予測することができる。
ステップＳ１３３の後に、求職側端末１０は、画面表示（Ｓ１１２）を実行する。
（５－１－４）
以上説明したように、変形例１のサーバ３０は、求職者がイシュー管理サービスにおいて関与したリポジトリに関する情報を取得し、リポジトリに関する情報に基づく開発活動特徴量と求職者特徴量とに収入予測モデル（第３モデル）を適用することで、求職者の収入ベンチマークを予測する。これにより、求職者の開発活動に関する情報をさらに考慮した妥当なベンチマークを予測することができる。
【0144】
（５－２）変形例２
変形例２について説明する。変形例２は、人材マッチングプラットフォームにおいて求人情報にマッチするユーザの集団に関する情報にさらに基づいて当求人企業が求める人物像の収入ベンチマークを予測する例である。
変形例２について説明する。変形例２は、人材マッチングプラットフォームにおいて求人情報にマッチするユーザの集団に関する情報にさらに基づいて当求人企業が求める人物像の収入ベンチマークを予測する例である。
【0145】
変形例２の求人側予測処理について説明する。
図１０に示すように、求人側端末５０は、情報の取得（Ｓ２５０）～ユーザ指示の受付（Ｓ２５１）を実行する。
図１０に示すように、求人側端末５０は、情報の取得（Ｓ２５０）～ユーザ指示の受付（Ｓ２５１）を実行する。
【0146】
ステップＳ２５１の後に、サーバ３０は、情報の取得（Ｓ２３０）を実行する。
具体的には、サーバ３０は、ステップＳ２５１において送信された予測要求を受信する。サーバ３０は、受信した予測要求に基づいて求人情報を取得する。
具体的には、サーバ３０は、ステップＳ２５１において送信された予測要求を受信する。サーバ３０は、受信した予測要求に基づいて求人情報を取得する。
【0147】
さらに、サーバ３０は、人材プラットフォームにおいて、取得した求人情報にマッチするユーザ（求職者または潜在的求職者）の集団に関する情報（以下、「適合集団情報」という）を取得する。
【0148】
適合集団情報は、例えば以下の少なくとも１つを含むことができる。
・求人情報にマッチするユーザの数（以下、「マッチ数」という）
・求人情報にマッチするユーザの求職（転職、または（再）就職）意向の統計値
・求人情報にマッチするユーザのうち求職意向の度合いが閾値以上であるユーザ数
・求人情報にマッチするユーザの給与（現給与、または希望給与）の統計値
・求人情報にマッチするユーザの数（以下、「マッチ数」という）
・求人情報にマッチするユーザの求職（転職、または（再）就職）意向の統計値
・求人情報にマッチするユーザのうち求職意向の度合いが閾値以上であるユーザ数
・求人情報にマッチするユーザの給与（現給与、または希望給与）の統計値
【0149】
第１例として、サーバ３０は、人材プラットフォームに登録されている全ユーザの求職者情報（例えば、希望する処遇、またはプロフィール）を対象の求人情報（例えば、採用される求職者に予定している処遇、または求人企業が求めている人物像の要件（特に必須要件））と照合し、当該求人情報に実際にマッチするユーザを特定してもよい。特定したユーザの数をカウントすることでマッチ数を導出可能である。また、特定したユーザの求職者情報にさらに基づいて、求職意向の統計値、求職意向の度合いが閾値以上であるユーザ数、または給与の統計値などを導出可能である。
第２例として、サーバ３０は、無作為に抽出した所定数のユーザの求職者情報と対象の求人情報とを照合してマッチ率を計算し、人材マッチングプラットフォームの求人側ユーザ数に当該マッチ率を乗算することで、当該求人情報にマッチするユーザの数を予測してもよい。また、所定数のユーザのうちで求人情報にマッチしたユーザの求職者情報にさらに基づいて、求職意向の統計値、求職意向の度合いが閾値以上であるユーザ数、または給与の統計値などを推定可能である。
第２例として、サーバ３０は、無作為に抽出した所定数のユーザの求職者情報と対象の求人情報とを照合してマッチ率を計算し、人材マッチングプラットフォームの求人側ユーザ数に当該マッチ率を乗算することで、当該求人情報にマッチするユーザの数を予測してもよい。また、所定数のユーザのうちで求人情報にマッチしたユーザの求職者情報にさらに基づいて、求職意向の統計値、求職意向の度合いが閾値以上であるユーザ数、または給与の統計値などを推定可能である。
【0150】
ステップＳ２３０の後に、サーバ３０は、特徴量の抽出（Ｓ２３１）を実行する。
具体的には、サーバ３０は、本実施形態において説明した求人特徴量に加えて、ステップＳ２３０において取得した適合集団情報から特徴量（以下、「適合集団特徴量」という）を抽出する。一例として、サーバ３０は、適合集団情報を所定の変換式に代入することで適合集団特徴量を算出してもよい。或いは、サーバ３０は、適合集団情報をそのまま適合集団特徴量として扱ってもよい。
具体的には、サーバ３０は、本実施形態において説明した求人特徴量に加えて、ステップＳ２３０において取得した適合集団情報から特徴量（以下、「適合集団特徴量」という）を抽出する。一例として、サーバ３０は、適合集団情報を所定の変換式に代入することで適合集団特徴量を算出してもよい。或いは、サーバ３０は、適合集団情報をそのまま適合集団特徴量として扱ってもよい。
【0151】
ステップＳ２３１の後に、サーバ３０は、収入ベンチマークの予測（Ｓ２３２）を実行する。
具体的には、サーバ３０は、ステップＳ２３１において抽出した求人特徴量および適合集団特徴量に収入予測モデル（以下、「第４モデル」という）を適用することで、求人企業が求める人物像の収入ベンチマークを予測する。一例として、サーバ３０は、求人企業が求める人物像の収入ベンチマークをｘ円±ｙ円の形式で予測する。
具体的には、サーバ３０は、ステップＳ２３１において抽出した求人特徴量および適合集団特徴量に収入予測モデル（以下、「第４モデル」という）を適用することで、求人企業が求める人物像の収入ベンチマークを予測する。一例として、サーバ３０は、求人企業が求める人物像の収入ベンチマークをｘ円±ｙ円の形式で予測する。
【0152】
第４モデルは、教師あり学習により構築可能である。教師あり学習に用いられる学習データは、過去に同一または異なる求人企業によって発行された多数の求人情報および当該求人情報に基づいて取得された適合集団情報と、当該求人情報による採用活動の実績とから収集される。学習データは、学習用の求人特徴量および適合集団特徴量と、対応する正解データとを含む。正解データは、採用する人材に対して求人企業が過去に提示した年収（或いは、月収、または報酬単価であってもよい）の値であり、学習用の求人特徴量および適合集団特徴量はそれぞれ、当該求人企業が採用活動に用いた求人情報および当該求人情報に基づいて取得された適合集団情報（ただし、採用活動時点における適合集団情報）からステップＳ２３１と同様に抽出することができる。
【0153】
ステップＳ２３２の後に、サーバ３０は、予測結果の出力（Ｓ２３３）を実行する。
ステップＳ２３３の後に、求人側端末５０は、画面表示（Ｓ２５２）を実行する。
ステップＳ２３３の後に、求人側端末５０は、画面表示（Ｓ２５２）を実行する。
【0154】
以上説明したように、変形例２のサーバ３０は、人材マッチングプラットフォームにおいて求人情報にマッチするユーザの集団に関する情報を取得し、当該情報に基づく適合集団特徴量と求人特徴量とに収入予測モデル（第４モデル）を適用することで、求人企業が求めている人物像の収入ベンチマークを予測する。これにより、求めている人物像の候補者の多寡をさらに考慮した妥当なベンチマークを予測することができる。
【0155】
（６）その他の変形例
記憶装置１１は、ネットワークＮＷを介して、求職側端末１０と接続されてもよい。ディスプレイ２１は、求職側端末１０と一体化されてもよい。記憶装置３１は、ネットワークＮＷを介して、サーバ３０と接続されてもよい。記憶装置５１は、ネットワークＮＷを介して、求人側端末５０と接続されてもよい。ディスプレイ６１は、求人側端末５０と一体化されてもよい。
記憶装置１１は、ネットワークＮＷを介して、求職側端末１０と接続されてもよい。ディスプレイ２１は、求職側端末１０と一体化されてもよい。記憶装置３１は、ネットワークＮＷを介して、サーバ３０と接続されてもよい。記憶装置５１は、ネットワークＮＷを介して、求人側端末５０と接続されてもよい。ディスプレイ６１は、求人側端末５０と一体化されてもよい。
【0156】
上記の情報処理の各ステップは、求職側端末１０、サーバ３０、および求人側端末５０の何れでも実行可能である。また、上記説明では、情報処理において各ステップを特定の順序で実行する例を示したが、各ステップの実行順序は、依存関係がない限りは説明した例に制限されない。
【0157】
（７）付記
実施形態および変形例で説明した事項を、以下に付記する。
実施形態および変形例で説明した事項を、以下に付記する。
【0158】
（付記１）
コンピュータ（３０）を、
求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得する手段（Ｓ１３０，Ｓ２３０）、
テキスト情報から第１特徴量を抽出する手段（Ｓ１３１，Ｓ２３１）、
第１特徴量に収入予測モデルを適用することで、対象人材の収入ベンチマークを予測する手段（Ｓ１３２，Ｓ２３２）、
対象人材の収入ベンチマークの予測結果を出力する手段（Ｓ１３３，Ｓ２３３）、
として機能させるプログラム。
コンピュータ（３０）を、
求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得する手段（Ｓ１３０，Ｓ２３０）、
テキスト情報から第１特徴量を抽出する手段（Ｓ１３１，Ｓ２３１）、
第１特徴量に収入予測モデルを適用することで、対象人材の収入ベンチマークを予測する手段（Ｓ１３２，Ｓ２３２）、
対象人材の収入ベンチマークの予測結果を出力する手段（Ｓ１３３，Ｓ２３３）、
として機能させるプログラム。
【0159】
（付記２）
テキスト情報を取得する手段は、対象人材の履歴書ファイルもしくは職務経歴書ファイル、または人材マッチングプラットフォーム上で入力された対象人材の求職者情報の少なくとも一方を取得する、
付記１に記載のプログラム。
テキスト情報を取得する手段は、対象人材の履歴書ファイルもしくは職務経歴書ファイル、または人材マッチングプラットフォーム上で入力された対象人材の求職者情報の少なくとも一方を取得する、
付記１に記載のプログラム。
【0160】
（付記３）
コンピュータを、対象人材がイシュー管理サービスにおいて関与したリポジトリに関する情報を取得する手段（Ｓ１３０）、として機能させ、
対象人材の収入ベンチマークを予測する手段は、リポジトリに関する情報に基づく第２特徴量と第１特徴量とに収入予測モデルを適用することで、対象人材の収入ベンチマークを予測する、
付記２に記載のプログラム。
コンピュータを、対象人材がイシュー管理サービスにおいて関与したリポジトリに関する情報を取得する手段（Ｓ１３０）、として機能させ、
対象人材の収入ベンチマークを予測する手段は、リポジトリに関する情報に基づく第２特徴量と第１特徴量とに収入予測モデルを適用することで、対象人材の収入ベンチマークを予測する、
付記２に記載のプログラム。
【0161】
（付記４）
対象人材の収入ベンチマークは、求人企業が求めている人物像に合致する人物の収入の相場、または当該求人企業が採用を行う場合に採用される求職者に提示すべき収入であり、
テキスト情報を取得する手段は、人材マッチングプラットフォーム上で入力された求人企業が求める人物像に関する求人情報を取得する、
付記１に記載のプログラム。
対象人材の収入ベンチマークは、求人企業が求めている人物像に合致する人物の収入の相場、または当該求人企業が採用を行う場合に採用される求職者に提示すべき収入であり、
テキスト情報を取得する手段は、人材マッチングプラットフォーム上で入力された求人企業が求める人物像に関する求人情報を取得する、
付記１に記載のプログラム。
【0162】
（付記５）
テキスト情報は、求人情報のうち求職者が採用された場合に提供を予定されている処遇に関する情報を含む、
付記４に記載のプログラム。
テキスト情報は、求人情報のうち求職者が採用された場合に提供を予定されている処遇に関する情報を含む、
付記４に記載のプログラム。
【0163】
（付記６）
テキスト情報は、求人情報のうち求人企業が求めている人物像の必須要件または歓迎要件の少なくとも１つに関する情報を含む、
付記４に記載のプログラム。
テキスト情報は、求人情報のうち求人企業が求めている人物像の必須要件または歓迎要件の少なくとも１つに関する情報を含む、
付記４に記載のプログラム。
【0164】
（付記７）
コンピュータを、
求人情報において採用される求職者に対して提示を予定されている収入を特定する手段、
採用される求職者に対して提示を予定されている収入が対象人材の収入ベンチマークと乖離している場合に、求職者が採用された場合に提供を予定されている処遇または求人企業が求めている人物像の要件の少なくとも１つの変更を推奨する手段、
として機能させる、付記４に記載のプログラム。
コンピュータを、
求人情報において採用される求職者に対して提示を予定されている収入を特定する手段、
採用される求職者に対して提示を予定されている収入が対象人材の収入ベンチマークと乖離している場合に、求職者が採用された場合に提供を予定されている処遇または求人企業が求めている人物像の要件の少なくとも１つの変更を推奨する手段、
として機能させる、付記４に記載のプログラム。
【0165】
（付記８）
コンピュータを、人材マッチングプラットフォームにおいて求人情報にマッチするユーザの集団に関する情報を取得する手段（Ｓ２３０）、として機能させ、
対象人材の収入ベンチマークを予測する手段は、求人情報にマッチするユーザの集団に関する情報に基づく第３特徴量と第１特徴量とに収入予測モデルを適用することで、対象人材の収入ベンチマークを予測する、
付記４に記載のプログラム。
コンピュータを、人材マッチングプラットフォームにおいて求人情報にマッチするユーザの集団に関する情報を取得する手段（Ｓ２３０）、として機能させ、
対象人材の収入ベンチマークを予測する手段は、求人情報にマッチするユーザの集団に関する情報に基づく第３特徴量と第１特徴量とに収入予測モデルを適用することで、対象人材の収入ベンチマークを予測する、
付記４に記載のプログラム。
【0166】
（付記９）
テキスト情報は、対象人材が過去の経歴で所属したチームに関する情報を含む、
付記２または付記３に記載のプログラム。
テキスト情報は、対象人材が過去の経歴で所属したチームに関する情報を含む、
付記２または付記３に記載のプログラム。
【0167】
（付記１０）
テキスト情報は、対象人材が過去に担当した業務に関する情報を含む、
付記２または付記３に記載のプログラム。
テキスト情報は、対象人材が過去に担当した業務に関する情報を含む、
付記２または付記３に記載のプログラム。
【0168】
（付記１１）
テキスト情報は、対象人材の技術スキルに関する情報を含む、
付記２または付記３に記載のプログラム。
テキスト情報は、対象人材の技術スキルに関する情報を含む、
付記２または付記３に記載のプログラム。
【0169】
（付記１２）
テキスト情報は、対象人材のマネジメント経験に関する情報を含む、
付記２または付記３に記載のプログラム。
テキスト情報は、対象人材のマネジメント経験に関する情報を含む、
付記２または付記３に記載のプログラム。
【0170】
（付記１３）
コンピュータ（３０）が、
求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得するステップ（Ｓ１３０，Ｓ２３０）と、
テキスト情報から第１特徴量を抽出するステップ（Ｓ１３１，Ｓ２３１）と、
第１特徴量に収入予測モデルを適用することで、対象人材の収入ベンチマークを予測するステップ（Ｓ１３２，Ｓ２３２）と、
対象人材の収入ベンチマークの予測結果を出力するステップ（Ｓ１３３，Ｓ２３３）と
を実行する方法。
コンピュータ（３０）が、
求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得するステップ（Ｓ１３０，Ｓ２３０）と、
テキスト情報から第１特徴量を抽出するステップ（Ｓ１３１，Ｓ２３１）と、
第１特徴量に収入予測モデルを適用することで、対象人材の収入ベンチマークを予測するステップ（Ｓ１３２，Ｓ２３２）と、
対象人材の収入ベンチマークの予測結果を出力するステップ（Ｓ１３３，Ｓ２３３）と
を実行する方法。
【0171】
（付記１４）
求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得する手段（Ｓ１３０，Ｓ２３０）と、
テキスト情報から第１特徴量を抽出する手段（Ｓ１３１，Ｓ２３１）と、
第１特徴量に収入予測モデルを適用することで、対象人材の収入ベンチマークを予測する手段（Ｓ１３２，Ｓ２３２）と、
対象人材の収入ベンチマークの予測結果を出力する手段（Ｓ１３３，Ｓ２３３）と
を具備する、情報処理装置（３０）。
求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を取得する手段（Ｓ１３０，Ｓ２３０）と、
テキスト情報から第１特徴量を抽出する手段（Ｓ１３１，Ｓ２３１）と、
第１特徴量に収入予測モデルを適用することで、対象人材の収入ベンチマークを予測する手段（Ｓ１３２，Ｓ２３２）と、
対象人材の収入ベンチマークの予測結果を出力する手段（Ｓ１３３，Ｓ２３３）と
を具備する、情報処理装置（３０）。
【0172】
（付記１５）
第１情報処理装置（３０）と、第２情報処理装置（１０，５０）とを具備するシステム（１）であって、
第１情報処理装置は、
求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を第２情報処理装置から取得する手段（Ｓ１３０，Ｓ２３０）と、
テキスト情報から第１特徴量を抽出する手段（Ｓ１３１，Ｓ２３１）と、
第１特徴量に収入予測モデルを適用することで、対象人材の収入ベンチマークを予測する手段（Ｓ１３２，Ｓ２３２）と、
対象人材の収入ベンチマークの予測結果を第２情報処理装置へ出力する手段（Ｓ１３＃，Ｓ２３３）と
を備える、
システム。
第１情報処理装置（３０）と、第２情報処理装置（１０，５０）とを具備するシステム（１）であって、
第１情報処理装置は、
求職者、または求人企業が求めている人物像のいずれかである対象人材に関して記述されたテキスト情報を第２情報処理装置から取得する手段（Ｓ１３０，Ｓ２３０）と、
テキスト情報から第１特徴量を抽出する手段（Ｓ１３１，Ｓ２３１）と、
第１特徴量に収入予測モデルを適用することで、対象人材の収入ベンチマークを予測する手段（Ｓ１３２，Ｓ２３２）と、
対象人材の収入ベンチマークの予測結果を第２情報処理装置へ出力する手段（Ｓ１３＃，Ｓ２３３）と
を備える、
システム。
【0173】
以上、本発明の実施形態について詳細に説明したが、本発明の範囲は上記の実施形態に限定されない。また、上記の実施形態は、本発明の主旨を逸脱しない範囲において、種々の改良や変更が可能である。また、上記の実施形態及び変形例は、組合せ可能である。
【符号の説明】
【0174】
１ ：情報処理システム
１０ ：求職側端末
１１ ：記憶装置
１２ ：プロセッサ
１３ ：入出力インタフェース
１４ ：通信インタフェース
２１ ：ディスプレイ
３０ ：サーバ
３１ ：記憶装置
３２ ：プロセッサ
３３ ：入出力インタフェース
３４ ：通信インタフェース
５０ ：求人側端末
５１ ：記憶装置
５２ ：プロセッサ
５３ ：入出力インタフェース
５４ ：通信インタフェース
６１ ：ディスプレイ
７０ ：外部システム
１０ ：求職側端末
１１ ：記憶装置
１２ ：プロセッサ
１３ ：入出力インタフェース
１４ ：通信インタフェース
２１ ：ディスプレイ
３０ ：サーバ
３１ ：記憶装置
３２ ：プロセッサ
３３ ：入出力インタフェース
３４ ：通信インタフェース
５０ ：求人側端末
５１ ：記憶装置
５２ ：プロセッサ
５３ ：入出力インタフェース
５４ ：通信インタフェース
６１ ：ディスプレイ
７０ ：外部システム
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
