知財求人 - 知財ポータルサイト「IP Force」
▶ エヌ・ティ・ティ・コミュニケーションズ株式会社の特許一覧
(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】P2024058492
(43)【公開日】2024-04-25
(54)【発明の名称】情報処理装置、情報処理方法および情報処理プログラム
(51)【国際特許分類】
G06Q 10/105 20230101AFI20240418BHJP
【ＦＩ】
G06Q10/10 320
【審査請求】未請求
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2022165901
(22)【出願日】2022-10-14
(71)【出願人】
【識別番号】399035766
【氏名又は名称】エヌ・ティ・ティ・コミュニケーションズ株式会社
(74)【代理人】
【識別番号】110002147
【氏名又は名称】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】逸見 宝生
(72)【発明者】
【氏名】服部 陽一
(72)【発明者】
【氏名】鈴木 茜
【テーマコード（参考）】
5L010
5L049
【Ｆターム（参考）】
5L010AA08
5L049AA08
(57)【要約】
【課題】ユーザの自律的なキャリア形成を目的とした人物、または仕事、学習、相談事といった分野における様々な情報の検索を可能とする。
【解決手段】情報処理装置１００は、ユーザに関する情報に基づいて、ユーザが該ユーザのキャリア計画を達成するための所定の項目のオファーを検索し、検索部１２４の検索結果に基づいて、ユーザにオファーを表示する。
【選択図】図２
【解決手段】情報処理装置１００は、ユーザに関する情報に基づいて、ユーザが該ユーザのキャリア計画を達成するための所定の項目のオファーを検索し、検索部１２４の検索結果に基づいて、ユーザにオファーを表示する。
【選択図】図２
【特許請求の範囲】
【請求項1】
ユーザに関する情報に基づいて、前記ユーザが該ユーザのキャリア計画を達成するための所定の項目のオファーを検索する検索部と、
前記検索部の検索結果に基づいて、前記ユーザに前記オファーを表示する表示部と、
を有することを特徴とする情報処理装置。
前記検索部の検索結果に基づいて、前記ユーザに前記オファーを表示する表示部と、
を有することを特徴とする情報処理装置。
【請求項2】
前記ユーザのオファーの実行に基づいて、前記ユーザに関する情報を更新する更新部を更に有し、
前記検索部は、前記更新部が更新した前記ユーザに関する情報に基づいて、所定の項目のオファーを検索する、
ことを特徴とする請求項１に記載の情報処理装置。
前記検索部は、前記更新部が更新した前記ユーザに関する情報に基づいて、所定の項目のオファーを検索する、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項3】
前記検索部は、前記ユーザに関する情報として、該ユーザのタレントに関する情報と、前記ユーザのキャリア計画に関する情報である該ユーザ自身の目標に関する情報と、該ユーザがロールモデルとする他のユーザの履歴に関する情報と、のいずれか１つまたは複数の組み合わせに基づいて、前記所定の項目のオファーとして他ユーザに関する情報を検索する、
ことを特徴とする請求項１または２に記載の情報処理装置。
ことを特徴とする請求項１または２に記載の情報処理装置。
【請求項4】
前記検索部は、前記ユーザに関する情報として、該ユーザのタレントに関する情報と、前記ユーザのキャリア計画に関する情報である該ユーザ自身の目標に関する情報と、該ユーザがロールモデルとする他のユーザの履歴に関する情報と、のいずれか１つまたは複数の組み合わせに基づいて、前記所定の項目のオファーとしてジョブに関する情報を検索する、
ことを特徴とする請求項１または２に記載の情報処理装置。
ことを特徴とする請求項１または２に記載の情報処理装置。
【請求項5】
前記検索部は、前記ユーザに関する情報として、該ユーザのタレントに関する情報と、前記ユーザのキャリア計画に関する情報である該ユーザ自身の目標に関する情報と、該ユーザがロールモデルとする他のユーザの履歴に関する情報と、のいずれか１つまたは複数の組み合わせに基づいて、前記所定の項目のオファーとして学習に関する情報を検索する、
ことを特徴とする請求項１または２に記載の情報処理装置。
ことを特徴とする請求項１または２に記載の情報処理装置。
【請求項6】
前記検索部は、前記ユーザに関する情報として、該ユーザのタレントに関する情報と、前記ユーザのキャリア計画に関する情報である該ユーザ自身の目標に関する情報と、該ユーザがロールモデルとする他のユーザの履歴に関する情報と、のいずれか１つまたは複数の組み合わせに基づいて、前記所定の項目のオファーとして課題解決に関する情報を検索する、
ことを特徴とする請求項１または２に記載の情報処理装置。
ことを特徴とする請求項１または２に記載の情報処理装置。
【請求項7】
ユーザに関する情報に基づいて、前記ユーザが該ユーザのキャリア計画を達成するための所定の項目のオファーを検索する工程と、
検索部の検索結果に基づいて、前記ユーザに前記オファーを表示する工程と、
を含むことを特徴とする情報処理方法。
検索部の検索結果に基づいて、前記ユーザに前記オファーを表示する工程と、
を含むことを特徴とする情報処理方法。
【請求項8】
ユーザに関する情報に基づいて、前記ユーザが該ユーザのキャリア計画を達成するための所定の項目のオファーを検索するステップと、
検索部の検索結果に基づいて、前記ユーザに前記オファーを表示するステップと、
をコンピュータに実行させることを特徴とする情報処理プログラム。
検索部の検索結果に基づいて、前記ユーザに前記オファーを表示するステップと、
をコンピュータに実行させることを特徴とする情報処理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。
【背景技術】
【0002】
従来、社員情報のデータベース等を用いて、検索者（以降は、「ユーザ」と表記することがある）が目的とする人物を検索する方法が知られている。例えば、このような検索技術として、人物の氏名や年齢等の身上情報、取得資格、所属や役職等の職務履歴等の人事情報を参照して、検索条件に合致する人物を検索する人材検索技術が知られている（特許文献１参照）。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２００５－３２７０２８号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかし、従来技術においては、ユーザの自律的なキャリア形成を目的とした人物、または仕事、学習、課題解決といった分野における様々な情報の検索が行えず、ユーザの自律的なキャリア形成が有効に実施できない場合があった。
【0005】
例えば、従来技術では、ある社員が自律的なキャリア形成を目的として、自らの指針となる人物を見つけたいと考えても、うまく検索することができない場合がある。また、例えば、従来技術では、検索条件に一致する人物のみが検索結果に表示されるため、ユーザの検索意図には沿っているが、検索条件とは完全に一致しない人物を発見することができなかった。
【0006】
他方で、組織内において業務上の課題を抱える社員と、その課題に対して的確にアドバイス可能な社員とが、同じ社内に存在しているにも関わらず、社員同士で接点を持たないために、迅速に課題を解決できない場合がある。
【0007】
例えば、従来技術では、社員が向上させたいスキルに関連する仕事や学習を検索することができない場合があった。また、従来技術では、目標とする人物と同じ経験を積みたいと考える社員が、目標とする人物が過去に経験した案件と類似の仕事や学習を検索することができない場合があった。
【0008】
本発明は、上記の課題を解決するため、ユーザの自律的なキャリア形成を目的とした人物、または仕事、学習、課題解決といった分野における様々な情報を可能とし、ユーザの自律的なキャリア形成が有効に実施できる情報処理装置を提供することを目的とする。
【課題を解決するための手段】
【0009】
上述した課題を解決し、目的を達成するために、本発明の情報処理装置は、ユーザに関する情報に基づいて、前記ユーザが該ユーザのキャリア計画を達成するための所定の項目のオファーを検索する検索部と、前記検索部の検索結果に基づいて、前記ユーザに前記オファーを表示する表示部と、を有することを特徴とする。
【発明の効果】
【0010】
本発明によれば、ユーザの自律的なキャリア形成を目的とした人物、または仕事、学習、課題解決といった分野における様々な情報の検索を可能とすし、ユーザの自律的なキャリア形成が有効に実施することができる。
【図面の簡単な説明】
【0011】
【発明を実施するための形態】
【0012】
以下、図面を参照して、本実施形態に係る情報処理装置、情報処理方法および情報処理プログラムの実施形態を詳細に説明する。なお、この実施の形態により本発明が限定されるものではない。また、図面の記載において、同一部分には同一の符号を付して示しており、重複する説明は適宜省略される。
【0013】
〔１．実施形態１：タレントマッチングシステム〕
まず、実施形態１の説明を以下の項目にて行う。なお、実施形態１の説明は、〔１－１．概要〕と、〔１－２．装置の構成〕と、〔１－３．変形例〕と、〔１－４．処理手順〕と、という順で行う。
まず、実施形態１の説明を以下の項目にて行う。なお、実施形態１の説明は、〔１－１．概要〕と、〔１－２．装置の構成〕と、〔１－３．変形例〕と、〔１－４．処理手順〕と、という順で行う。
【0014】
〔１－１．概要〕
実施形態１の情報処理装置１００は、ユーザに関する情報として、ユーザのタレントに関する情報、およびユーザのキャリア計画に関する情報を用いて、ユーザのキャリア計画を達成するためのユーザによるオファーの検索、またはユーザからオファーを提供するための支援を行う。
実施形態１の情報処理装置１００は、ユーザに関する情報として、ユーザのタレントに関する情報、およびユーザのキャリア計画に関する情報を用いて、ユーザのキャリア計画を達成するためのユーザによるオファーの検索、またはユーザからオファーを提供するための支援を行う。
【0015】
なお、前述の「タレント」とは、例えば「システムエンジニア」、「ＡＩリサーチャ」等、といった職種を示す。また、「キャリア計画」とは、例えば、ユーザ自身の将来のキャリアについての計画やプラン、ユーザの将来の昇進やスキルアップに対する希望（例えば、「２０２２年に●●の資格を取得」、「２０２５年に課長に昇進」等）である。
【0016】
また、「オファー」とは、本実施形態の情報処理装置１００が提供する情報の一形態であり、他ユーザ（例えば、ユーザがお手本とする他ユーザ（ロールモデル）や、ユーザにアドバイス等を提示する他ユーザ（アドバイザ）や、ユーザの企画するジョブや学習等へ参加する他ユーザ等のことで、以降は単に「他ユーザ」と表記）、ジョブ（例えば、ユーザが従事または企画する仕事、職務、プロジェクト等のことで以降は単に「ジョブ」と表記）、学習（例えば、ユーザが参加もしくは企画する研修会や勉強会のことで、以降は単に「学習」と表記）、課題解決（ユーザごとの悩み事や相談事のことで、以降は単に「課題解決」と表記）に関する情報をユーザに表示して、ユーザが自身で選択して所定の行動をとるための情報である。
【0017】
実施形態１の情報処理装置１００は、前述のユーザによるオファーの検索、またはユーザからのオファーの提供の支援を行う際に、図１に示す通り「人（ユーザ）×人（他ユーザ）」、「人（ユーザ）×ジョブ」、「人（ユーザ）×学習」、「人（ユーザ）×課題解決」、といったカテゴリでオファーを提供する。以下の項目で、各カテゴリについての一例を説明する。
【0018】
「人（ユーザ）×人（他ユーザ）」の場合、情報処理装置１００は、ユーザ自身のキャリアディベロップメントプログラム（以降、「ＣＤＰ」と表記）に繋がる他ユーザ（例えば、ロールモデルやアドバイザ等）とのマッチングや、ジョブや学習の企画へ参加する他ユーザのマッチングを提供する。なお、前述のロールモデルは、ユーザが自身のキャリア計画等において手本とする他ユーザのことである。また、アドバイザは、ユーザに対して各種の助言等を行う他ユーザのことである。
【0019】
「人（ユーザ）×ジョブ」の場合、情報処理装置１００は、ユーザ自身の将来のＣＤＰに繋がるジョブや、現在のユーザの力量やスキルで活躍または挑戦できるジョブとのマッチングを提供する。他方、情報処理装置１００は、ユーザ自身が新たなジョブ（例えば、新規ビジネスの創出等）を企画する際に、オファー（他ユーザへのジョブの提供）を提供する。
【0020】
「人（ユーザ）×学習」の場合、情報処理装置１００は、ユーザ自身の将来のＣＤＰに繋がるスキルアップのため、ユーザ自身が新たに挑戦するジョブに関するスキルアップのため、ユーザが希望するタレントを得るため、の学習のマッチングを提供する。さらに、情報処理装置１００は、ユーザ自身が学習を企画する場合、他ユーザに対するオファー（学習への参加者の募集）として提供する。
【0021】
「人（ユーザ）×課題解決」の場合、情報処理装置１００は、他ユーザが課題として抱える悩み事や相談事についてオファーを受け付け、ユーザにオファーとして提供する。そして、ユーザは、自身のタレントやスキル、経験等を生かして、前述の課題を解決する。他方、情報処理装置１００は、ユーザ自身の課題解決についてのオファーも受け付け、他ユーザに対してオファーとして提供する。
【0022】
さらに、実施形態１の情報処理装置１００は、前述した４つのカテゴリを連関したオファーとして、ユーザに提供することができる。例えば、情報処理装置１００は、ユーザがロールモデルとする他ユーザのタレントや履歴情報（例えば、これまでの経歴やキャリア等）に基づいて検索されたジョブ、学習、課題解決等をオファーとしてユーザに提供し、ユーザのキャリア開発を支援する。なお、本項目における具体例については、後述の〔１－３．変形例〕の項目で詳細に説明する。
【0023】
〔１－２．装置の構成〕
ここから、実施形態１に係る情報処理装置１００の構成について、図２を用いて説明する。図２が示すように、情報処理装置１００は、ネットワーク３００を介してユーザ端末２００と接続されている。
ここから、実施形態１に係る情報処理装置１００の構成について、図２を用いて説明する。図２が示すように、情報処理装置１００は、ネットワーク３００を介してユーザ端末２００と接続されている。
【0024】
（ユーザ端末２００）
ユーザ端末２００は、例えば、デスクトップ型ＰＣ、タブレット型ＰＣ、ノート型ＰＣ、携帯電話機、スマートフォン、ＰＤＡ（Personal Digital Assistant）等の情報処理装置である。
ユーザ端末２００は、例えば、デスクトップ型ＰＣ、タブレット型ＰＣ、ノート型ＰＣ、携帯電話機、スマートフォン、ＰＤＡ（Personal Digital Assistant）等の情報処理装置である。
【0025】
（情報処理装置１００）
情報処理装置１００は、通信部１１０と、制御部１２０と、記憶部１３０と、を有する。なお、図示していないが、情報処理装置１００は、各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、ディスプレイ等）を備えてもよい。続いて、以下に各部の詳細な機能について記載する。
情報処理装置１００は、通信部１１０と、制御部１２０と、記憶部１３０と、を有する。なお、図示していないが、情報処理装置１００は、各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、ディスプレイ等）を備えてもよい。続いて、以下に各部の詳細な機能について記載する。
【0026】
（通信部１１０）
通信部１１０は、ＮＩＣ（Network Interface Card）等で実現され、ＬＡＮ（Local Area Network）やインターネット等の電気通信回線を介した外部装置と制御部１２０の通信を可能とする。例えば、通信部１１０は、外部装置（例えば、ユーザ端末２００等）と制御部１２０との通信を可能とする。
通信部１１０は、ＮＩＣ（Network Interface Card）等で実現され、ＬＡＮ（Local Area Network）やインターネット等の電気通信回線を介した外部装置と制御部１２０の通信を可能とする。例えば、通信部１１０は、外部装置（例えば、ユーザ端末２００等）と制御部１２０との通信を可能とする。
【0027】
（記憶部１３０）
記憶部１３０は、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１３０は、ユーザに関する情報（例えば、ユーザの識別情報や属性情報、ユーザのタレントに関する情報、ユーザのキャリア計画に関する情報等）、タスクに関する情報、オファーに関する情報、等を記憶する。なお、記憶部１３０が記憶する情報は、上記に記載したものに限定されない。
記憶部１３０は、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１３０は、ユーザに関する情報（例えば、ユーザの識別情報や属性情報、ユーザのタレントに関する情報、ユーザのキャリア計画に関する情報等）、タスクに関する情報、オファーに関する情報、等を記憶する。なお、記憶部１３０が記憶する情報は、上記に記載したものに限定されない。
【0028】
具体的には、記憶部１３０は、ユーザに関する情報として、ユーザＩＤ、属性、年次、所属部署、職位、職階、経歴、タレント、スキル、得意領域、資格、知人関係、コミュニケーションの傾向や好み、コミュニケーションデータ、性格、チャットデータ、自己紹介データ（自己ＰＲ）、キャリアシート、キーワード、その他オファーのマッチングに用いる情報等を記憶する。ここで、コミュニケーションデータには、メールやチャット等の履歴情報や、会話時の表情データ、音声データ等が含まれていてよい。
【0029】
更に補足すると、ユーザのタレントに関する情報は、ユーザの職種等に関する情報であり、例えば、タレントを表す情報（例えば、「システムエンジニア」等の職種を示す文字列情報等）や、前述のタレントに紐づくスキル群（例えば、「システム設計」、「プログラミング」等）に関する情報であってよい。さらに、タレントについては、ユーザごとに複数保有することができる。なお、ユーザのスキルは、タレントに紐づいており、あるタレントを持つ人物が行うことのできる処理の内容を示す。
【0030】
ユーザのキャリア計画に関する情報は、ユーザ自身のキャリアに関する情報であり、例えば、自己ＰＲ、経歴、社外活動、過去のタレント、目標とするタレント、保有スキル、強化したいスキル、取得予定のスキルや資格といった情報が含まれている。例えば、ユーザのキャリア計画に関する情報は、ユーザの将来の昇進やスキルアップに対する希望（例えば、「２０２２年に●●の資格を取得」、「２０２５年に課長に昇進」等）についての年表型のデータや、取得したいスキルやタレントについてのリスト型のデータ等であってよい。なお、前述のキャリア計画に関する情報はあくまで一例であり、前述の記載内容に限定されない。
【0031】
タスクに関する情報は、ジョブ、学習、課題解決といった分野に関する情報である。言い換えると、前述のタスクは、ユーザが自身のキャリア計画を達成するために実行するべきアクション等（例えば、オファーとしてのジョブ、学習、課題解決への挑戦または提供等）のことであり、以降は単に「タスク」と表記する。
【0032】
オファーに関する情報は、情報処理装置１００が提供するオファーについての情報であり、例えば後述する「他ユーザに関する情報」、「ジョブに関する情報」、「学習に関する情報」、「課題解決に関する情報」等が含まれる。
【0033】
（制御部１２０）
制御部１２０は、ＣＰＵ（Central Processing Unit）やＮＰ（Network Processor）やＦＰＧＡ（Field Programmable Gate Array）等を用いて実現され、メモリに記憶された処理プログラムを実行する。図２に示すように、制御部１２０は、取得部１２１と、特定部１２２と、計算部１２３と、検索部１２４と、表示部１２５と、更新部１２６とを有する。以下、制御部１２０が有する各部について説明する。
制御部１２０は、ＣＰＵ（Central Processing Unit）やＮＰ（Network Processor）やＦＰＧＡ（Field Programmable Gate Array）等を用いて実現され、メモリに記憶された処理プログラムを実行する。図２に示すように、制御部１２０は、取得部１２１と、特定部１２２と、計算部１２３と、検索部１２４と、表示部１２５と、更新部１２６とを有する。以下、制御部１２０が有する各部について説明する。
【0034】
（取得部１２１）
取得部１２１は、ユーザに関する情報（ユーザのタレントに関する情報、またはユーザのキャリア計画に関する情報）を、記憶部１３０から取得する。
取得部１２１は、ユーザに関する情報（ユーザのタレントに関する情報、またはユーザのキャリア計画に関する情報）を、記憶部１３０から取得する。
【0035】
さらに、取得部１２１は、ユーザが入力するキーワードを記憶部１３０から取得する。具体的には、取得部１２１は、検索を行うユーザのユーザ端末２００に検索ウィンドウ等を表示させ、検索を行うユーザが検索ウィンドウに入力したキーワードを取得する。例えば、取得部１２１は、ロールモデルやアドバイザ等の他ユーザに関するキーワード、ジョブを検索するためのキーワード、ユーザが所望する学習に関するキーワード、他ユーザの課題等に関するキーワード、等を記憶部１３０から取得できる。
【0036】
また、取得部１２１は、ユーザが入力するキーワード以外にも、検索を行うユーザに関する情報（例えば、ユーザの属性情報や識別情報、ユーザのタレントに関する情報、ユーザのキャリア計画に関する情報等）から形態素解析等の方法により抽出されるキーワードを取得してもよい。一例として、取得部１２１は、ユーザに関する情報に含まれる、ユーザＩＤ、属性、年次、所属部署、職位、職階、経歴、タレント、スキル、得意領域、資格、知人関係、コミュニケーションの傾向や好み、コミュニケーションデータ、性格、チャットデータ、自己紹介データ（自己ＰＲ）、キャリアシート等の情報から抽出されるキーワードを取得してよい。
【0037】
（特定部１２２）
特定部１２２は、所定の一致度合に基づき、対象となる他ユーザを特定する。例えば、特定部１２２は、所定の一致度合として、後述の計算部１２３が計算するタレントの一致度合に基づいて、検索を行うユーザが手本とする他ユーザ（ロールモデル）や、助言を行う他ユーザ（アドバイザ）を特定できる。
特定部１２２は、所定の一致度合に基づき、対象となる他ユーザを特定する。例えば、特定部１２２は、所定の一致度合として、後述の計算部１２３が計算するタレントの一致度合に基づいて、検索を行うユーザが手本とする他ユーザ（ロールモデル）や、助言を行う他ユーザ（アドバイザ）を特定できる。
【0038】
（計算部１２３）
計算部１２３は、取得部１２１が取得する所定の情報に基づき、所定の情報との一致度を示す指標である所定の一致度合を計算する。以下、所定の一致度合の計算についての一例を記載する。なお、以下に記載する所定の一致度合はあくまで一例であり、計算部１２３は、必要に応じて一致度合を計算してよい。また、後述する学習モデルは、特定のモデルに限定されるものではなく、所定の一致度合の範疇に含まれる指標を出力できるモデルであれば、使用してよい。
計算部１２３は、取得部１２１が取得する所定の情報に基づき、所定の情報との一致度を示す指標である所定の一致度合を計算する。以下、所定の一致度合の計算についての一例を記載する。なお、以下に記載する所定の一致度合はあくまで一例であり、計算部１２３は、必要に応じて一致度合を計算してよい。また、後述する学習モデルは、特定のモデルに限定されるものではなく、所定の一致度合の範疇に含まれる指標を出力できるモデルであれば、使用してよい。
【0039】
計算部１２３は、ユーザが入力したキーワードまたは検索を行うユーザに関する情報から抽出されたキーワードと、ユーザに関する情報（例えば、ユーザごとのタレント、スキル、得意領域の情報等）とを照合することにより、所定の一致度合としてキーワードの一致度合を計算してよい。なお、計算部１２３は、キーワードの一致度合を計算する場合、例えば、学習モデルを用いる方法や、コサイン類似度を用いた所定のルールに基づいて、キーワードの一致度合を計算してよい。なお、ここでいうコサイン類似度は、所定の情報から形態素解析により抽出された単語で再構成された文章をベクトル化し、類似度としてコサイン類似度を用いることにより測定される。ここで、ベクトル化の方法としては、例えば、ＢＯＷ（Bag of Words）やＴＦ―ＩＤＦ（Term Frequency-Inverse Document Frequency）等のOne-hot表現による手法を用いてもよいし、分散表現による手法を用いてもよい。なお、上記の文章間の距離測定は、特定部１２２や検索部１２４が行ってもよい。
【0040】
計算部１２３は、ユーザに関する情報に含まれるユーザのタレントに関する情報と、他ユーザのタレントに関する情報を入力とする学習モデルに基づき計算される所定の一致度合としてタレントの一致度合を計算してよい。
【0041】
計算部１２３は、ユーザに関する情報に含まれるユーザの人柄等に関する情報を用いて、学習モデルに基づき計算される所定の一致度合として人柄の一致度合を計算してよい。なお、計算部１２３は、前述したキーワードの一致度合と、タレントの一致度合と、人柄の一致度合の単独または複数の組み合わせを用いて所定の方法で総合的な一致度合を計算してよい。さらに、総合的な一致度合の計算方法は、特定の方法に限定されるものではなく、例えば、平均や正規化等を用いて算出してよい。
【0042】
さらに、計算部１２３は、他ユーザの履歴に関する情報とタスクに関する情報とを照合することにより、タスクの一致度合を計算する。なお、ここでいうタスクに関する情報には、所定のタスクが求めるスキルや経験（所定のタスクを実施するために求められるユーザのスキルや経験等）に関する情報が含まれる。例えば、タスクが「システム開発」の場合には、スキルや経験として「プログラミング」を求める情報が含まれてよい。なお、前述のタスクの情報はあくまで一例であり、前述した内容に限定されない。
【0043】
また、計算部１２３は、ユーザに関する情報、ユーザが入力または検索を行うユーザに関する情報から抽出されたキーワードのうち少なくともいずれか１つと、前述したタスクに関する情報と、を照合することにより所定の一致度合としてタスクの一致度合を計算してよい。
【0044】
さらに、計算部１２３は、オファーに関する情報に基づいて、前述のオファーとユーザ（オファーを受けるユーザ）との所定の一致度合を計算してよい。
【0045】
（検索部１２４）
検索部１２４は、ユーザに関する情報であるユーザのタレントに関する情報またはユーザのキャリア計画に関する情報に基づいて、ユーザが該ユーザのキャリア計画を達成するための所定の項目のオファーを検索する。例えば、検索部１２４は、計算部１２３が算出する所定の一致度合やコサイン類似度に基づいて、所定のオファー（他ユーザやタスク等）を検索してよい。
検索部１２４は、ユーザに関する情報であるユーザのタレントに関する情報またはユーザのキャリア計画に関する情報に基づいて、ユーザが該ユーザのキャリア計画を達成するための所定の項目のオファーを検索する。例えば、検索部１２４は、計算部１２３が算出する所定の一致度合やコサイン類似度に基づいて、所定のオファー（他ユーザやタスク等）を検索してよい。
【0046】
さらに、検索部１２４は、ユーザのキャリア計画に関する情報に基づいて、自己起点（ユーザ自身が、自身の目標達成のためのオファーを自己起因で模索する場合で、以降は「自己起点」と表記）もしくはロールモデル起点（ユーザが目標とする他のユーザの履歴に基づいてオファーを模索する場合で、以降は「ロールモデル起点」と表記）で、ユーザのキャリア計画を達成するためのオファーを検索する。以下に、具体例を記載する。
【0047】
検索部１２４は、ユーザに関する情報として、該ユーザのタレントに関する情報と、ユーザのキャリア計画に関する情報である該ユーザ自身の目標に関する情報（自己起点）と、該ユーザがロールモデルとする他のユーザの履歴に関する情報（ロールモデル起点）と、のいずれか１つまたは複数の組み合わせに基づいて、所定の項目のオファーとして他ユーザに関する情報を検索する。
【0048】
例えば、自己起点において、検索部１２４は、ユーザ自身の目標に関する情報に基づいて、会うべき他ユーザや、助言等をもらう他ユーザ（アドバイザ）に関する情報を検索できる。他方で、ロールモデル起点において、検索部１２４は、ユーザがロールモデルとする他のユーザの履歴に関する情報とユーザのタレントに関する情報に基づいて、ユーザ自身がお手本とする他ユーザ（ロールモデル）に関する情報を検索できる。
【0049】
検索部１２４は、ユーザに関する情報として、該ユーザのタレントに関する情報と、ユーザのキャリア計画に関する情報である該ユーザ自身の目標に関する情報（自己起点）と、該ユーザがロールモデルとする他のユーザの履歴に関する情報（ロールモデル起点）と、のいずれか１つまたは複数の組み合わせに基づいて、所定の項目のオファーとしてジョブに関する情報を検索する。
【0050】
例えば、自己起点において、検索部１２４は、ユーザ自身の目標に関する情報に基づいて、ユーザ自身の将来の目標を達成するためのジョブや、現在のユーザ自身のタレントやスキルを活かすことができるジョブに関する情報を検索できる。他方で、ロールモデル起点において、検索部１２４は、ユーザがロールモデルとする他のユーザの履歴に関する情報とユーザのタレントに関する情報に基づいて、ユーザ自身がお手本とする他ユーザ（ロールモデル）と類似の経験を積むためのジョブに関する情報を検索できる。
【0051】
検索部１２４は、ユーザに関する情報として、該ユーザのタレントに関する情報と、ユーザのキャリア計画に関する情報である該ユーザ自身の目標に関する情報（自己起点）と、該ユーザがロールモデルとする他のユーザの履歴に関する情報（ロールモデル起点）と、のいずれか１つまたは複数の組み合わせに基づいて、所定の項目のオファーとして学習に関する情報（例えば、研修会や勉強会に関する情報等）を検索する。
【0052】
例えば、自己起点において、検索部１２４は、ユーザ自身の目標に関する情報に基づいて、ユーザ自身の将来の目標を達成するための学習に関する情報を検索できる。他方で、ロールモデル起点において、検索部１２４は、ユーザがロールモデルとする他ユーザの履歴に関する情報とユーザのタレントに関する情報に基づいて、ユーザ自身がお手本とする他ユーザ（ロールモデル）と類似の経験を積むための学習に関するする情報に関する情報を検索できる。
【0053】
検索部１２４は、ユーザに関する情報として、該ユーザのタレントに関する情報と、ユーザのキャリア計画に関する情報である該ユーザ自身の目標に関する情報（自己起点）と、該ユーザがロールモデルとする他のユーザの履歴に関する情報（ロールモデル起点）と、のいずれか１つまたは複数の組み合わせに基づいて、所定の項目のオファーとして課題解決に関する情報（例えば、他ユーザの悩み事や相談事に関する情報等）を検索する。
【0054】
例えば、自己起点において、検索部１２４は、ユーザ自身の目標に関する情報に基づいて、自身の将来の目標を達成するための課題解決に関する情報を検索できる。他方で、ロールモデル起点において、検索部１２４は、ユーザがロールモデルとする他のユーザの履歴に関する情報とユーザのタレントに基づいて、ユーザ自身がお手本とする他ユーザ（ロールモデル）と類似の経験を積むための課題解決に関する情報を検索できる。
【0055】
なお、検索部１２４は、前述した「他ユーザに関する情報」と、「ジョブに関する情報」と、「学習に関する情報」と、「課題解決に関する情報」と、を単独または複数組み合わせて、検索してよい。例えば、検索部１２４は、ユーザが「ジョブに関する情報」を検索する際に、所定の条件に基づいて、例えば「他ユーザに関する情報」、「学習に関する情報」を併せて検索してよい。
【0056】
さらに、検索部１２４は、後述の更新部１２６が更新したユーザに関する情報であるユーザのタレントに関する情報またはユーザのキャリア計画に関する情報に基づいて、所定の項目のオファーを検索する。例えば、検索部１２４は、オファー（人×人）によりユーザと他ユーザとの間に繋がりが生じた場合には、後述の更新部１２６が更新するユーザ同士の連絡に関する履歴情報（例えば、メールやチャットの履歴情報等）に基づいて、オファーを検索できる。なお、前述したオファー（人×人）というのはあくまで一例であり、検索部１２４は、その他のオファー（例えば、「人×ジョブ」、「人×学習」、「人×課題解決」等）に基づいて更新されるユーザに関する情報を用いて、所定の項目のオファーを検索してよい。
【0057】
（表示部１２５）
表示部１２５は、検索部１２４の検索結果に基づいて、ユーザに前述のオファーを表示する。具体的には、表示部１２５は、検索部１２４が検索する各種情報を、ユーザ端末２００に表示する。例えば、表示部１２５は、検索部１２４が検索する他ユーザに関する情報、ジョブに関する情報、学習に関する情報、課題解決に関する情報、等を表示する。なお、表示部１２５は、必要に応じて前述した情報等を、テキスト、静止画像、動画、音声等のユーザが五感を用いて知覚できる方法で表示でき、表示形式や表示方法は限定されない。
表示部１２５は、検索部１２４の検索結果に基づいて、ユーザに前述のオファーを表示する。具体的には、表示部１２５は、検索部１２４が検索する各種情報を、ユーザ端末２００に表示する。例えば、表示部１２５は、検索部１２４が検索する他ユーザに関する情報、ジョブに関する情報、学習に関する情報、課題解決に関する情報、等を表示する。なお、表示部１２５は、必要に応じて前述した情報等を、テキスト、静止画像、動画、音声等のユーザが五感を用いて知覚できる方法で表示でき、表示形式や表示方法は限定されない。
【0058】
（更新部１２６）
更新部１２６は、ユーザのオファーの実行に基づいて、ユーザに関する情報であるユーザのタレントに関する情報またはユーザのキャリア計画に関する情報を更新する。具体的に、前述のオファーの実行は、表示部１２５が表示するオファーに対して、ユーザが所定の行動をとる（例えば、表示された他ユーザに連絡を取る、表示されたジョブに応募する、表示された学習に参加する、表示された課題を解決する等）ことを意味する。また、この時のオファーの実行とは、表示されるオファーの一覧からユーザ自身が選択して実行する形式であってもよいし、表示部１２５がお勧めのオファーとして表示するオファーをユーザが選択して実行する形式であってもよく、実行の形式は限定されない。
更新部１２６は、ユーザのオファーの実行に基づいて、ユーザに関する情報であるユーザのタレントに関する情報またはユーザのキャリア計画に関する情報を更新する。具体的に、前述のオファーの実行は、表示部１２５が表示するオファーに対して、ユーザが所定の行動をとる（例えば、表示された他ユーザに連絡を取る、表示されたジョブに応募する、表示された学習に参加する、表示された課題を解決する等）ことを意味する。また、この時のオファーの実行とは、表示されるオファーの一覧からユーザ自身が選択して実行する形式であってもよいし、表示部１２５がお勧めのオファーとして表示するオファーをユーザが選択して実行する形式であってもよく、実行の形式は限定されない。
【0059】
例えば、更新部１２６は、表示されるオファーに対するユーザの所定の行動の一例として、表示部１２５が表示するオファーの中からユーザがオファーを選択して実行した履歴として、ユーザが所定の行動によるオファー実行についての情報（例えば、ユーザによる連絡、通信、ボタンの押下等）を受け付け、ユーザのキャリア計画に関する情報に含まれる、ユーザによる所定のオファー実行の履歴についての情報を更新してよい。
【0060】
他方で、例えば、更新部１２６は、表示部１２５が表示するお勧めのオファーに関するレコメンド情報として、「〇〇というユーザがお勧めユーザです。」、「〇〇というジョブがお勧めです。」、「〇〇という教科書を読んでください。」、「〇〇という研修会に参加してください。」、「〇〇というタスクを完遂してください。」といった形式で表示される文字列等の情報に基づいて、ユーザが所定の行動によるオファー実行についての情報（例えば、ユーザによる連絡、通信、ボタンの押下等）を受け付け、ユーザのキャリア計画に関する情報に含まれる、ユーザによる所定のオファー実行の履歴についての情報を更新してよい。また、更新部１２６は、表示部１２５がレコメンド（お勧め）するオファー以外のオファーを、ユーザが実行した場合も、ユーザによる所定のオファー実行の履歴についての情報を更新してよい。
【0061】
さらに、検索部１２４は、オファー（人×人）によりユーザと他ユーザとの間に繋がりが生じた場合には、必要に応じてユーザに関する情報としてユーザのタレントに関する情報またはユーザのキャリア計画に関する情報の所定の項目を更新できる。
【0062】
なお、前述したオファー（人×人）というのはあくまで一例であり、検索部１２４は、その他のオファー（例えば、「人×ジョブ」、「人×学習」、「人×課題解決」等）に基づいてユーザが行動した場合や、ユーザに関する情報に所定の変更があった場合（例えば、ユーザＩＤ、属性、年次、所属部署、職位、職階、経歴、タレント、スキル、得意領域、資格、知人関係、コミュニケーションの傾向や好み、コミュニケーションデータコミュニケーションタイプ、性格、チャットデータ、自己紹介データ（自己ＰＲ）、キャリアシート、キーワード、その他オファーのマッチングに用いる情報等が、追加、変更、更新、削除等された場合）に必要に応じてユーザに関する情報の所定の項目を更新してよい。
【0063】
そして、情報処理装置１００は、更新部１２６が更新したユーザに関する情報に基づいて、検索部１２４が所定のオファーを検索し、表示部１２５がユーザに表示してよい。
【0064】
〔１－３．変形例〕
ここから、実施形態１に係る変形例について、図３から図５を用いて説明する。前述してきた通り、実施形態１の情報処理装置１００は、前述のユーザによるオファーの検索、またはユーザからのオファーの提供の支援を行う際に、「人×人」、「人×ジョブ」、「人×学習」、「人×課題解決」、といったカテゴリでオファーを提供することができる。加えて、実施形態１の情報処理装置１００は、前述した各カテゴリによるオファーの検索、または提供の支援について複数のカテゴリを連関して実施することができる。
ここから、実施形態１に係る変形例について、図３から図５を用いて説明する。前述してきた通り、実施形態１の情報処理装置１００は、前述のユーザによるオファーの検索、またはユーザからのオファーの提供の支援を行う際に、「人×人」、「人×ジョブ」、「人×学習」、「人×課題解決」、といったカテゴリでオファーを提供することができる。加えて、実施形態１の情報処理装置１００は、前述した各カテゴリによるオファーの検索、または提供の支援について複数のカテゴリを連関して実施することができる。
【0065】
図３では、ユーザが新たなジョブに挑戦または企画を行うケースを表している。例えば、ユーザが新たなジョブに挑戦することを希望する場合、情報処理装置１００は、関係するメンター（例えば、対象のジョブに関して所定の経験やスキルを有するユーザのことで、以降は「メンター」と表記）とのマッチング（図３の（１）を参照）や、ユーザのスキルアップのための学習（研修会や勉強会等）のマッチング（図３の（２）を参照）を行うことができる。
【0066】
例えば、ユーザが新しいジョブとして「プログラミング」に挑戦する場合には、情報処理装置１００は、プログラマ等としての経験や経歴を有するメンターや、プログラミングに関する研修会や勉強会等をマッチングすることができる。
【0067】
他方で、ユーザが新たなジョブの企画（例えば、新規ビジネスの創出等）をする場合、情報処理装置１００は、関係するメンターとのマッチング（図３の（３）を参照）やユーザのスキルアップのための学習（研修会や勉強会等）のマッチング（図３の（４）を参照）や、ジョブにアサインするメンバー（他ユーザ）の募集（図３の（５）を参照）の募集を行うことができる。
【0068】
例えば、ユーザが新しいジョブとして「システム開発」に関する新規ビジネスの創出する場合には、情報処理装置１００は、システム開発の経験や経歴を有するメンターや、システム開発や新規ビジネスの創出に関する研修会や勉強会等のマッチング、参加メンバーとして他ユーザを募集することができる。
【0069】
図４では、ユーザ自身の目標（例えば、キャリア計画等）を達成するために行動するケースを表している。例えば、ユーザの自己起点の場合、情報処理装置１００は、ユーザが入力するキーワードやユーザに関する情報に基づくキーワードを用いて、対象となるメンターとのマッチング（図４の（１）を参照）や、ユーザのスキルアップのための学習（研修会や勉強会等）のマッチング（図４の（２）を参照）や、お勧めのジョブのマッチング（図４の（３）を参照）、を行うことができる。
【0070】
例えば、ユーザが自身の目標として、将来「システムエンジニア」のタレントを目指す場合、情報処理装置１００は、システムエンジニア等としての経験や経歴を有するメンターやシステムエンジニア等に関する研修会や勉強会等、「システムエンジニア」のタレントに関連するジョブをマッチングすることができる。
【0071】
他方で、ロールモデル起点の場合、情報処理装置１００は、ユーザのロールモデルになる他のユーザの履歴に関する情報（他ユーザの過去のタレント、職歴、経歴、自己ＰＲ、保有スキル等）に基づいて、ユーザが他ユーザ（ロールモデル）と同様の属性（例えば、スキル、タレント、経歴、経験等）を得るための学習（研修会や勉強会等）のマッチング（図４の（４）を参照）や、ジョブのマッチング（図４の（５）を参照）、課題解決のマッチング（図４の（６）を参照）を行うことができる。
【0072】
例えば、ユーザがお手本とする他ユーザ（ロールモデル）と同等のスキルやタレントを目指す場合に、情報処理装置１００は、過去に他ユーザ（ロールモデル）が従事したジョブや、参加した研修や、解決した課題等をマッチングすることができる。
【0073】
図５では、ユーザが学習（研修会や勉強会等）を企画するケースを表している。例えば、ユーザが学習を企画する場合、情報処理装置１００は、ユーザが企画する学習（研修会や勉強会等）へ参加する他ユーザを募集したり（図５の（１）を参照）、存在する課題解決に関する情報やジョブに関する情報に基づき、現に存在する課題の解決やジョブへの挑戦に役立つ学習（研修会や勉強会等）の企画を支援したり（図５の（２）および（３）を参照）、することができる。
【0074】
例えば、ユーザが学習を企画する場合には、情報処理装置１００は、ユーザが企画する学習の属性とマッチする他ユーザを検索して参加者を募集できる。また、ユーザによる学習の企画の支援として、情報処理装置１００は、現状存在している課題やジョブ等に関する情報に基づき、ニーズにあった学習に関する情報を提供できる。
【0075】
また、情報処理装置１００は、前述の課題解決について、ユーザの目標やジョブ、学習等に紐づかない形式（例えば、あるユーザが困り事、相談事として投稿する内容等）の場合、ユーザが入力するキーワードやユーザに関する情報（ユーザのタレントに関する情報、ユーザのキャリア計画に関する情報等）に基づいて、ユーザに対して課題解決に関する情報を提供できる。他方で、情報処理装置１００は、検索を行うユーザによる課題（悩み事や相談事等）に関する情報を受け付け、他ユーザに対してオファーとして提供できる。
【0076】
〔１－４．処理手順〕
次に、図６から図８を用いて、情報処理装置１００による処理の流れを説明する。なお、以下で説明する処理手順は、「処理手順１：検索対象が他ユーザのケース（人×人）」と、「処理手順２：検索対象がタスクのケース（人×タスク）」と、「処理手順３：ユーザがオファーを出すケース」の３パターンに分けて説明を行う。また、処理手順ごと記載する各ステップは、異なる順序で実行されてもよいし、省略される処理があってもよい。
次に、図６から図８を用いて、情報処理装置１００による処理の流れを説明する。なお、以下で説明する処理手順は、「処理手順１：検索対象が他ユーザのケース（人×人）」と、「処理手順２：検索対象がタスクのケース（人×タスク）」と、「処理手順３：ユーザがオファーを出すケース」の３パターンに分けて説明を行う。また、処理手順ごと記載する各ステップは、異なる順序で実行されてもよいし、省略される処理があってもよい。
【0077】
（処理手順１：検索対象が他ユーザのケース（人×人））
まず、図６を用いて「検索対象が他ユーザのケース（人×人）」の処理手順を説明する。取得部１２１は、ユーザに関する情報（ユーザのタレントに関する情報またはユーザのキャリア計画に関する情報）、またはキーワードを取得する（ステップＳ１０１）。続けて、取得部１２１は、キーワードによる検索であるか否かを判定する（ステップＳ１０２）。
まず、図６を用いて「検索対象が他ユーザのケース（人×人）」の処理手順を説明する。取得部１２１は、ユーザに関する情報（ユーザのタレントに関する情報またはユーザのキャリア計画に関する情報）、またはキーワードを取得する（ステップＳ１０１）。続けて、取得部１２１は、キーワードによる検索であるか否かを判定する（ステップＳ１０２）。
【0078】
ここで、キーワードによる検索である場合（ステップＳ１０２“ＹＥＳ”）、計算部１２３は、取得部１２１により取得されたユーザが入力したキーワードまたは検索を行うユーザに関する情報から抽出されたキーワードと、他ユーザのユーザに関する情報とを、照合することによりキーワードの一致度合を計算する（ステップＳ１０３）。
【0079】
一方、キーワードによる検索でなく、ユーザに関する情報（ユーザのタレントに関する情報またはキャリア計画に関する情報）に基づく検索である場合（ステップＳ１０２“ＮＯ”）、計算部１２３は、ユーザに関する情報と、他ユーザに関する情報とを照合することにより、ユーザに関する情報の一致度合を計算する（ステップＳ１０４）。例えば、計算部１２３は、ユーザのタレントに関する情報と、他ユーザのタレントに関する情報に基づき、所定の一致度合としてタレントの一致度合を計算してよい。
【0080】
次に、検索部１２４は、計算部１２３により計算された所定の一致度合に基づいて、他ユーザを検索する（ステップＳ１０５）。そして、表示部１２５は、検索部１２４により検索された他ユーザを表示する（ステップＳ１０６）。
【0081】
その後、取得部１２１は、ユーザ間で連絡が行われたか否かを判定する（ステップＳ１０７）。ここで、取得部１２１により、ユーザ間で連絡があると判定された場合（ステップＳ１０７“ＹＥＳ”）、更新部１２６は、ユーザに関する情報を更新する（ステップＳ１０８）。
【0082】
他方、取得部１２１により、ユーザ間で連絡がないと判定された場合（ステップＳ１０７“ＮＯ”）、更新部１２６による更新処理は行われない。
【0083】
（処理手順２：検索対象がタスクのケース（人×タスク））
次に、図７を用いて「検索対象がタスクのケース（人×タスク）」の処理手順を説明する。なおここでいうタスクとは、「ジョブ」、「学習」、「課題解決」等を含む。
次に、図７を用いて「検索対象がタスクのケース（人×タスク）」の処理手順を説明する。なおここでいうタスクとは、「ジョブ」、「学習」、「課題解決」等を含む。
【0084】
取得部１２１は、ユーザに関する情報を取得する（ステップＳ２０１）。続けて、取得部１２１は、ロールモデル起点であるか否かを判定する（ステップＳ２０２）。
【0085】
ここで、ロールモデル起点でない場合（ステップＳ２０２“ＮＯ”）、計算部１２３は、自己起点に基づくタスク検索を行うため、取得部１２１により取得されたユーザに関する情報とタスクに関する情報とを照合することにより所定の一致度合を計算する（ステップＳ２０３）。なお、計算部１２３は、ユーザに関する情報の他に、例えば、ユーザが入力するキーワードやユーザに関する情報から抽出されるキーワードを用いて、タスクに関する情報との所定の一致度合を計算してよい。
【0086】
その後、検索部１２４は、計算部１２３により計算された所定の一致度合に基づいて、記憶部１３０に記憶された、所定のタスクを検索する（ステップＳ２０４）。
【0087】
一方、ロールモデル起点である場合（ステップＳ２０２“ＹＥＳ”）、特定部１２２は、取得部１２１により取得されたユーザに関する情報と、他ユーザに関する情報とを照合することにより、他ユーザ（ロールモデル）を特定する（ステップＳ２０５）。
【0088】
そして、計算部１２３は、特定部１２２により特定された他ユーザの経歴情報と、タスクに関する情報とを照合することにより、所定の一致度合を計算する（ステップＳ２０６）。例えば、計算部１２３は、他ユーザの履歴に関する情報（他ユーザの過去または過去のタレント、職歴、経歴、スキル等）とタスクに関する情報（各タスクが求めるタレント、職歴、経歴、スキル等）とを照合して、所定の一致度合を計算してよい。
【0089】
続けて、検索部１２４は、計算部１２３により計算された所定の一致度合に基づいて、記憶部１３０に記憶されたタスクを検索する（ステップＳ２０７）。
【0090】
そして、表示部１２５は、検索部１２４により検索されたタスクを表示する（ステップＳ２０８）。その後、ユーザがタスクを実行した後、更新部１２６は、記憶部１３０に記憶されるユーザに関する情報を更新する（ステップＳ２０９）。
【0091】
（処理手順３：処理手順３：ユーザがオファーを出すケース）
次に、図８を用いて「ユーザがオファーを出すケース」の処理手順を説明する。取得部１２１は、オファーに関する情報を取得する（ステップＳ３０１）。なお、ここでいうオファーの情報は、ユーザが出すオファーの種類によって必要に応じて変更してよい。例えば、オファーに関する情報は、「他ユーザに関する情報」、「ジョブに関する情報」、「学習に関する情報」、「課題解決に関する情報」等から、必要に応じて選択されてよい。
次に、図８を用いて「ユーザがオファーを出すケース」の処理手順を説明する。取得部１２１は、オファーに関する情報を取得する（ステップＳ３０１）。なお、ここでいうオファーの情報は、ユーザが出すオファーの種類によって必要に応じて変更してよい。例えば、オファーに関する情報は、「他ユーザに関する情報」、「ジョブに関する情報」、「学習に関する情報」、「課題解決に関する情報」等から、必要に応じて選択されてよい。
【0092】
次に、計算部１２３は、取得部１２１により取得された、オファーに関する情報に基づいて、前述のオファーとユーザ（オファーを受けるユーザ）との所定の一致度合を計算する（ステップＳ３０２）。例えば、計算部１２３は、提供されたオファーに関する情報と、オファーを検索するユーザのユーザに関する情報や、ユーザが入力するキーワードまたは検索するユーザのユーザに関する情報から抽出されるキーワード、等に基づいて、所定の一致度合を計算してよい。
【0093】
それから、検索部１２４は、計算部１２３により計算された所定の一致度合に基づいて、記憶部１３０に記憶された他ユーザを検索する（ステップＳ３０３）。そして、表示部１２５は、検索部１２４により検索されたユーザを表示する（ステップＳ３０４）。
【0094】
〔２．実施形態２：人と人のマッチング〕
ここから、実施形態１の「人×人」に係る内容として、「実施形態２：人と人のマッチング」についての説明を行う。なお、以下の項目では、〔２－１．装置の構成〕と、〔２－２．概要〕と、〔２－３．処理の詳細〕と、〔２－４．処理手順〕という順で説明を行う。
ここから、実施形態１の「人×人」に係る内容として、「実施形態２：人と人のマッチング」についての説明を行う。なお、以下の項目では、〔２－１．装置の構成〕と、〔２－２．概要〕と、〔２－３．処理の詳細〕と、〔２－４．処理手順〕という順で説明を行う。
【0095】
〔２－１．装置の構成〕
まず、図９を用いて、情報処理装置１００の構成について説明する。図９が示すように、情報処理装置１００は、ネットワーク３００を介して、ユーザ端末２００と接続されている。なお、本構成は前述の実施形態１における装置構成と同様の構成で実現可能であり、本項目では付加部分について説明を行う。
まず、図９を用いて、情報処理装置１００の構成について説明する。図９が示すように、情報処理装置１００は、ネットワーク３００を介して、ユーザ端末２００と接続されている。なお、本構成は前述の実施形態１における装置構成と同様の構成で実現可能であり、本項目では付加部分について説明を行う。
【0096】
（記憶部１３０）
記憶部１３０は、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１３０が記憶する情報としては、例えば、ユーザＩＤ、属性、年次、所属部署、職位、職階、経歴、タレント、スキル、得意領域、資格、知人関係、コミュニケーションの傾向や好み、コミュニケーションデータ、性格、応対可否、チャットデータ、自己紹介データ、キャリアシート、キーワード、その他マッチングに用いる情報等が含まれる。なお、記憶部１３０が記憶する情報は上記に記載したものに限定されない。
記憶部１３０は、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１３０が記憶する情報としては、例えば、ユーザＩＤ、属性、年次、所属部署、職位、職階、経歴、タレント、スキル、得意領域、資格、知人関係、コミュニケーションの傾向や好み、コミュニケーションデータ、性格、応対可否、チャットデータ、自己紹介データ、キャリアシート、キーワード、その他マッチングに用いる情報等が含まれる。なお、記憶部１３０が記憶する情報は上記に記載したものに限定されない。
【0097】
なお、前述のタレントの情報は、一人のユーザが複数保有することができる。また、スキルはタレントと紐づいており、あるタレントを持つ人物が行うことのできる処理の内容を示す。キャリアシートは、キャリアや目標に関する様々な質問へのユーザの回答を記載した書類の情報である。例えば、キャリアシートには、自己ＰＲ、経歴、社外活動、過去のタレント、現在のタレント、目標とするタレント、保有スキル、強化したいスキル、取得予定の資格といった目標に関する情報が含まれる。以降、キャリアシートに記載された情報を、目標に関する情報とする。
【0098】
また、応対可否とは、「いつでも相談に乗れる」、「できる限り相談に乗りたい」、「できる限り相談に乗りたくない」、「絶対に相談に乗れない」等のようにユーザによる応対の可否を示す情報である。応対可否には、電話、メール、チャット等、ユーザが希望する連絡方法が含まれる。
【0099】
（制御部１２０）
制御部１２０は、ＣＰＵやＮＰやＦＰＧＡ等を用いて実現され、メモリに記憶された処理プログラムを実行する。図９に示すように、制御部１２０は、取得部１２１と、計算部１２３と、検索部１２４と、表示部１２５と、更新部１２６とを有する。以下、制御部１２０が有する各部について説明する。
制御部１２０は、ＣＰＵやＮＰやＦＰＧＡ等を用いて実現され、メモリに記憶された処理プログラムを実行する。図９に示すように、制御部１２０は、取得部１２１と、計算部１２３と、検索部１２４と、表示部１２５と、更新部１２６とを有する。以下、制御部１２０が有する各部について説明する。
【0100】
（取得部１２１）
取得部１２１は、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報を取得する。具体的には、取得部１２１は、検索を行うユーザのユーザ端末２００に検索ウィンドウを表示させ、検索を行うユーザが検索ウィンドウに入力したキーワードを取得する。例えば、取得部１２１は、ユーザＡが入力したキーワード「ＡＩリサーチャ」を取得する。これにより、取得部１２１は、検索を行うユーザの検索意図がより直接的に反映されたキーワードを取得する。つまり、上記の例では、ユーザＡがアドバイザとして「ＡＩリサーチャ」を検索する場合に、ユーザＡはキーワードを自由に入力することで、直感的な検索が可能となる。
取得部１２１は、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報を取得する。具体的には、取得部１２１は、検索を行うユーザのユーザ端末２００に検索ウィンドウを表示させ、検索を行うユーザが検索ウィンドウに入力したキーワードを取得する。例えば、取得部１２１は、ユーザＡが入力したキーワード「ＡＩリサーチャ」を取得する。これにより、取得部１２１は、検索を行うユーザの検索意図がより直接的に反映されたキーワードを取得する。つまり、上記の例では、ユーザＡがアドバイザとして「ＡＩリサーチャ」を検索する場合に、ユーザＡはキーワードを自由に入力することで、直感的な検索が可能となる。
【0101】
また、取得部１２１は、検索を行うユーザの目標に関する情報としてのキーワードを取得する。具体的には、取得部１２１は、検索を行うユーザの目標に関する情報としてのキーワードを記憶部１３０から取得する。例えば、取得部１２１は、検索を行うユーザＡの検索を行うユーザがキャリアシートに記載した５年後の目標から抽出されたキーワード「映像コミュニケーションエンジニア」を記憶部１３０から取得する。また、例えば、取得部１２１は、検索を行うユーザＡの検索を行うユーザがキャリアシートに記載した５年後の目標に記載された情報をキーワードとして、記憶部１３０から取得する。なお、先述のとおり、取得部１２１により、検索を行うユーザの目標に関する情報として取得されるキーワードは、文章の形式であってもよいし、文章から抽出された単語等の形式であってもよい。
【0102】
ここで、検索を行うユーザの目標に関する情報から抽出としてキーワードを取得する場合には、ユーザがキャリアシートに記載した内容から形態素解析等の方法により抽出してもよい。なお、取得部１２１は、タレント、スキル、得意領域、自己紹介、チャットデータ等のように、各種の目標に関する情報から抽出されたキーワードを取得してもよい。
【0103】
これにより、取得部１２１は、検索を行うユーザが過去に入力した自律的なキャリア形成に関する情報から、検索を行うユーザの検索意図が反映されたキーワードを自動的に取得する。つまり、上記の例では、取得部１２１は、ユーザＡがアドバイザとして「映像コミュニケーションエンジニア」を検索する場合に、ユーザＡに関する登録済みの情報を活用することで、キーワード「映像コミュニケーションエンジニア」を自動的に取得し、ユーザＡの負担を軽減する。
【0104】
また、取得部１２１は、検索を行うユーザの目標に関する情報として、目標とするタレントの情報を取得する。具体的には、取得部１２１は、検索を行うユーザが目標とするタレントの情報を、記憶部１３０から取得する。例えば、取得部１２１は、検索を行うユーザＡの目標に関する情報として、目標とするタレント「データエンジニア」を記憶部１３０から取得する。これにより、取得部１２１は、検索を行うユーザが目標とするタレントを自動的に取得する。つまり、上記の例では、取得部１２１は、ユーザＡがロールモデルを検索する場合に、ユーザＡに関する登録済みの情報を活用することで、目標とするタレント「データエンジニア」の情報を自動的に取得し、ユーザＡの負担を軽減する。
【0105】
また、取得部１２１は、検索を行うユーザの目標に関する情報として、人柄の情報を取得する。具体的には、取得部１２１は、検索を行うユーザの目標に関する情報として、性格を記憶部１３０から取得する。例えば、取得部１２１は、検索を行うユーザＡの目標に関する情報として、人柄「温和」を記憶部１３０から取得する。また、取得部１２１は、タグ付けされていない人柄の情報を取得する場合、プロフィールや自己紹介等、キャリアシートに記載された文章や、メール・チャットの履歴情報等を取得してもよい。また、取得部１２１は、性格やコミュニケーションタイプを数値として取得してもよい。
【0106】
これにより、取得部１２１は、検索を行うユーザの人柄に関する情報を自動的に取得する。つまり、取得部１２１は、ユーザＡがロールモデルを検索する場合に、ユーザＡに関する登録済みの情報を活用することで、人柄の情報を自動的に取得し、ユーザＡの負担を軽減する。
【0107】
ここで、人柄の情報とは、ユーザの人柄に関する情報であって、ユーザが行うコミュニケーションのタイプや、ユーザの性格といった情報が含まれる。なお、性格の分類については、例えば、ＢｉＧ Ｆｉｖｅといったパーソナリティ特性の分類法を用いてもよい。
【0108】
また、例えば、取得部１２１は、ユーザ同士の連絡に関する情報を取得する。具体的には、取得部１２１は、ユーザ同士の連絡に関する履歴情報を記憶部１３０から取得する。例えば、取得部１２１は、ユーザＡとユーザＢとの間で行われたメールの履歴情報を取得する。これにより、取得部１２１は、検索を行うユーザと関係するユーザを特定するための情報を自動的に取得する。
【0109】
（計算部１２３）
計算部１２３は、第一計算部１２３１と第二計算部１２３２と、を有する。第一計算部１２３１は、取得部１２１により取得された、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報と、ユーザごとの職種を示すタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とを照合することにより一致度合を計算する。具体的には、第一計算部１２３１は、取得部１２１により取得されたユーザが入力したキーワードと、記憶部１３０から取得されたタレントとに、所定の計算方法を用いることにより、キーワードの一致度合を計算する。なお、第一計算部１２３１は、コサイン類似度を用いた所定のルールに基づいて総合的な一致度合を計算してもよい。
計算部１２３は、第一計算部１２３１と第二計算部１２３２と、を有する。第一計算部１２３１は、取得部１２１により取得された、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報と、ユーザごとの職種を示すタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とを照合することにより一致度合を計算する。具体的には、第一計算部１２３１は、取得部１２１により取得されたユーザが入力したキーワードと、記憶部１３０から取得されたタレントとに、所定の計算方法を用いることにより、キーワードの一致度合を計算する。なお、第一計算部１２３１は、コサイン類似度を用いた所定のルールに基づいて総合的な一致度合を計算してもよい。
【0110】
また、具体的には、第一計算部１２３１は、取得部１２１により取得されたユーザが入力したキーワードと、記憶部１３０から取得されたタレントとに、キーワードの一致度合を推定する学習モデルを用いることにより、キーワードの一致度合を計算する。例えば、第一計算部１２３１は、取得部１２１により取得された、ユーザＡが入力したキーワード「データエンジニア」と、記憶部１３０から取得されたユーザＢのタレント「データサイエンティスト」とのキーワードの一致度合を０．８と計算する。
【0111】
これにより、第一計算部１２３１は、検索を行うユーザの検索意図がより直接的に反映されたキーワードまたは目標に関する情報と、各ユーザのタレントに関する情報との類似度を計算する。また、これにより、第一計算部１２３１は、検索条件との一致ではなく、検索意図にどれだけ沿っているかといった指標を計算する。
【0112】
また、第一計算部１２３１は、取得部１２１により取得されたユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報と、ユーザごとの情報を記憶する記憶部１３０から取得されたユーザの情報とを照合することによりキーワードの一致度合を計算する。具体的には、第一計算部１２３１は、取得部１２１により取得されたユーザが入力したキーワードまたはユーザの目標に関する情報としてのキーワードと、ユーザごとの情報を記憶する記憶部１３０から取得されたユーザの情報とに、所定の計算方法を用いることによりキーワードの一致度合を計算する。
【0113】
また、具体的には、第一計算部１２３１は、取得部１２１により取得されたユーザが入力したキーワードまたはユーザの目標に関する情報としてのキーワードと、ユーザごとの情報を記憶する記憶部１３０から取得されたユーザの情報とに、キーワードの一致度合を推定する学習モデルを用いることによりキーワードの一致度合を計算する。
【0114】
例えば、第一計算部１２３１は、取得部１２１により取得されたユーザＡが入力したキーワード「コンサルティングセールス」と、記憶部１３０から取得されたユーザＢのタレント「インサイドセールス」とのキーワードの一致度合を０．６と計算する。また、例えば、第一計算部１２３１は、取得部１２１により取得されたユーザＡの目標に関する情報から抽出されたキーワード「コンサルティングセールス」と、記憶部１３０から取得されたユーザＢのスキル「セールス」とのキーワードの一致度合を０．４と計算する。
【0115】
また、例えば、第一計算部１２３１は、取得部１２１により取得されたユーザＡの目標に関する情報から抽出されたキーワード「コンサルティングセールス」と、記憶部１３０から取得されたユーザＢの得意領域「販売・営業」とのキーワードの一致度合を０．３と計算する。
【0116】
これにより、第一計算部１２３１は、検索を行うユーザの検索意図がより直接的に反映されたキーワードまたは、自動的に取得された、検索を行うユーザの検索意図が反映されたキーワードと、各ユーザのタレント、スキル、得意領域に関する情報との類似度を計算する。
【0117】
また、第一計算部１２３１は、取得部１２１により取得された検索を行うユーザの目標に関する情報と、ユーザごとのタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とを照合することにより、タレントの一致度合を計算する。具体的には、第一計算部１２３１は、取得部１２１により取得された検索を行うユーザの目標に関する情報として目標とするタレントの情報と、ユーザごとのタレントの情報を記憶する記憶部１３０から取得されたユーザのタレントの情報とに、所定の計算方法を用いることにより、タレントの一致度合を計算する。
【0118】
また、具体的には、第一計算部１２３１は、取得部１２１により取得された検索を行うユーザの目標に関する情報として目標とするタレントの情報と、ユーザごとのタレントの情報を記憶する記憶部１３０から取得されたユーザのタレントの情報とに、タレントの一致度合を推定する学習モデルを用いることにより、タレントの一致度合を計算する。なお、第一計算部１２３１は、検索を行うユーザの目標に関する情報として、目標、所定年後のキャリアイメージといった情報を用いて一致度合を計算してもよい。
【0119】
例えば、第一計算部１２３１は、取得部１２１により取得されたユーザＡが目標とするタレント「サーバサイドエンジニア」と、記憶部１３０から取得されたユーザＢの現在のタレント「サーバサイドエンジニア」とのタレントの一致度合を１．０と計算する。
【0120】
また、第一計算部１２３１は、取得部１２１により取得されたユーザＡが目標とするタレント「フロントサイドエンジニア」と、記憶部１３０から取得されたユーザＢの過去のタレント「フロントサイドエンジニア」とのタレントの一致度合を１．０と計算する。
【0121】
これにより、第一計算部１２３１は、検索を行うユーザが目標とするタレントと、各ユーザの現在または過去のタレントとの類似度を計算する。
【0122】
また、第一計算部１２３１は、取得部１２１により取得された人柄の情報と、ユーザごとの人柄の情報を記憶する記憶部１３０から取得された人柄の情報とを照合することにより、人柄の一致度合を計算する。具体的には、第一計算部１２３１は、取得部１２１により取得された人柄の情報と、ユーザごとの人柄の情報を記憶する記憶部１３０から取得された人柄の情報とに、所定の計算方法を用いることにより、人柄の一致度合を計算する。
【0123】
また、具体的には、第一計算部１２３１は、取得部１２１により取得された人柄の情報と、ユーザごとの人柄の情報を記憶する記憶部１３０から取得された人柄の情報とに、人柄の一致度合を推定する学習モデルを用いることにより、人柄の一致度合を計算する。
【0124】
例えば、第一計算部１２３１は、取得部１２１により取得された人柄の情報と、記憶部１３０から取得されたユーザの人柄の情報との一致度合を０．７と計算する。また、例えば、第一計算部１２３１は、取得部１２１により取得された人柄「温和」と、記憶部１３０から取得されたユーザの人柄「おだやか」との人柄の一致度合を０．８と計算する。
【0125】
また、例えば、第一計算部１２３１は、タグ付けされていない人柄の情報を用いて一致度合を計算してもよい。例えば、第一計算部１２３１は、取得部１２１により取得されたプロフィールや自己紹介等に記載された文章と、記憶部１３０から取得されたユーザのプロフィールや自己紹介等に記載された文章とを、人柄の一致度合を推定する学習モデルに入力し、人柄の一致度合０．７と計算する。また、例えば、第一計算部１２３１は、数値化された性格やコミュニケーションタイプの情報を用いて、人柄の一致度を計算してもよい。
【0126】
これにより、第一計算部１２３１は、自動的に取得された、検索を行うユーザの人柄の情報と、各ユーザの人柄の情報との類似度を計算する。
【0127】
なお、第一計算部１２３１は、複数の一致度合を計算した場合、それぞれの一致度合の平均値を一致度合として用いてもよい。例えば、第一計算部１２３１は、キーワード「ＡＩリサーチャ」の一致度合０．８と、キーワード「リサーチャ」の一致度合０．６との平均値０．７を計算し、平均値０．７を、キーワードの一致度合として用いてもよい。また、例えば、第一計算部１２３１は、タレント「データサイエンティスト」の一致度合０．９と、タレント「データエンジニア」の一致度合０．７との平均値０．８を計算し、平均値０．８を、タレントの一致度合として用いてもよい。
【0128】
また、例えば、第一計算部１２３１は、性格「温厚」の一致度合０．６と、性格「ほがらか」の一致度合０．７との平均値０．６５を計算し、平均値０．６５を、人柄の一致度合として用いてもよい。これにより、第一計算部１２３１は、複数の一致度合を計算した場合であっても、キーワード、タレント、人柄ごとに、一致度合を統合することができる。
【0129】
なお、第一計算部１２３１は、後述する表示部１２５により、一致度合の重み付けの操作を受け付けた場合には、変更後の一致度合を用いて平均値を計算し、平均値を一致度合として用いることができる。また、第一計算部１２３１は、所定の一致度合として、文字列の一致度合と意味の一致度合との双方またはいずれか一方を計算することができる。
【0130】
第二計算部１２３２は、第一計算部１２３１により計算されたタレントの一致度合と、人柄の一致度合とを用いて、総合的な一致度合を計算する。具体的には、第二計算部１２３２は、第一計算部１２３１により計算されたタレントの一致度合と、人柄の一致度合とに、所定の計算方法を用いて、総合的な一致度合を計算する。例えば、第二計算部１２３２は、第一計算部１２３１により計算されたタレントの一致度合と、人柄の一致度合とに対して、それぞれ所定の重み係数を掛けることにより合計値を算出して、総合的な一致度合計算する。このとき、第二計算部１２３２は、合計値を正規化した上で、総合的な一致度合を計算してもよい。
【0131】
また、具体的には、第二計算部１２３２は、第一計算部１２３１により計算されたタレントの一致度合と、人柄の一致度合とに、総合的な一致度合を推定する学習モデルを用いることにより、総合的な一致度合を計算する。
【0132】
第二計算部１２３２による具体的な処理例については、後述の[総合的な一致度合の算出]で説明する。なお、第二計算部１２３２は、タレントの一致度合または人柄の一致度合のいずれか一方のみを用いて、総合的な一致度合を計算してもよい。
【0133】
これにより、第二計算部１２３２は、タレントに関する類似度と、人柄に関する類似度とを用いて、包括的な類似度を計算する。
【0134】
（検索部１２４）
検索部１２４は、取得部１２１により取得されたユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報と、ユーザごとの職種を示すタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とに基づいて、記憶部１３０に記憶されたユーザの情報を検索する。
検索部１２４は、取得部１２１により取得されたユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報と、ユーザごとの職種を示すタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とに基づいて、記憶部１３０に記憶されたユーザの情報を検索する。
【0135】
例えば、検索部１２４は、取得部１２１により取得された情報と、記憶部１３０から取得された情報との距離を測定し、測定された距離を用いることにより、記憶部１３０に記憶されたユーザの情報を検索する。ここで、文章間の距離は、形態素解析により抽出された単語で再構成された文章をベクトル化し、類似度としてコサイン類似度を用いることにより測定される。ここで、ベクトル化の方法としては、例えば、ＢＯＷ（Bag of Words）やＴＦ―ＩＤＦ（Term Frequency-Inverse Document Frequency）等のOne-hot表現による手法を用いてもよいし、分散表現による手法を用いてもよい。なお、上記の文章間の距離測定は、第一計算部１２３１が行ってもよい。
【0136】
また、検索部１２４は、第一計算部１２３１により計算されたキーワードの一致度合の高さに応じて、記憶部１３０に記憶された、検索を行うユーザの抱える課題を解決するユーザの情報を検索する。具体的には、検索部１２４は、第一計算部１２３１により計算されたキーワードの一致度合が所定値以上である、記憶部１３０に記憶された、検索を行うユーザが抱える課題を解決するユーザの情報を、一致度合が高い順に検索する。例えば、検索部１２４は、第一計算部１２３１により計算されたキーワードの一致度合が０．５以上である、記憶部１３０に記憶された、検索を行うユーザの抱える課題を解決するユーザの情報を、キーワードの一致度合が高い順に検索する。
【0137】
また、具体的には、検索部１２４は、第一計算部１２３１により計算されたキーワードの一致度合が高い順に、記憶部１３０に記憶された、検索を行うユーザが抱える課題を解決するユーザの情報を所定数検索する。例えば、検索部１２４は、第一計算部１２３１により計算されたキーワードの一致度合が高い順に、記憶部１３０に記憶された、検索を行うユーザの抱える課題を解決するユーザの情報を２０名分検索する。
【0138】
これにより、検索部１２４は、自律的なキャリア形成を目的とする検索者の意図に沿った検索を行う。つまり、検索部１２４は、検索を行うユーザの意図するキーワードやタレントの情報と完全一致していない場合であっても、一致度合の高いユーザを検索することで、検索を行うユーザの抱える課題を解決するユーザの特定を可能とする。
【0139】
また、検索部１２４は、第一計算部１２３１により計算されたタレントの一致度合の高さに応じて、記憶部１３０に記憶された、検索を行うユーザの見本となるユーザの情報を検索する。具体的には、検索部１２４は、第一計算部１２３１により計算された一致度合が所定値以上である、記憶部１３０に記憶された、検索を行うユーザの見本となるユーザの情報を、タレントの一致度合が高い順に検索する。例えば、検索部１２４は、第一計算部１２３１により計算されたタレントの一致度合が０．５以上である、記憶部１３０に記憶された、検索を行うユーザの見本となるユーザの情報を、タレントの一致度合が高い順に検索する。
【0140】
また、具体的には、検索部１２４は、第一計算部１２３１により計算されたタレントの一致度合が高い順に、記憶部１３０に記憶された、検索を行うユーザの見本となるユーザの情報を所定数検索する。例えば、検索部１２４は、第一計算部１２３１により計算されたタレントの一致度合が高い順に、記憶部１３０に記憶された、検索を行うユーザの見本となるユーザの情報を２０名分検索する。
【0141】
これにより、検索部１２４は、自律的なキャリア形成を目的とする検索者の意図に沿った検索を行う。つまり、検索部１２４は、検索を行うユーザの意図するキーワードやタレントの情報と完全一致していない場合であっても、一致度合の高いユーザを検索することで、検索を行うユーザの見本となるユーザの特定を可能とする。
【0142】
また、検索部１２４は、第二計算部１２３２により計算された、総合的な一致度合を用いて、記憶部１３０に記憶された、検索を行うユーザの見本となるユーザの情報を検索する。具体的には、検索部１２４は、第二計算部１２３２により計算された総合的な一致度合が所定値以上である、記憶部１３０に記憶された、検索を行うユーザの見本となるユーザの情報を、総合的な一致度合が高い順に検索する。例えば、検索部１２４は、第二計算部１２３２により計算された総合的な一致度合が０．５以上である、記憶部１３０に記憶された、検索を行うユーザの見本となるユーザの情報を、総合的な一致度合が高い順に検索する。
【0143】
また、具体的には、検索部１２４は、第二計算部１２３２により計算された総合的な一致度合が高い順に、記憶部１３０に記憶されたユーザの情報を所定数検索する。例えば、検索部１２４は、第二計算部１２３２により計算された総合的な一致度合が高い順に、記憶部１３０に記憶されたユーザの情報を３０名分検索する。なお、検索部１２４は、所定の一致度合順にユーザの情報を検索するとき、降順だけでなく昇順による検索方法を用いてもよい。
【0144】
これにより、検索部１２４は、自律的なキャリア形成を目的とする検索者の検索意図に沿い、なおかつ、人柄面の相性をも考慮して検索を行う。つまり、検索部１２４は、検索を行うユーザの意図するキーワードやタレントの情報との一致度合が高く、なおかつ、人柄の一致度合が高いユーザを検索することで、検索者が求める技能や能力を持つことに加えて、人柄の面で相性がいい人物を特定し、検索者の自律的なキャリア形成に寄与する。
【0145】
なお、検索部１２４は、検索を行うユーザの目標となるユーザが複数人いる場合、検索を行うユーザからの選択を受け付けて、検索された複数人のうちから、検索を行うユーザの見本となるユーザを特定してもよい。ユーザからの選択を受け付ける方法としては、例えば、検索部１２４は、検索された複数人の一覧を表示し、一覧からユーザの選択を受け付けるようにしてもよい。あるいは、検索部１２４は、検索を行うユーザの目標となるユーザが複数人いる場合、一致度合の高さに応じて、検索を行うユーザの見本となるユーザを特定してもよい。
【0146】
例えば、検索部１２４は、検索を行うユーザの目標となるユーザが複数人いる場合、一致度合が最も高いユーザを、検索を行うユーザの見本となるユーザとして特定してもよいし、最も高いユーザではなく、一致度合が所定の順位のユーザを、検索を行うユーザの見本となるユーザとして特定してもよい。また、例えば、検索部１２４は、検索を行うユーザの目標となるユーザが複数人いる場合、一致度合が所定の範囲内であるユーザを、検索を行うユーザの見本となるユーザとして特定する。
【0147】
（表示部１２５）
表示部１２５は、検索部１２４により検索されたユーザの情報を表示する。具体的には、表示部１２５は、検索部１２４により検索されたユーザの情報を、ユーザ端末２００に表示させる。例えば、表示部１２５は、検索部１２４により検索されたユーザＡの情報をユーザ端末２００に表示させる。
表示部１２５は、検索部１２４により検索されたユーザの情報を表示する。具体的には、表示部１２５は、検索部１２４により検索されたユーザの情報を、ユーザ端末２００に表示させる。例えば、表示部１２５は、検索部１２４により検索されたユーザＡの情報をユーザ端末２００に表示させる。
【0148】
これにより、表示部１２５は、検索者の自律的なキャリア形成を目的とした人物検索結果を表示し、人的資本の有効活用を可能とする。つまり、表示部１２５は、上記の例では、検索を行ったユーザのユーザ端末に、ユーザＡの情報を表示することにより、ユーザの検索目的に沿う人物の特定、コンタクトを可能とする。
【0149】
また、表示部１２５は、検索部１２４により検索されたユーザと、当該ユーザと関係のあるユーザとの情報を、ユーザ間の関係性に応じた相関図の形式で表示する。例えば、表示部１２５は、検索部１２４により検索されたユーザＢと、当該ユーザと関係のあるユーザＣとの情報を、ユーザ間の関係性に応じた相関図の形式で表示する。このとき、表示部１２５は、検索を行ったユーザの情報を含めて表示をしてもよい。また、表示部１２５は、所属部署、コンタクトの有無、お気に入りユーザの情報を含めて表示をしてもよい。
【0150】
これにより、表示部１２５は、検索を行ったユーザに、検索結果に表示されたユーザの人間関係を把握することを可能とし、共通する知人の発見等により、連絡する際の心的負担を軽減させることができる。
【0151】
また、表示部１２５は、検索部１２４により検索されたユーザの情報に加えて、検索に用いられた一致度合の情報を表示する。具体的には、表示部１２５は、検索部１２４により検索されたユーザの情報に加えて、検索に用いられたキーワードの一致度合、タレントの一致度合、人柄の一致度合の情報を、ユーザ端末２００に表示させる。例えば、表示部１２５は、検索部１２４により検索されたユーザＢの情報に加えて、検索に用いられたキーワード「リサーチャ」の一致度合０．５、タレント「ＡＩリサ―チャ」の一致度合０．７、人柄「温厚」の一致度合０．６の情報を、ユーザ端末２００に表示させる。
【0152】
このとき、表示部１２５は、それぞれの一致度合に対する重み付けの操作を受け付けて、それぞれの一致度合を変更してもよい。具体的には、表示部１２５は、第一計算部１２３１により計算された一致度合に対して、所定値の加算、減算処理を受け付けることにより、一致度合を変更し、変更後の一致度合を用いて検索されたユーザの情報を、ユーザ端末２００に表示させる。これにより、表示部１２５は、検索者による検索結果に対する操作をフィードバックとして受け付けて、検索者が重視する要素の影響がより強く反映された検索結果を表示することができる。
【0153】
（更新部１２６）
更新部１２６は、取得部１２１により取得されたユーザ同士の連絡に関する情報を用いて、記憶部１３０に記憶されるユーザの情報を更新する。具体的には、更新部１２６は、取得部１２１により取得されたユーザＡとユーザＢとの間で行われたメールの履歴情報から、ユーザＡと関係があるユーザにユーザＢを追加し、また、ユーザＢと関係があるユーザにユーザＡを追加することにより、ユーザの情報を更新する。これにより更新部１２６は、最新のユーザ間の関係性をデータベース等に反映させ、ユーザ間のコンタクトを活性化させる。
更新部１２６は、取得部１２１により取得されたユーザ同士の連絡に関する情報を用いて、記憶部１３０に記憶されるユーザの情報を更新する。具体的には、更新部１２６は、取得部１２１により取得されたユーザＡとユーザＢとの間で行われたメールの履歴情報から、ユーザＡと関係があるユーザにユーザＢを追加し、また、ユーザＢと関係があるユーザにユーザＡを追加することにより、ユーザの情報を更新する。これにより更新部１２６は、最新のユーザ間の関係性をデータベース等に反映させ、ユーザ間のコンタクトを活性化させる。
【0154】
〔２－２．概要〕
図１０を用いて、情報処理装置１００が行う処理の概要について説明する。図１０（１）は、検索ウィンドウである。図１０（２）は、検索結果一覧である。図１０（３）は、詳細情報画面である。図１０（４）は、相関図画面である。
図１０を用いて、情報処理装置１００が行う処理の概要について説明する。図１０（１）は、検索ウィンドウである。図１０（２）は、検索結果一覧である。図１０（３）は、詳細情報画面である。図１０（４）は、相関図画面である。
【0155】
まず、取得部１２１は、図１０（１）に示すように、検索ウィンドウをユーザ端末２００に表示させ、検索対象とユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報の入力を受け付ける。例えば、取得部１２１は、ユーザ端末２００に表示させた検索ウィンドウにおいて、アドバイザやロールモデルといった検索対象の選択をプルダウンやラジオボタン等の選択により受け付ける。
【0156】
また、例えば、取得部１２１は、検索ウィンドウをユーザ端末２００に表示させることにより、検索対象の情報と、ユーザが入力したキーワードの情報を受け付ける。また、例えば、取得部１２１は、検索ウィンドウをユーザ端末２００に表示させることにより、検索対象の情報を受け付け、同時に、検索を行うユーザの目標に関する情報を自動入力の形で受け付ける。例えば、取得部１２１は、アドバイザが選択された場合には、「検索を行うユーザの目標に関する情報から抽出されたキーワード」、ロールモデルが選択された場合には、「検索を行うユーザの目標とするタレント」等、検索対象に応じた所定情報の自動入力を受け付ける。
【0157】
次に、第一計算部１２３１は、図１０（１）で受け付けた検索対象と、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報と、記憶部１３０が記憶する情報とを照合することで一致度合を計算する。例えば、第一計算部１２３１は、取得部１２１により取得された情報と、記憶部１３０が記憶するユーザのタレント、スキル、人柄等の情報を用いて、キーワードの一致度合、タレントの一致度合、人柄の一致度合を計算する。加えて、第二計算部１２３２は、第一計算部１２３１により計算された、タレントの一致度合と人柄の一致度合とから総合的な一致度合を計算する。
【0158】
それから、検索部１２４は、図１０（２）で示すように、所定の一致度合が高い順に、記憶部１３０に記憶されたユーザの情報を検索する。これにより、検索部１２４は、検索を行うユーザの検索意図に沿ったユーザの検索を行うことができる。
【0159】
そして、表示部１２５は、図１０（２）で示すように、検索部１２４により検索結果を、ユーザ端末２００に表示させる。これにより、情報処理装置１００は、検索を行ったユーザにより、現在抱える課題を解決する人物や、見本となる人物を見つけることが可能となり、人的資本を有効に活用することができる。
【0160】
また、表示部１２５は、図１０（３）で示すように、検索結果を表示し、図１０（２）の検索結果一覧画面から、詳細情報をユーザ端末２００に表示させる。例えば、表示部１２５は、検索結果一覧に表示されたユーザＢを選択することにより、年次、所属部署、職位、職階、タレント、知人関係、コミュニケーションの傾向や好み、コミュニケーションデータ、性格、応対可否といった情報をユーザ端末２００に表示させる。また、例えば、表示部１２５は、検索結果一覧に表示されたユーザＢを選択することにより、検索を行ったユーザＡのお気に入りにユーザＢを追加する。これにより、情報処理装置１００は、検索を行ったユーザが、検索結果に表示されたユーザと連絡することを容易にし、人的資本を有効に活用することができる。
【0161】
また、表示部１２５は、図１０（４）で示すように、図１０（２）の検索結果一覧画面から、検索結果に表示されたユーザの人間関係の相関図を、ユーザ端末２００に表示させる。例えば、表示部１２５は、検索結果一覧に表示されたユーザＢとつながりのある人物とを線で結んだ相関図を、ユーザ端末２００に表示させる。
【0162】
また、表示部１２５は、検索結果一覧に表示された特定ユーザとつながりがある人物とを、つながりの種類ごとに異なる方法で示した相関図を、ユーザ端末２００に表示させる。ここで、表示部１２５により相関図で表示されるつながりのある人物には、過去の案件で関わりのあった人物や、過去に連絡を交わした人物等が含まれる。例えば、表示部１２５は、ユーザＢと過去の案件で関わりのあった人物とを赤色の線で、ユーザＢと連絡を取る人物とを、緑色の線で結んだ相関図を表示する。
【0163】
このとき、表示部１２５は、ユーザ間の関係性に応じて、線の色、線の種類（波線・点線等）、線の太さ等を変更して相関図を表示してもよい。例えば、表示部１２５は、ユーザの所属部署や、ユーザ間の過去のコンタクトの有無、お気に入りに登録している、もしくはお気に入り登録されている等といった情報に応じて、線の色、線の種類（波線・点線等）、線の太さ等を変更して相関図を表示する。また、例えば、表示部１２５は、ユーザＢと過去の案件で関わりのあった人物のみを示した相関図を、ユーザ端末２００に表示させる。
【0164】
これにより、表示部１２５は、検索を行ったユーザに、検索結果に表示されたユーザの人間関係を把握することを可能とし、共通する知人の発見等により、連絡する際の心的負担を軽減させることができる。
【0165】
〔２－３．処理の詳細〕
（検索方法）
次に、図１１を用いて、情報処理装置１００が行う検索方法について説明する。図１１上部は、検索を行うユーザの抱える課題を解決するアドバイザの検索方法である。図１１下部は、検索を行うユーザの見本となるロールモデルの検索方法である。
（検索方法）
次に、図１１を用いて、情報処理装置１００が行う検索方法について説明する。図１１上部は、検索を行うユーザの抱える課題を解決するアドバイザの検索方法である。図１１下部は、検索を行うユーザの見本となるロールモデルの検索方法である。
【0166】
図１１上部のアドバイザ検索では、第一計算部１２３１により、検索者のキーワードとマッチング相手の現在または過去のタレント、スキル、得意領域との一致度合が計算される。ここで、検索者のキーワードには、ユーザが自由入力により入力したキーワードと、ユーザの目標に関する情報としてのキーワードとの２種類が含まれる。
【0167】
まず、取得部１２１は、検索ウィンドウをユーザ端末２００に表示させることにより、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報を取得する。例えば、取得部１２１は、ユーザが入力したキーワード「ビジネスプランナ」を取得する。また、例えば、検索を行うユーザの目標に関する情報から抽出されたキーワード「ビジネスプランナ」を取得する。
【0168】
次に、第一計算部１２３１は、取得部１２１により取得されたキーワード「ビジネスプランナ」と、記憶部１３０に記憶されたユーザごとのタレント情報とを照合することにより一致度合を計算する。
【0169】
それから、検索部１２４は、第一計算部１２３１により計算された一致度合の高さに応じて、記憶部１３０に記憶された、検索を行うユーザが抱える課題を解決するユーザの情報を検索する。
【0170】
そして、表示部１２５は、検索部１２４による検索結果をユーザ端末２００に表示させる。このとき、表示部１２５は、選択された人物に関する「年次、所属部署、職位、職階、タレント、知人関係、コミュニケーションの傾向や好み、コミュニケーションデータ、性格、応対可否」といった情報を表示する。
【0171】
図１１下部のロールモデル検索では、第一計算部１２３１により、検索を行うユーザの目標とするタレントと検索対象者の現在または過去のタレントとの一致度合および検索を行うユーザの人柄の情報と検索対象者の人柄の情報との一致度合とが計算される。このとき、第二計算部１２３２は、タレントの一致度合と、人柄の一致度合とから総合的な一致度合を計算してもよい。
【0172】
まず、取得部１２１は、検索ウィンドウをユーザ端末２００に表示させることにより、ユーザの目標とするタレントの情報と、人柄の情報とを取得する。例えば、取得部１２１は、ユーザの目標とするタレントの情報として「プロジェクトマネージャ」、人柄の情報として「温和」を取得する。
【0173】
次に、第一計算部１２３１は、取得部１２１により取得されたユーザの目標とするタレント「プロジェクトマネージャ」と、記憶部１３０に記憶されたユーザごとのタレント情報とを照合することにより、タレントの一致度合を計算する。また、第一計算部１２３１は、取得部１２１により取得された人柄の情報「温和」と、記憶部１３０に記憶されたユーザごとの人柄の情報との照合を行うことにより人柄の一致度合を計算する。
【0174】
それから、第二計算部１２３２は、第一計算部１２３１により計算されたタレントの一致度合と、人柄の一致度合とを用いて、総合的な一致度合を計算する。第二計算部１２３２で行われる計算については、後述の［総合的な一致度合の計算］で説明する。
【0175】
続いて、検索部１２４は、第二計算部１２３２により計算された、総合的な一致度合を用いて、記憶部１３０に記憶されたユーザの情報を検索する。
【0176】
そして、表示部１２５は、検索部１２４による検索結果をユーザ端末２００に表示させる。このとき、表示部１２５は、選択された人物に関する「年次、所属部署、職位、職階、タレント、知人関係、コミュニケーションの傾向や好み、コミュニケーションデータ、性格、応対可否」といった情報を表示する。
【0177】
（総合的な一致度合の計算）
次に、図１２、図１３を用いて、総合的な一致度合の計算処理について説明する。まず、第二計算部１２３２は、第一計算部１２３１により計算されたタレントの一致度合と、人柄の一致度合との各要素に対して重み係数を掛けて合計値を算出する。つまり、第二計算部１２３２は、タレントまたは人柄いずれかの要素を重視して、合計値を算出する。
次に、図１２、図１３を用いて、総合的な一致度合の計算処理について説明する。まず、第二計算部１２３２は、第一計算部１２３１により計算されたタレントの一致度合と、人柄の一致度合との各要素に対して重み係数を掛けて合計値を算出する。つまり、第二計算部１２３２は、タレントまたは人柄いずれかの要素を重視して、合計値を算出する。
【0178】
例えば、第二計算部１２３２は、タレント重視でマッチング相手を探す場合には、タレントの一致度合に対する重み係数を０．８、人柄の一致度合に対する重み係数を０．２として合計値を計算する。例えば、第二計算部１２３２は、第一計算部１２３１により計算されたタレントの一致度合０．８に重み係数０．８を掛けた値と、第一計算部１２３１により計算された人柄の一致度合０．３に重み係数０．２を掛けた値との合計値０．７０を算出する。
【0179】
また、例えば、第二計算部１２３２は、人柄重視でマッチング相手を探す場合には、タレントの一致度合に対する重み係数を０．２、人柄の一致度合に対する重み係数を０．８として合計値を計算する。例えば、第二計算部１２３２は、第一計算部１２３１により計算されたタレントの一致度合０．４に重み係数０．２を掛けた値と、第一計算部１２３１により計算された人柄の一致度合０．９に重み係数０．８を掛けた値との合計値０．８０を算出する。
【0180】
このとき、第二計算部１２３２は、算出された合計値を所定の計算により正規化し、百分率として表すことで総合的な一致度合を計算してもよい。例えば、第二計算部１２３２は、実際の合計値を、合計値がとりうる最大値により除算することにより、百分率として表示してもよい。
【0181】
それから、検索部１２４は、第二計算部１２３２により計算された一致度合の高い順に、記憶部１３０に記憶された、検索を行うユーザの見本となるユーザを検索する。
【0182】
そして、表示部１２５は、図１３に示すように、検索部１２４により検索された結果をユーザ端末２００に表示する。このとき、表示部１２５は、タレント重視による総合的な一致度合の表示と、人柄重視による総合的な一致度合の表示とを、スライドバー操作により段階的に切り替えてユーザ端末２００に表示させる。これにより、表示部１２５は、検索を行うユーザが、タレントと人柄との要素をそれぞれどの程度重視するかを考慮して、検索対象者を絞り込むことができる。
【0183】
これにより、情報処理装置１００は、タレントに関する類似度と、人柄に関する類似度とから計算される包括的な類似度を用いて、ユーザが目的とする人物を検索することができる。
【0184】
〔２－４．処理手順〕
（フローチャート）
次に、図１４を用いて、情報処理装置１００による処理の流れを説明する。なお、下記のステップＳ４０１～Ｓ４１０は、異なる順序で実行することもできる。また、下記のステップＳ４０１～Ｓ４１０のうち、省略される処理があってもよい。
（フローチャート）
次に、図１４を用いて、情報処理装置１００による処理の流れを説明する。なお、下記のステップＳ４０１～Ｓ４１０は、異なる順序で実行することもできる。また、下記のステップＳ４０１～Ｓ４１０のうち、省略される処理があってもよい。
【0185】
まず、取得部１２１は、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報を取得する（ステップＳ４０１）。例えば、取得部１２１は、ユーザが入力したキーワード「データエンジニア」を取得する。
【0186】
次に、取得部１２１により、検索対象がアドバイザであるか否かを判定する（ステップＳ４０２）。ここで、検索対象がアドバイザである場合（ステップＳ４０２“ＹＥＳ”）、第一計算部１２３１は、取得部１２１により取得されたユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報としてのキーワードと、ユーザごとの情報を記憶する記憶部１３０から取得されたユーザの情報とを、照合することによりキーワードの一致度合を計算する（ステップＳ４０３）。例えば、第一計算部１２３１は、取得部１２１により取得されたユーザが入力したキーワード「データエンジニア」と、記憶部１３０に記憶されたユーザのタレント「データサイエンティスト」との一致度合を０．８と計算する。
【0187】
そして、検索部１２４は、第一計算部１２３１により計算されたキーワードの一致度合の高さに応じてユーザの情報を検索する（ステップＳ４０４）。例えば、検索部１２４は、第一計算部１２３１により計算されたキーワードの一致度合が高い順に記憶部１３０に記憶された、検索を行うユーザが抱える課題を解決するユーザを検索する。
【0188】
一方、アドバイザの検索でなく、ロールモデルの検索である場合（ステップＳ４０２“ＮＯ”）、第一計算部１２３１は、取得部１２１により取得された検索を行うユーザの目標に関する情報と、ユーザごとのタレントの情報を記憶する記憶部１３０からタレントの情報を取得し、記憶部１３０から取得したタレントの情報とを照合することにより、タレントの一致度合を計算する（ステップＳ４０５）。例えば、第一計算部１２３１は、取得部１２１により取得された目標とするタレント「サーバサイドエンジニア」と、記憶部１３０に記憶されたユーザのタレント「サーバサイドエンジニア」との一致度合を１．０と計算する。
【0189】
また、第一計算部１２３１は、取得部１２１により取得された人柄の情報と、ユーザごとの人柄の情報を記憶する記憶部１３０から取得された人柄の情報とを用いて、人柄の一致度合を計算する（ステップＳ４０６）。具体的には、第一計算部１２３１は、取得部１２１により取得された人柄「温和」と、記憶部１３０に記憶されたユーザの人柄「おだやか」との一致度合を０．８と計算する。
【0190】
このとき、第二計算部１２３２は、第一計算部１２３１により計算されたタレントの一致度合と、人柄の一致度合とを用いて、総合的な一致度合を計算してもよい（ステップＳ４０７）。例えば、第二計算部１２３２は、第一計算部１２３１により計算されたタレントの一致度合と、人柄の一致度合とに対して、それぞれに所定の重み係数を掛けることにより合計値を算出することにより総合的な一致度合を百分率として表してもよい。
【0191】
その後、検索部１２４は、第一計算部１２３１または第二計算部１２３２により計算された、一致度合の高さに応じて、記憶部１３０に記憶された、検索を行うユーザの見本となるユーザの情報を検索する（ステップＳ４０４）。例えば、表示部１２５は、第二計算部１２３２により計算された総合的な一致度合が高い順に、記憶部１３０に記憶された、検索を行うユーザの見本となるユーザの情報を検索する。これにより、検索部１２４は、検索者の検索意図に沿った検索を可能とする。
【0192】
そして、表示部１２５は、検索部１２４により検索されたユーザを表示する（ステップＳ４０８）。これにより、表示部１２５は、検索者が目的とする人物を発見特定し、コンタクトを可能とする。
【0193】
その後、取得部１２１は、ユーザ間で連絡が行われたか否かを判定する（ステップＳ４０９）。例えば、取得部１２１は、検索を行ったユーザと表示部１２５により表示されたユーザ間における連絡の有無を判定する。
【0194】
ここで、取得部１２１により、ユーザ間で連絡があると判定された場合（ステップＳ４０９“ＹＥＳ”）、更新部１２６は、取得部１２１により取得されたユーザ同士の連絡に関する情報を用いて、記憶部１３０に記憶されるユーザの情報を更新する（ステップＳ４１０）。例えば、更新部１２６は、取得部１２１により取得されたユーザＡとユーザＢとの間で行われた連絡の履歴情報から、ユーザＡと関係があるユーザにユーザＢを追加し、また、ユーザＢと関係があるユーザにユーザＡを追加する。
【0195】
他方、取得部１２１により、ユーザ間で連絡がないと判定された場合（ステップＳ４０９“ＮＯ”）、更新部１２６による更新処理は行われない。
【0196】
〔３．実施形態３：人とタスクのマッチング〕
ここから、実施形態１の「人×仕事」、「人×学習」、「人×課題解決」に係る内容として、「実施形態３：人とタスクのマッチング」についての説明を行う。なお、以下の項目では、〔３－１．装置の構成〕と、〔３－２．処理の詳細〕と、〔３－３．処理手順〕という順で説明を行う。さらに、以下の項目では、タスクは、「人×仕事」、「人×学習」、「人×課題解決」に係る内容を内包する前提で説明する。
ここから、実施形態１の「人×仕事」、「人×学習」、「人×課題解決」に係る内容として、「実施形態３：人とタスクのマッチング」についての説明を行う。なお、以下の項目では、〔３－１．装置の構成〕と、〔３－２．処理の詳細〕と、〔３－３．処理手順〕という順で説明を行う。さらに、以下の項目では、タスクは、「人×仕事」、「人×学習」、「人×課題解決」に係る内容を内包する前提で説明する。
【0197】
〔３－１．装置の構成〕
まず、図１５を用いて、情報処理装置１００の構成について説明する。図１５が示すように、情報処理装置１００は、ネットワーク３００を介して、ユーザ端末２００と接続されている。なお、本構成は前述の実施形態１および実施形態２における装置構成と同様の構成で実現可能であり、本項目では付加部分について説明を行う。
まず、図１５を用いて、情報処理装置１００の構成について説明する。図１５が示すように、情報処理装置１００は、ネットワーク３００を介して、ユーザ端末２００と接続されている。なお、本構成は前述の実施形態１および実施形態２における装置構成と同様の構成で実現可能であり、本項目では付加部分について説明を行う。
【0198】
（記憶部１３０）
記憶部１３０は、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１３０が記憶する情報としては、例えば、ユーザＩＤ、属性、年次、所属部署、職位、職階、経歴、タレント、スキル、得意領域、資格、目標、知人関係、コミュニケーションの傾向や好み、コミュニケーションデータ、性格、応対可否、タスク、チャットデータ、自己紹介データ、キャリアシート、キーワード、その他マッチングに用いる情報等が含まれる。なお、記憶部１３０が記憶する情報は上記に記載したものに限定されない。
記憶部１３０は、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１３０が記憶する情報としては、例えば、ユーザＩＤ、属性、年次、所属部署、職位、職階、経歴、タレント、スキル、得意領域、資格、目標、知人関係、コミュニケーションの傾向や好み、コミュニケーションデータ、性格、応対可否、タスク、チャットデータ、自己紹介データ、キャリアシート、キーワード、その他マッチングに用いる情報等が含まれる。なお、記憶部１３０が記憶する情報は上記に記載したものに限定されない。
【0199】
また、タスクとは、仕事、学習、相談事といった分野における様々な課題である。ここで、仕事には、ユーザの自己実現や、未来のＣＤＰにつながる案件、現在活躍することのできる案件、新規ビジネスに関する情報が含まれる。また、学習には、スキルアップのための研修や勉強会に関する情報が含まれる。また、相談事には、スキル等により解決することができる業務上の悩み事、悩み事を解決することができるスキルに関する情報が含まれる。
【0200】
（制御部１２０）
制御部１２０は、ＣＰＵやＮＰやＦＰＧＡ等を用いて実現され、メモリに記憶された処理プログラムを実行する。図１５に示すように、制御部１２０は、取得部１２１と、特定部１２２、計算部１２３と、検索部１２４と、表示部１２５、受付部１２７と、変更部１２８と、を有する。以下、制御部１２０が有する各部について説明する。
制御部１２０は、ＣＰＵやＮＰやＦＰＧＡ等を用いて実現され、メモリに記憶された処理プログラムを実行する。図１５に示すように、制御部１２０は、取得部１２１と、特定部１２２、計算部１２３と、検索部１２４と、表示部１２５、受付部１２７と、変更部１２８と、を有する。以下、制御部１２０が有する各部について説明する。
【0201】
（取得部１２１）
取得部１２１は、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報を取得する。具体的には、取得部１２１は、検索を行うユーザのユーザ端末２００に検索ウィンドウを表示させ、ユーザが入力したキーワードまたは検索を行うユーザが検索ウィンドウに入力したキーワードを取得する。例えば、取得部１２１は、ユーザＡが入力したキーワード「マーケティング」を取得する。
取得部１２１は、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報を取得する。具体的には、取得部１２１は、検索を行うユーザのユーザ端末２００に検索ウィンドウを表示させ、ユーザが入力したキーワードまたは検索を行うユーザが検索ウィンドウに入力したキーワードを取得する。例えば、取得部１２１は、ユーザＡが入力したキーワード「マーケティング」を取得する。
【0202】
これにより、取得部１２１は、検索を行うユーザの検索意図がより直接的に反映されたキーワードを取得する。つまり、上記の例では、ユーザＡが「マーケティング」と関係するタスクを検索する場合に、ユーザＡはキーワードを自由に入力することで、直感的な検索が可能となる。
【0203】
また、取得部１２１は、検索を行うユーザの目標に関する情報としてのキーワードを取得する。具体的には、取得部１２１は、検索を行うユーザの目標に関する情報としてのキーワードを記憶部１３０から取得する。例えば、取得部１２１は、検索を行うユーザＡの検索を行うユーザがキャリアシートに記載した強化したいスキルの情報から抽出されたキーワード「ソフトウェアエンジニアリング」を記憶部１３０から取得する。
【0204】
また、例えば、取得部１２１は、検索を行うユーザＡがキャリアシートに記載した目標とするタレントから抽出されたキーワード「ビジネスプロデューサ」を記憶部１３０から取得する。
【0205】
ここで、検索を行うユーザの目標に関する情報としてのキーワードは、ユーザが入力したキーワードとは異なり、上述のようにユーザがキャリアシートに記載した内容から形態素解析等の方法により抽出される。なお、取得部１２１は、タレント、スキル、得意領域、目標、自己紹介、コミュニケーションデータ等のように、各種の目標に関する情報から抽出されたキーワードを取得してもよい。なお、前述のコミュニケーションデータには、メールやチャット等の履歴情報や、会話時の表情データ、音声データ等が含まれていてよい。
【0206】
これにより、取得部１２１は、検索を行うユーザが過去に入力した自律的なキャリア形成に関する情報から、検索を行うユーザの検索意図が反映されたキーワードを自動的に取得する。つまり、上記の例では、取得部１２１は、ユーザＡが「ソフトウェアエンジニアリング」に関係するタスクを検索する場合に、ユーザＡに関する登録済みの情報を活用することで、キーワード「ソフトウェアエンジニアリング」を自動的に取得し、ユーザＡの負担を軽減する。
【0207】
また、取得部１２１は、検索を行うユーザの目標に関する情報として、職種を示すタレントの情報を取得する。具体的には、取得部１２１は、検索を行うユーザが目標とするタレントの情報を、記憶部１３０から取得する。例えば、取得部１２１は、検索を行うユーザＡの目標に関する情報として、目標とするタレント「データエンジニア」を記憶部１３０から取得する。
【0208】
これにより、取得部１２１は、検索するユーザが目標とするタレントの情報を自動的に取得する。つまり、上記の例では、取得部１２１は、ユーザＡがロールモデルとしてタレント「データエンジニア」と一致度合の高い、いわゆる類似度の高いタレントを保有するユーザを検索する場合に、ユーザＡが目標とするタレント「データエンジニア」の情報を自動的に取得することで、ユーザＡの負担を軽減する。
【0209】
また、取得部１２１は、検索を行うユーザの目標に関する情報として、人柄の情報を取得する。具体的には、取得部１２１は、検索を行うユーザの目標に関する情報として、性格を記憶部１３０から取得する。例えば、取得部１２１は、検索を行うユーザＡの目標に関する情報として、性格「温厚」を記憶部１３０から取得する。
【0210】
これにより、取得部１２１は、検索を行うユーザの人柄に関する情報を自動的に取得する。つまり、上記の例では、取得部１２１は、ユーザＡが、ユーザＡの性格「温厚」と類似度の高いロールモデルを検索する場合に、ユーザＡの性格「温厚」の情報を自動的に取得することで、ユーザＡの負担を軽減する。
【0211】
ここで、人柄の情報とは、ユーザの人柄に関する情報であって、ユーザが行うコミュニケーションのタイプや、ユーザの性格といった情報が含まれる。なお、性格の分類については、例えば、ＢｉＧ Ｆｉｖｅといったパーソナリティ特性の分類法を用いてもよい。ここで、ＢｉＧ Ｆｉｖｅは、開放性、誠実性、外向性、協調性、神経症傾向の５つの次元で人間の性格を記述する手法である。また、コミュニケーションのタイプについては、例えば、ユーザの行動データから嗜好性や行動特性を抽出することにより分類を行ってもよい。
【0212】
また、取得部１２１は、タスクに関する情報を取得する。具体的には、取得部１２１は、タスクに関する情報を記憶する記憶部１３０から、タスクに関する情報を取得する。例えば、取得部１２１は、タスクに関する情報として、タスクＸが求める経験「開発経験３年以上」の情報を記憶部１３０から取得する。
【0213】
また、例えば、取得部１２１は、タスクに関する情報として、タスクＸにより習得できる経験「開発」の情報を記憶部１３０から取得する。また、例えば、取得部１２１は、タスクに関する情報として、タスクＸが求める資格「ネットワークスペシャリスト」の情報を記憶部１３０から取得する。
【0214】
また、取得部１２１は、タスクに関する情報として、スキルの情報を取得する。具体的には、取得部１２１は、タスクに関する情報を記憶する記憶部１３０から、タスクに関する情報としてスキルの情報を取得する。例えば、取得部１２１は、タスクに関する情報として、タスクＸが求めるスキル「音声ネットワーク」の情報を記憶部１３０から取得する。
【0215】
これにより、取得部１２１は、タスクに関する情報を自動的に取得し、ユーザの求める情報を用いた検索をすることができる。つまり、上記の例では、取得部１２１は、「音声ネットワーク」のスキルが求められるタスクＸに適任のユーザを検索する場合に、タスクＸがスキル「音声ネットワーク」を求めるという情報を取得する。
【0216】
（特定部１２２）
特定部１２２は、取得部１２１により取得されたタレントの情報と、ユーザごとのタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とに基づいて、検索を行うユーザの見本となるユーザを特定する。
特定部１２２は、取得部１２１により取得されたタレントの情報と、ユーザごとのタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とに基づいて、検索を行うユーザの見本となるユーザを特定する。
【0217】
具体的には、特定部１２２は、取得部１２１により取得された、検索を行うユーザが目標とするタレントの情報と、ユーザごとのタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とに、所定の計算方法を用いることにより、検索を行うユーザの見本となるユーザとして、タレントの一致度合が高いユーザを特定する。例えば、特定部１２２は、後述する文章間の距離測定方法により所定の一致度合を計算する。
【0218】
また、具体的には、特定部１２２は、取得部１２１により取得された、検索を行うユーザが目標とするタレントの情報と、ユーザごとのタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とに、タレントの一致度合を推定する学習モデルを用いることにより、検索を行うユーザの見本となるユーザとして、タレントの一致度合が高いユーザを、検索を行うユーザの見本となるユーザとして特定する。
【0219】
例えば、特定部１２２は、取得部１２１により取得されたユーザＡの目標とするタレントの情報「ＡＩリサーチャ」と、ユーザごとのタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とを照合することにより、検索を行うユーザＡの見本となるユーザＢを特定する。
【0220】
これにより、特定部１２２は、検索を行うユーザの目標とするタレントの情報と類似度の高いタレントを担うユーザを特定し、ロールモデルを発見することができる。つまり、上記の例では、取得部１２１は、「ＡＩリサーチャ」になりたいと考えるユーザが、「ＡＩリサーチャ」と類似度の高いタレントを保有するユーザを特定する。
【0221】
このとき、特定部１２２は、取得部１２１により取得されたタレントの情報と、ユーザごとのタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とに基づいて、検索を行うユーザの見本となるユーザを複数人特定してもよい。
【0222】
例えば、特定部１２２は、検索を行うユーザの目標とするタレントの情報と類似度の高いタレントを担うユーザを複数人特定する。この場合、特定部１２２は、検索を行うユーザからの選択を受け付けて、特定された複数人のうちから、検索を行うユーザの見本となるユーザを一人に特定してもよい。ユーザからの選択を受け付ける方法としては、例えば、特定部１２２は、特定された複数人の一覧を表示し、一覧からユーザの選択を受け付けるようにしてもよい。あるいは、特定部１２２は、一致度合の高さに応じて、特定された複数人のうちから、検索を行うユーザの見本となるユーザを一人に特定してもよい。
【0223】
例えば、特定部１２２は、特定された複数人のうちから、一致度合の最も高いユーザを、検索を行うユーザの見本となるユーザとして特定してもよいし、最も高いユーザではなく、一致度合が所定の順位のユーザを、検索を行うユーザの見本となるユーザとして特定してもよい。また、例えば、特定部１２２は、特定された複数人のうちから、一致度合が所定の閾値内であるユーザを、検索を行うユーザの見本となるユーザとして特定する。
【0224】
また、特定部１２２は、タレントの情報に加えて、人柄の情報を用いて、検索を行うユーザの見本となるユーザを特定してもよい。例えば、特定部１２２は、取得部１２１により取得されたタレントの情報と、ユーザごとのタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とを照合し、取得部１２１により取得された人柄の情報と、ユーザごとの人柄の情報を記憶する記憶部１３０から取得された人柄の情報とを照合することにより、検索を行うユーザの見本となるユーザを特定する。
【0225】
例えば、特定部１２２は、取得部１２１により取得されたユーザＡの目標とするタレント「ＡＩリサーチャ」の情報と、ユーザごとのタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とを照合し、取得部１２１により取得された人柄の情報「温厚」と、ユーザごとの人柄の情報を記憶する記憶部１３０から取得された人柄の情報とを照合することにより、検索を行うユーザＡの見本となるユーザＢを特定する。
【0226】
これにより、特定部１２２は、検索を行うユーザの目標とするタレントの情報と類似度の高いタレントを担い、かつ、検索を行うユーザの人柄と類似度の高いユーザを特定し、ロールモデルを発見することができる。つまり、上記の例では、取得部１２１は、「ＡＩリサーチャ」になりたいと考えるユーザＡが、タレント「ＡＩリサーチャ」と類似度の高いタレントを保有し、かつ、ユーザＡの人柄「温厚」と類似度の高い人柄の情報を持つユーザＢを、ユーザＡの見本となるユーザとして特定する。
【0227】
（計算部１２３）
計算部１２３は、取得部１２１により取得されたユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報から抽出されたキーワードと、タスクごとのキーワードを記憶する記憶部１３０から取得されたキーワードとを照合することにより、キーワードの一致度合を計算する。
計算部１２３は、取得部１２１により取得されたユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報から抽出されたキーワードと、タスクごとのキーワードを記憶する記憶部１３０から取得されたキーワードとを照合することにより、キーワードの一致度合を計算する。
【0228】
具体的には、計算部１２３は、取得部１２１により取得されたユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報から抽出されたキーワードと、タスクごとのキーワードを記憶する記憶部１３０から取得されたキーワードとに、所定の計算方法を用いることにより、キーワードの一致度合を計算する。
【0229】
例えば、計算部１２３は、後述する文章間の距離測定方法により所定の一致度合を計算する。なお、計算部１２３は、所定の一致度合として、文字列の一致度合と意味の一致度合との双方またはいずれか一方を計算することができる。
【0230】
また、具体的には、計算部１２３は、取得部１２１により取得されたユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報から抽出されたキーワードと、タスクごとにキーワードを記憶する記憶部１３０から取得されたキーワードとに、キーワードの一致度合を推定する学習モデルを用いることにより、キーワードの一致度合を計算する。
【0231】
例えば、計算部１２３は、取得部１２１により取得された検索を行うユーザＡの目標に関する情報から抽出されたキーワード「インサイドセールス」と、タスクごとのキーワードを記憶する記憶部１３０から取得されたタスクＸのキーワード「セールス」とを照合することにより、キーワード「インサイドセールス」の一致度合を０．６と計算する。
【0232】
これにより、計算部１２３は、検索を行うユーザの検索意図がより直接的に反映されたキーワードまたは目標に関する情報から抽出されたキーワードと、各タスクのキーワードとの類似度を計算する。また、これにより、計算部１２３は、検索条件との一致ではなく、検索意図にどれだけ沿っているかといった指標を計算する。
【0233】
また、計算部１２３は、特定部１２２により特定されたユーザの経歴情報と、検索を行うユーザの目標に関する情報と、タスクの情報を記憶する記憶部１３０から取得されたタスクの情報とを照合することにより、スキルの一致度合を計算する。例えば、計算部１２３は、特定されたユーザの経歴情報と、検索を行うユーザの目標に関する情報と、タスクの概要、求めるタレント、役割、スキル、資格といった情報とを照合して、スキルの一致度合いを計算する。
【0234】
また、計算部１２３は、特定部１２２により特定されたユーザの経歴情報と、タスクごとのスキルの情報を記憶する記憶部１３０から取得されたスキルの情報とを照合することにより、スキルの一致度合を計算する。具体的には、計算部１２３は、特定部１２２により特定されたユーザの経歴情報と、タスクごとのスキルの情報を記憶する記憶部１３０から取得されたスキルの情報とに、所定の計算方法を用いることにより、スキルの一致度合を計算する。
【0235】
また、具体的には、計算部１２３は、特定部１２２により特定されたユーザの経歴情報と、タスクごとのスキルの情報を記憶する記憶部１３０から取得されたスキルの情報とに、スキルの一致度合を推定する学習モデルを用いることにより、スキルの一致度合を計算する。
【0236】
例えば、計算部１２３は、特定部１２２により検索を行うユーザＡの見本として特定されたユーザＢの経歴情報として、ユーザＢが過去に経験した案件により習得したスキル「ソフトウェアエンジニアリング」の情報と、タスクごとのスキルの情報を記憶する記憶部１３０から取得された、タスクＸにより習得できるスキル「ソフトウェアエンジニアリング」の情報とを照合することにより、スキル「ソフトウェアエンジニアリング」の一致度合を１．０と計算する。
【0237】
これにより、計算部１２３は、検索を行うユーザの見本となるユーザが過去にこなした案件と似た案件の特定に必要となる情報を計算することができる。つまり、上記の例では、検索を行うユーザＡの見本となるユーザＢが過去に経験した案件により習得したスキル「ソフトウェアエンジニアリング」と、現在の仕事のタスクＸにより習得することができるスキル「ソフトウェアエンジニアリング」とを照合することにより、ロールモデルとする人物が経験した案件と類似の案件検索に必要となる情報を計算する。
【0238】
また、計算部１２３は、取得部１２１により取得されたタスクに関する情報と、ユーザごとの目標に関する情報を記憶する記憶部１３０から取得された目標に関する情報とを照合することにより、タスクとユーザとの一致度合を計算する。具体的には、計算部１２３は、取得部１２１により取得されたタスクに関する情報と、ユーザごとの目標に関する情報を記憶する記憶部１３０から取得された目標に関する情報とに、所定の計算方法を用いることにより、タスクとユーザとの一致度合を計算する。
【0239】
また、具体的には、計算部１２３は、取得部１２１により取得されたタスクに関する情報と、ユーザごとの目標に関する情報を記憶する記憶部１３０から取得された目標に関する情報とに、タスクとユーザとの一致度合を推定する学習モデルを用いることにより、タスクとユーザとの一致度合を計算する。
【0240】
例えば、計算部１２３は、取得部１２１により取得されたタスクＸが求める経験「開発経験３年以上」と、ユーザごとの目標に関する情報を記憶する記憶部１３０から取得された、ユーザＡの目標に関する情報としての経歴情報「開発経験２年以上」とを照合することにより、タスクとユーザとの一致度合を０．７と計算する。
【0241】
また、計算部１２３は、取得部１２１により取得された、タスクに関する情報と、ユーザの目標に関する情報を記憶する記憶部１３０から取得された、ユーザの目標に関する情報とを照合することにより、スキルの一致度合を計算する。
【0242】
また、計算部１２３は、取得部１２１により取得された、タスクに関する情報としてのスキルの情報と、ユーザごとのスキルの情報を記憶する記憶部１３０から取得されたスキルの情報とを照合することにより、スキルの一致度合を計算する。具体的には、計算部１２３は、取得部１２１により取得された、タスクに関する情報としてのスキルの情報と、ユーザごとのスキルの情報を記憶する記憶部１３０から取得されたスキルの情報とに、所定の計算方法を用いることにより、スキルの一致度合を計算する。
【0243】
また、具体的には、計算部１２３は、取得部１２１により取得された、タスクに関する情報としてのスキルの情報と、ユーザごとのスキルの情報を記憶する記憶部１３０から取得されたスキルの情報とに、スキルの一致度合を推定する学習モデルを用いることにより、スキルの一致度合を計算する。
【0244】
例えば、計算部１２３は、取得部１２１により取得されたタスクに関する情報としてのタスクＸが求めるスキル「ソフトウェアエンジニアリング」と、ユーザごとの目標に関する情報を記憶する記憶部１３０から取得されたスキルの情報として、ユーザＢが現在保有するスキル「ソフトウェアエンジニアリング」とを照合することにより、スキル「ソフトウェアエンジニアリング」の一致度合を１．０と計算する。
【0245】
これにより、計算部１２３は、検索を行うユーザが新規ビジネスを創出する際に、案件が求めるスキルを有するユーザの特定に用いる情報を計算することができる。
【0246】
計算部１２３は、複数の一致度合を計算した場合、それぞれの一致度合の平均値を一致度合として用いてもよい。例えば、計算部１２３は、キーワード「ＡＩリサーチャ」の一致度合０．８と、キーワード「リサーチャ」の一致度合０．６との平均値０．７を計算し、平均値０．７を、キーワードの一致度合として用いてもよい。また、例えば、計算部１２３は、スキル「システム構築」の一致度合０．９と、スキル「ソフトウェアエンジニアリング」の一致度合０．７との平均値０．８を計算し、平均値０．８を、スキルの一致度合として用いてもよい。
【0247】
また、例えば、計算部１２３は、性格「温厚」の一致度合０．６と、性格「ほがらか」の一致度合０．７との平均値０．６５を計算し、平均値０．６５を、人柄の一致度合として用いてもよい。これにより、計算部１２３は、複数の一致度合を計算した場合であっても、キーワード、スキル、人柄ごとに、一致度合を統合することができる。なお、計算部１２３は、目標に関する情報やタスクに関する情報の文章同士を用いて一致度合を計算および統合してもよい。
【0248】
なお、計算部１２３は、後述する変更部１２８により、一致度合が変更された場合には、変更後の一致度合を用いて平均値を計算し、平均値を一致度合として用いることができる。このとき、計算部１２３は、所定の一致度合として、文字列の一致度合と意味の一致度合との双方またはいずれか一方を計算する。
【0249】
（検索部１２４）
検索部１２４は、取得部１２１により取得された、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報と、タスクの情報を記憶する記憶部１３０から取得されたタスクの情報とに基づいて、記憶部１３０に記憶されたタスクを検索する。
検索部１２４は、取得部１２１により取得された、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報と、タスクの情報を記憶する記憶部１３０から取得されたタスクの情報とに基づいて、記憶部１３０に記憶されたタスクを検索する。
【0250】
例えば、検索部１２４は、取得部１２１により取得された情報と、記憶部１３０から取得された情報との距離を測定し、測定された距離を用いることにより、記憶部１３０に記憶されたユーザの情報を検索する。ここで、文章間の距離は、形態素解析により抽出された単語で再構成された文章をベクトル化し、類似度としてコサイン類似度を用いることにより測定される。ここで、ベクトル化の方法としては、例えば、ＢＯＷ（Bag of Words）やＴＦ―ＩＤＦ（Term Frequency-Inverse Document Frequency）等のOne-hot表現による手法を用いてもよいし、分散表現による手法を用いてもよい。なお、上記の文章間の距離測定は、特定部１２２や計算部１２３が行ってもよい。
【0251】
また、検索部１２４は、計算部１２３により計算されたキーワードの一致度合の高さに応じて、記憶部１３０に記憶されたタスクを検索する。具体的には、検索部１２４は、計算部１２３により計算されたキーワードの一致度合が所定値以上である、記憶部１３０に記憶されたタスクを検索する。例えば、検索部１２４は、計算部１２３により計算されたキーワード「システム」の一致度合が０．５以上である、記憶部１３０に記憶されたタスクを検索する。
【0252】
また、具体的には、検索部１２４は、計算部１２３により計算されたキーワードの一致度合が高い順に、記憶部１３０に記憶されたタスクを所定数検索する。例えば、検索部１２４は、計算部１２３により計算されたキーワード「システム」の一致度合が高い順に、記憶部１３０に記憶されたタスクを３０件検索する。
【0253】
これにより、検索部１２４は、自律的なキャリア形成を目的とする検索者の意図に沿った検索を行う。つまり、検索部１２４は、検索を行うユーザの意図するキーワードと完全一致していない場合であっても、一致度合の高いタスクを検索することで、検索を行うユーザの自律的なキャリア形成に寄与するタスクを特定することができる。
【0254】
また、検索部１２４は、計算部１２３により計算されたスキルの一致度合の高さに応じて、記憶部１３０に記憶されたタスクを検索する。具体的には、検索部１２４は、計算部１２３により計算されたスキルの一致度合が所定値以上である、記憶部１３０に記憶されたタスクを検索する。例えば、検索部１２４は、計算部１２３により計算されたスキル「データ分析」の一致度合が０．７以上である、記憶部１３０に記憶されたタスクを検索する。
【0255】
また、具体的には、検索部１２４は、計算部１２３により計算されたスキルの一致度合が高い順に、記憶部１３０に記憶されたタスクを所定数検索する。例えば、検索部１２４は、計算部１２３により計算されたスキル「データ分析」の一致度合が高い順に、記憶部１３０に記憶されたタスクを２０件検索する。
【0256】
これにより、検索部１２４は、自律的なキャリア形成を目的とする検索者の意図に沿った検索を行う。つまり、検索部１２４は、検索を行うユーザの意図するスキルと完全一致していない場合であっても、一致度合の高いタスクを検索することで、検索を行うユーザの自律的なキャリア形成に寄与するタスクを特定することができる。
【0257】
また、検索部１２４は、後述する変更部１２８により変更された一致度合の高さに応じて、記憶部１３０に記憶されたタスクを検索する。具体的には、検索部１２４は、変更部１２８により変更された一致度合が所定値以上である、記憶部１３０に記憶されたタスクを検索する。例えば、検索部１２４は、変更部１２８により変更されたスキル「システム構築」の一致度合が０．８以上である、記憶部１３０に記憶されたタスクを検索する。
【0258】
また、具体的には、検索部１２４は、変更部１２８により変更された一致度合が高い順に、記憶部１３０に記憶されたタスクを所定数検索する。例えば、検索部１２４は、変更部１２８により変更されたスキル「システム構築」の一致度合が高い順に、記憶部１３０に記憶されたタスクを３０件検索する。
【0259】
これにより、検索部１２４は、検索者による検索結果に対する操作をフィードバックとして受け付けて、検索者が重視する要素の影響がより強く反映されるような検索を行うことができる。
【0260】
また、検索部１２４は、取得部１２１により取得されたユーザが入力したキーワードまたはタスクに関する情報と、ユーザごとの目標に関する情報を記憶する記憶部１３０から取得された目標に関する情報とに基づいて、記憶部１３０に記憶されたユーザを検索する。
【0261】
例えば、検索部１２４は、取得部１２１により取得された情報と、記憶部１３０から取得された情報との距離を測定し、測定された距離を用いることにより、記憶部１３０に記憶されたユーザの情報を検索する。
【0262】
また、検索部１２４は、計算部１２３により計算されたスキルの一致度合の高さに応じて、記憶部１３０に記憶されたユーザを検索する。具体的には、検索部１２４は、計算部１２３により計算されたスキルの一致度合が所定値以上である、記憶部１３０に記憶されたユーザを検索する。例えば、検索部１２４は、計算部１２３により計算されたスキル「システム構築」の一致度合が０．８以上である、記憶部１３０に記憶されたユーザを検索する。
【0263】
また、具体的には、検索部１２４は、計算部１２３により計算されたスキルの一致度合が高い順に、記憶部１３０に記憶されたユーザを所定数検索する。例えば、検索部１２４は、計算部１２３により計算されたスキル「システム構築」の一致度合が高い順に、記憶部１３０に記憶されたユーザを２０名検索する。
【0264】
これにより、検索部１２４は、検索者の意図に沿った検索を行う。つまり、検索部１２４は、検索を行うユーザの意図するスキルと完全一致していない場合であっても、一致度合の高いユーザを検索することで、検索を行うユーザによる求めるスキルやキーワードの条件と近いユーザを特定することができる。
【0265】
また、検索部１２４は、後述する変更部１２８により変更された一致度合の高さに応じて、記憶部１３０に記憶されたユーザを検索する。具体的には、検索部１２４は、変更部１２８により変更された一致度合が所定値以上である、記憶部１３０に記憶されたユーザを検索する。例えば、検索部１２４は、変更部１２８により変更されたキーワード「機械学習」の一致度合が０．８以上である、記憶部１３０に記憶されたユーザを検索する。
【0266】
また、具体的には、検索部１２４は、変更部１２８により変更された一致度合が高い順に、記憶部１３０に記憶されたタスクを所定数検索する。例えば、検索部１２４は、変更部１２８により変更されたキーワード「機械学習」の一致度合が高い順に、記憶部１３０に記憶されたユーザを３０名検索する。
【0267】
これにより、検索部１２４は、検索者による検索結果に対する操作をフィードバックとして受け付けて、検索者が重視する要素の影響がより強く反映されるような検索を行うことができる。
【0268】
（受付部１２７）
受付部１２７は、計算部１２３により計算された一致度合に対する重み付けの操作を受け付ける。具体的には、受付部１２７は、検索結果ウィンドウをユーザ端末２００に表示させ、計算部１２３により計算された一致度合に対する所定値の加算、減算処理といった重み付けの操作を受け付ける。例えば、受付部１２７は、計算部１２３により計算されたキーワード「エンジニア」の一致度合０．６に対して、所定値０．０５を加算することにより、キーワード「エンジニア」の一致度合を０．６５とする重み付けの操作を受け付ける。
受付部１２７は、計算部１２３により計算された一致度合に対する重み付けの操作を受け付ける。具体的には、受付部１２７は、検索結果ウィンドウをユーザ端末２００に表示させ、計算部１２３により計算された一致度合に対する所定値の加算、減算処理といった重み付けの操作を受け付ける。例えば、受付部１２７は、計算部１２３により計算されたキーワード「エンジニア」の一致度合０．６に対して、所定値０．０５を加算することにより、キーワード「エンジニア」の一致度合を０．６５とする重み付けの操作を受け付ける。
【0269】
これにより、受付部１２７は、それぞれの一致度合に対する重み付けの操作を受け付けることで、各要素が検索結果に与える影響をより大きく、または小さくし、ユーザが重視する要素の影響が強く反映された検索結果を得ることができる。
【0270】
（変更部１２８）
変更部１２８は、受付部１２７により受け付けた重み付けの操作に応じて一致度合を変更する。具体的には、変更部１２８は、受付部１２７により受け付けた、所定値の加算、減算処理を行うことにより、一致度合を変更する。例えば、変更部１２８は、受付部１２７により受け付けた、キーワード「エンジニア」の一致度合０．６に対する所定値０．０５の加算処理を行い、キーワード「エンジニア」の一致度合を０．６５に変更する。
変更部１２８は、受付部１２７により受け付けた重み付けの操作に応じて一致度合を変更する。具体的には、変更部１２８は、受付部１２７により受け付けた、所定値の加算、減算処理を行うことにより、一致度合を変更する。例えば、変更部１２８は、受付部１２７により受け付けた、キーワード「エンジニア」の一致度合０．６に対する所定値０．０５の加算処理を行い、キーワード「エンジニア」の一致度合を０．６５に変更する。
【0271】
これにより、受付部１２７は、それぞれの一致度合に対して受け付けた重み付けの操作の内容を反映させる。
【0272】
（表示部１２５）
表示部１２５は、検索部１２４により検索されたタスクを表示する。具体的には、表示部１２５は、検索部１２４により検索されたタスクの情報を、ユーザ端末２００に表示させる。例えば、表示部１２５は、検索部１２４により検索されたタスクの情報をユーザ端末２００に表示させる。
表示部１２５は、検索部１２４により検索されたタスクを表示する。具体的には、表示部１２５は、検索部１２４により検索されたタスクの情報を、ユーザ端末２００に表示させる。例えば、表示部１２５は、検索部１２４により検索されたタスクの情報をユーザ端末２００に表示させる。
【0273】
これにより、表示部１２５は、検索者の自律的なキャリア形成を目的としたタスクの検索結果を表示し、検索者が望むタスクを受任することができる。つまり、表示部１２５は、上記の例では、検索を行ったユーザのユーザ端末２００に、タスクの情報を表示することにより、ユーザの検索目的に沿うタスクを特定し、受任することができる。
【0274】
また、表示部１２５は、検索部１２４により検索されたタスクの情報に加えて、検索に用いられた一致度合の情報を表示する。具体的には、表示部１２５は、検索部１２４により検索されたタスクの情報に加えて、検索に用いられたキーワードの一致度合、スキルの一致度合、経歴の一致度合といった情報を、ユーザ端末２００に表示させる。
【0275】
例えば、表示部１２５は、検索部１２４により検索されたタスクの情報に加えて、検索に用いられたキーワード「データ分析」の一致度合０．６、スキル「ソフトウェアエンジニアリング」の一致度合０．７、経歴「開発経験３年以上」の一致度合１．０といった情報を、ユーザ端末２００に表示させる。
【0276】
また、表示部１２５は、検索部１２４により検索されたユーザを表示する。具体的には、表示部１２５は、検索部１２４により検索されたユーザの情報を、ユーザ端末２００に表示させる。例えば、表示部１２５は、検索部１２４により検索されたユーザの情報をユーザ端末２００に表示させる。
【0277】
これにより、表示部１２５は、タスクに適任のユーザを検索したい場合に、目的とする検索結果を表示し、人的資本を有効活用することができる。つまり、表示部１２５は、上記の例では、検索を行ったユーザのユーザ端末に、タスクに適任であるユーザの情報を表示することにより、ユーザの検索目的に沿う人物を特定し、コンタクトをとることができる。
【0278】
また、表示部１２５は、検索部１２４により検索されたユーザの情報に加えて、検索に用いられた一致度合の情報を表示する。具体的には、表示部１２５は、検索部１２４により検索されたユーザの情報に加えて、検索に用いられたキーワードの一致度合、スキルの一致度合、人柄の一致度合、経歴の一致度合といった情報を、ユーザ端末２００に表示させる。
【0279】
例えば、表示部１２５は、検索部１２４により検索されたユーザの情報に加えて、検索に用いられたキーワード「リサーチャ」の一致度合０．５、スキル「ソフトウェアエンジニアリング」の一致度合０．７、人柄「温厚」の一致度合０．６、経歴「開発経験３年以上」の一致度合１．０といった情報を、ユーザ端末２００に表示させる。
【0280】
〔３－２．処理の詳細〕
（タスク検索）
次に、図１６を用いて、情報処理装置１００が行うタスク検索について説明する。情報処理装置１００は、検索を行うユーザのキャリアを考慮したタスクの検索を行う。言い換えれば情報処理装置１００は、検索を行うユーザの未来に向けたタスクの検索を行う。
（タスク検索）
次に、図１６を用いて、情報処理装置１００が行うタスク検索について説明する。情報処理装置１００は、検索を行うユーザのキャリアを考慮したタスクの検索を行う。言い換えれば情報処理装置１００は、検索を行うユーザの未来に向けたタスクの検索を行う。
【0281】
例えば、情報処理装置１００は、時間軸や起点といったユーザの検索意図に合わせた方法によりタスクを検索する。このとき、取得部１２１は、ユーザ端末２００に検索ウィンドウを表示させ、プルダウンやラジオボタンといった方法により、ユーザからの「現在」、「未来」といった時間軸、「自己起点」、「ロールモデル起点」といった起点の選択を受け付ける。
【0282】
ここで、「現在」とは、検索を行うユーザの現在のスキルで解決可能なタスクを表示する検索方法である。他方、「未来」とは、検索を行うユーザが目標に近づくためのタスクを表示する検索方法である。また、「自己起点」とは、検索を行うユーザを起点としたタスクの検索方法である。他方、「ロールモデル起点」は、検索を行うユーザの見本となるユーザを起点としたタスクの検索方法である。
【0283】
例えば、時間軸として「現在」が選択された場合、まず、取得部１２１は、検索を行うユーザが現在保有するスキル「データ分析」の情報を取得する。次に、検索部１２４は、検索を行うユーザが現在保有するスキル「データ分析」と、タスクの情報を記憶する記憶部１３０から取得されたタスクの情報とを照合することにより、スキル「データ分析」との一致度合の高いタスクを検索する。そして、表示部１２５は、検索部１２４により検索されたタスクの情報を、ユーザ端末２００に表示させる。
【0284】
一方、時間軸として「未来」が選択された場合、取得部１２１は、更に「自己起点」、「ロールモデル起点」といった起点の選択を受け付ける。このとき、起点として「自己起点」が選択された場合、取得部１２１は、更に「短期目標」、「長期目標」の選択を受け付ける。ここで、「短期目標」とは、所定期間内の目標である。例えば、「短期目標」は、１年以内の達成を予定して立てられた目標である。他方、「長期目標」とは、所定期間より長い目標である。例えば、「長期目標」は、１年より長い期間での達成を予定して立てられた目標である。
【0285】
例えば、「短期目標」が選択された場合、まず、取得部１２１は、検索を行うユーザＡの１年以内の目標の情報から抽出されたキーワード「データアナリスト」を取得する。次に、計算部１２３は、取得部１２１により取得された、検索を行うユーザＡの１年以内の目標の情報から抽出されたキーワード「データアナリスト」と、タスクのキーワードとを照合することにより、キーワード「データアナリスト」の一致度合を計算する。
【0286】
その後、検索部１２４は、計算部１２３により計算されたキーワード「データアナリスト」の一致度合の高い順に、記憶部１３０に記憶されるタスクを２０件検索する。そして、表示部１２５は、検索部１２４による検索結果をユーザ端末２００に表示させる。
【0287】
つまり、上記の例では、情報処理装置１００は、検索を行うユーザＡの短期目標に見合ったタスクの検索を行うことで、ユーザＡの短期目標の達成を支援することができる。
【0288】
一方、「長期目標」が選択された場合、取得部１２１は、検索を行うユーザＡの５年後の目標の情報から抽出されたキーワード「データサイエンティスト」を取得する。次に、計算部１２３は、取得部１２１により取得された、検索を行うユーザＡの５年後の目標の情報から抽出されたキーワード「データサイエンティスト」と、タスクのキーワードとを照合することにより、キーワード「データサイエンティスト」の一致度合を計算する。
【0289】
その後、検索部１２４は、計算部１２３により計算されたキーワード「データサイエンティスト」の一致度合の高い順に、記憶部１３０に記憶されるタスクを２０件検索する。そして、表示部１２５は、検索部１２４による検索結果をユーザ端末２００に表示させる。
【0290】
つまり、上記の例では、情報処理装置１００は、検索を行うユーザＡの長期目標に見合ったタスクの検索を行うことで、ユーザＡの長期目標の達成を支援することができる。
【0291】
他方、起点として、「ロールモデル」が選択された場合、まず、取得部１２１は、検索を行うユーザＡが目標とするタレント「コンサルティングセールス」の情報を取得する。次に、特定部１２２は、取得部１２１により取得された、検索を行うユーザＡが目標とするタレント「コンサルティングセールス」の情報と、記憶部１３０に記憶されるユーザのタレントの情報とを照合することにより、検索を行うユーザＡの見本となるユーザＢを特定する。
【0292】
それから、計算部１２３は、特定部１２２により特定されたユーザＢの経歴情報として、ユーザＢが過去に経験した仕事の案件Ｙより習得したスキル「コンサルティング」と、タスクごとのスキルの情報とを照合することにより、スキル「コンサルティング」の一致度合を計算する。
【0293】
続いて、検索部１２４は、計算部１２３により計算されたスキル「コンサルティング」の一致度合の高い順に、記憶部１３０に記憶されるタスクを２０件検索する。そして、表示部１２５は、検索部１２４による検索結果をユーザ端末２００に表示させる。
【0294】
つまり、上記の例では、情報処理装置１００は、検索を行うユーザＡのロールモデルとなるユーザＢを特定し、ユーザＢと類似の経験が積めるタスクの検索を可能とすることで、ユーザＡのキャリアを支援することができる。
【0295】
なお、情報処理装置１００は、分野ごとに検索を行うユーザの見本となるユーザを特定した上で、タスクの検索を行ってもよい。例えば、情報処理装置１００は、検索を行うユーザの目標に関する情報の要素ごとに、検索を行うユーザの見本となるユーザを特定してもよい。例えば、情報処理装置１００は、検索を行うユーザの目標とするタレントＡ、タレントＢ、スキルＣ等に応じて、それぞれ検索を行うユーザの見本となるユーザを特定した上で、タスクの検索を行ってもよい。
【0296】
（ユーザ検索）
次に、図１７を用いて、情報処理装置１００が行うユーザ検索について説明する。情報処理装置１００は、タスクを解決することのできるユーザを検索する。言い換えればタスクに適任の人物を特定する。
次に、図１７を用いて、情報処理装置１００が行うユーザ検索について説明する。情報処理装置１００は、タスクを解決することのできるユーザを検索する。言い換えればタスクに適任の人物を特定する。
【0297】
まず、取得部１２１は、タスクＸに関する情報として、タスクＸが求めるスキル「データ分析」の情報を取得する。次に、計算部１２３は、タスクＸが求めるスキル「データ分析」と、ユーザごとのスキルの情報を記憶する記憶部１３０から取得されたユーザが現在保有するスキルの情報とを照合することにより、スキル「データ分析」の一致度合を計算する。
【0298】
それから、検索部１２４は、計算部１２３により計算された、タスクＸが求めるスキル「データ分析」との一致度合が高い順に、記憶部１３０に記憶されたユーザの情報を２０件検索する。そして、表示部１２５は、検索部１２４により検索されたユーザの情報をユーザ端末２００に表示させる。
【0299】
つまり、上記の例では、情報処理装置１００は、検索を行うユーザが、タスクＸが求めるスキル「データ分析」との一致度合の高いスキルを保有しているユーザの検索を可能とすることで、タスクＸに適任のユーザを特定し、タスクとユーザのマッチングを支援することができる。
【0300】
〔３－３．処理手順〕
（フローチャート）
次に、図１８を用いて、情報処理装置１００による処理の流れを説明する。なお、下記のステップＳ５０１～Ｓ５０９は、異なる順序で実行することもできる。また、下記のステップＳ５０１～Ｓ５０９のうち、省略される処理があってもよい。
（フローチャート）
次に、図１８を用いて、情報処理装置１００による処理の流れを説明する。なお、下記のステップＳ５０１～Ｓ５０９は、異なる順序で実行することもできる。また、下記のステップＳ５０１～Ｓ５０９のうち、省略される処理があってもよい。
【0301】
まず、取得部１２１は、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報を取得する（ステップＳ５０１）。例えば、取得部１２１は、ユーザＡの目標に関する情報から抽出されたキーワード「マーケティング」を取得する。
【0302】
次に、取得部１２１は、ユーザの検索対象がロールモデル起点で検索するか否かを判定する（ステップＳ５０２）。例えば、取得部１２１は、ユーザ端末２００に検索ウィンドウを表示させ、プルダウンやラジオボタンといった方法により、ユーザからの「自己起点」、「ロールモデル起点」といった起点の選択を受け付ける。
【0303】
ここで、取得部１２１により、検索対象がロールモデル起点で検索しないと判定された場合（ステップＳ５０２“ＮＯ”）、計算部１２３は、取得部１２１により取得されたユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報としてのキーワードと、タスクごとのキーワードを記憶する記憶部１３０から取得されたキーワードとを照合することにより、キーワードの一致度合を計算する（ステップＳ５０３）。
【0304】
計算部１２３は、取得部１２１により取得された検索を行うユーザＡの目標に関する情報から抽出されたキーワード「インサイドセールス」と、タスクごとのキーワードを記憶する記憶部１３０から取得されたタスクＸのキーワード「セールス」とを照合することにより、キーワード「インサイドセールス」の一致度合を０．６と計算する。
【0305】
それから、検索部１２４は、計算部１２３により計算されたキーワードの一致度合の高さに応じて、記憶部１３０に記憶されたタスクを検索する（ステップＳ５０４）。例えば、検索部１２４は、計算部１２３により計算されたキーワードの一致度合が０．５以上である、記憶部１３０に記憶されたタスクを検索する。
【0306】
他方、取得部１２１により、検索対象がロールモデルである判定された場合（ステップＳ５０２“ＹＥＳ”）、特定部１２２は、取得部１２１により取得されたタレントの情報と、ユーザごとのタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とを照合することにより、検索を行うユーザの見本となるユーザを特定する（ステップＳ５０５）。
【0307】
例えば、特定部１２２は、取得部１２１により取得されたユーザＡの目標とするタレントの情報「ＡＩリサーチャ」と、ユーザごとのタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とを照合することにより、検索を行うユーザＡの見本となるユーザＢを特定する。
【0308】
その後、計算部１２３は、特定部１２２により特定されたユーザの経歴情報と、タスクごとのスキルの情報を記憶する記憶部１３０から、スキルの情報を取得し、記憶部１３０から取得したスキルの情報とを照合することにより、スキルの一致度合を計算する（ステップＳ５０６）。
【0309】
例えば、計算部１２３は、特定部１２２により検索を行うユーザＡの見本として特定されたユーザＢの経歴情報として、過去に経験した案件により習得したスキル「ソフトウェアエンジニアリング」の情報と、タスクごとのスキルの情報を記憶する記憶部１３０から取得されたタスクＸにより習得できるスキルの情報「ソフトウェアエンジニアリング」とを照合することにより、スキルの一致度合を１．０と計算する。
【0310】
続いて、検索部１２４は、計算部１２３により計算されたスキルの一致度合の高さに応じて、記憶部１３０に記憶されたタスクを検索する（ステップＳ５０４）。例えば、検索部１２４は、計算部１２３により計算されたスキル「ソフトウェアエンジニアリング」の一致度合が高い順に、記憶部１３０に記憶されたタスクを３０件検索する。
【0311】
そして、表示部１２５は、検索部１２４により検索されたタスクを表示する（ステップＳ５０７）。例えば、表示部１２５は、検索部１２４により検索されたタスクの情報をユーザ端末２００に表示させる。
【0312】
その後、受付部１２７は、計算部１２３による計算に用いた一致度合に対する重みづけの操作を受け付ける（ステップＳ５０８）。例えば、受付部１２７は、計算部１２３により計算されたキーワード「ソフトウェア」の一致度合０．８に対して、所定値０．０５を加算することにより、キーワード「ソフトウェア」の一致度合を０．８５とする重み付けの操作を受け付ける。
【0313】
続いて、変更部１２８は、受付部１２７により受け付けた重み付けの操作に応じて一致度合を変更する（ステップＳ５０９）。例えば、変更部１２８は、受付部１２７により受け付けた、キーワード「ソフトウェア」の一致度合０．８に対する所定値０．０５の加算処理を行い、キーワード「ソフトウェア」の一致度合を０．８５に変更する。
【0314】
それから、検索部１２４は、変更部１２８により変更された一致度合の高さに応じて、記憶部１３０に記憶されたタスクを検索する（ステップＳ５０４）。例えば、検索部１２４は、変更部１２８により変更されたスキル「ソフトウェアエンジニアリング」の一致度合が０．８５以上である、記憶部１３０に記憶されたタスクを検索する。
【0315】
そして、表示部１２５は、検索部１２４により検索されたタスクを表示する（ステップＳ５０７）。例えば、表示部１２５は、検索部１２４により検索されたタスクの情報をユーザ端末２００に表示させる。
【0316】
（フローチャート）
次に、図１９を用いて、情報処理装置１００による処理の流れを説明する。なお、下記のステップＳ６０１～Ｓ６０６は、異なる順序で実行することもできる。また、下記のステップＳ６０１～Ｓ６０６のうち、省略される処理があってもよい。
次に、図１９を用いて、情報処理装置１００による処理の流れを説明する。なお、下記のステップＳ６０１～Ｓ６０６は、異なる順序で実行することもできる。また、下記のステップＳ６０１～Ｓ６０６のうち、省略される処理があってもよい。
【0317】
まず、取得部１２１は、ユーザが入力したキーワードまたはタスクに関する情報を取得する（ステップＳ６０１）。例えば、取得部１２１は、タスクに関する情報として、タスクが求める経験「開発経験３年以上」の情報を記憶部１３０から取得する。
【0318】
次に、計算部１２３は、取得部１２１により取得された、タスクに関する情報としてのスキルの情報と、ユーザごとのスキルの情報を記憶する記憶部１３０から取得されたスキルの情報とを照合することにより、タスクとユーザとのスキルの一致度合を計算する（ステップＳ６０２）。
【0319】
例えば、計算部１２３は、取得部１２１により取得されたタスクに関する情報としてのタスクＸが求めるスキル「ソフトウェアエンジニアリング」と、ユーザごとの目標に関する情報を記憶する記憶部１３０から取得されたスキルの情報として、ユーザＢが現在保有するスキル「ソフトウェアエンジニアリング」とを照合することにより、タスクＸとユーザＢとの一致度合を１．０と計算する。
【0320】
それから、検索部１２４は、計算部１２３により計算されたスキルの一致度合の高さに応じて、記憶部１３０に記憶されたユーザを検索する（ステップＳ６０３）。例えば、検索部１２４は、計算部１２３により計算されたスキル「システム構築」の一致度合が０．８以上である、記憶部１３０に記憶されたユーザを検索する。
【0321】
そして、表示部１２５は、検索部１２４により検索されたユーザを表示する（ステップＳ６０４）。例えば、表示部１２５は、検索部１２４により検索されたユーザの情報をユーザ端末２００に表示させる。
【0322】
その後、受付部１２７は、計算部１２３により計算された一致度合に対する重みづけの操作を受け付ける（ステップＳ６０５）。例えば、受付部１２７は、計算部１２３により計算されたキーワード「機械学習」の一致度合０．７に対して、所定値０．０５を加算することにより、キーワード「機械学習」の一致度合を０．７５とする重み付けの操作を受け付ける。
【0323】
続いて、変更部１２８は、受付部１２７により受け付けた重み付けの操作に応じて一致度合を変更する（ステップＳ６０６）。例えば、変更部１２８は、受付部１２７により受け付けた、キーワード「機械学習」の一致度合０．７に対する所定値０．０５の加算処理を行い、キーワード「機械学習」の一致度合を０．７５に変更する。
【0324】
その後、検索部１２４は、変更部１２８により変更された一致度合の高さに応じて、記憶部１３０に記憶されたユーザを検索する（ステップＳ６０３）。例えば、検索部１２４は、変更部１２８により変更されたスキル「機械学習」の一致度合が０．７５以上である、記憶部１３０に記憶されたユーザを検索する。
【0325】
そして、表示部１２５は、検索部１２４により検索されたユーザを表示する（ステップＳ６０４）。例えば、表示部１２５は、検索部１２４により検索されたユーザの情報をユーザ端末２００に表示させる。
【0326】
〔４．効果〕
ここから、本実施形態の提供する効果について、実施形態ごとに説明する。
ここから、本実施形態の提供する効果について、実施形態ごとに説明する。
【0327】
〔４－１．実施形態１の効果〕
実施形態１に係る情報処理装置１００は、ユーザに関する情報であるユーザのタレントに関する情報またはキャリア計画に関する情報に基づいて、ユーザがキャリア計画を達成するための所定の項目のオファーを検索し、ユーザに表示する。
実施形態１に係る情報処理装置１００は、ユーザに関する情報であるユーザのタレントに関する情報またはキャリア計画に関する情報に基づいて、ユーザがキャリア計画を達成するための所定の項目のオファーを検索し、ユーザに表示する。
【0328】
これにより、情報処理装置１００は、ユーザの現在のタレントやスキルに基づく各種オファーの提示や、将来の目標（ユーザが希望する将来のタレント等）を達成するために活用できるオファーの提示を可能とし、ユーザの効率的な能力開発を可能とする。
【0329】
また実施形態１に係る情報処理装置１００は、ユーザのオファーの実行に基づいて、ユーザに関する情報であるユーザのタレントに関する情報またはキャリア計画に関する情報を更新し、更に更新した前述の情報に基づいて所定の項目のオファーを検索する。
【0330】
これにより、情報処理装置１００は、最新のユーザに関する情報に基づいて、ユーザの現在のタレントやスキルに基づく各種オファーの提示や、将来の目標（ユーザが希望する将来タレント等）を達成するために活用できるオファーの提示を可能とし、ユーザの効率的な能力開発を可能とする。
【0331】
実施形態１に係る情報処理装置１００は、ユーザの自己起点としてユーザ自身の目標に関する情報と、ロールモデル起点としてユーザがロールモデルとする他のユーザの履歴に関する情報と、ユーザのタレントに関する情報と、のいずれか１つまたは複数の組み合わせに基づいて、所定の項目のオファー（例えば、他ユーザに関する情報、ジョブに関する情報、学習に関するする情報、課題解決に関する情報等）を検索し、表示する。
【0332】
これにより、情報処理装置１００は、単にユーザのキャリア計画に関する情報に基づくオファーの提示だけでなく、各オファー同士が連関してユーザのキャリア計画の実現のために、最適なオファーを提示することを可能とする。その結果、情報処理装置１００は、ユーザの効率的な能力開発を可能とする。
【0333】
また、実施形態１に係る情報処理装置１００は、ユーザによるオファーの検索だけでなく、ユーザ自身がオファーを提供することを支援することができる。それにより、情報処理装置１００は、ユーザの能力開発だけでなく、所定の組織内における人的資本の有効活用を可能とする。
【0334】
〔４－２．実施形態２の効果〕
実施形態２に係る情報処理装置１００は、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報を取得する取得部１２１と、取得部１２１により取得されたユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報と、ユーザごとの職種を示すタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とに基づいて、記憶部に記憶されたユーザの情報を検索する検索部１２４と、検索部１２４により検索されたユーザの情報を表示する表示部１２５とを有することを特徴とする。
実施形態２に係る情報処理装置１００は、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報を取得する取得部１２１と、取得部１２１により取得されたユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報と、ユーザごとの職種を示すタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とに基づいて、記憶部に記憶されたユーザの情報を検索する検索部１２４と、検索部１２４により検索されたユーザの情報を表示する表示部１２５とを有することを特徴とする。
【0335】
これにより情報処理装置１００は、目標に関する情報とユーザとの一致度合を計算し、一致度合に基づいてユーザの情報を検索することで、検索者の自律的なキャリア形成を目的とした人物の検索、発見が可能となり、人的資本が有効活用されることになる。
【0336】
実施形態２に係る情報処理装置１００において、取得部１２１により取得されたユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報から抽出されたキーワードと、ユーザごとの情報を記憶する記憶部１３０から取得されたユーザの情報とを照合することによりキーワードの一致度合を計算する第一計算部１２３１を更に有し、検索部１２４は、第一計算部１２３１により検索されたキーワードの一致度合の高さに応じて、記憶部１３０に記憶された、検索を行うユーザの抱える課題を解決するユーザの情報を検索する。
【0337】
これにより情報処理装置１００は、キーワードとユーザとの一致度合を計算し、キーワードの一致度合に基づいてユーザの情報を検索することで、検索者の抱える課題を解決する人物の特定を目的とした検索が可能となり、人的資本が有効活用されることになる。
【0338】
実施形態２に係る情報処理装置１００において、取得部１２１により取得された目標に関する情報と、ユーザごとのタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とを照合することにより、タレントの一致度合を計算する第一計算部１２３１を更に有し、検索部１２４は、第一計算部１２３１により計算されたタレントの一致度合の高さに応じて、記憶部１３０に記憶された、検索を行うユーザの見本となるユーザの情報を検索する。
【0339】
これにより情報処理装置１００は、タレントとユーザとの一致度合を計算し、タレントの一致度合に基づいてユーザの情報を検索することで、検索者の見本となるユーザの特定を目的とした検索が可能となり、人的資本が有効活用されることになる。
【0340】
実施形態２に係る情報処理装置１００において、取得部１２１は、検索を行うユーザの目標に関する情報として人柄の情報を取得し、第一計算部１２３１は、取得部１２１により取得された人柄の情報と、ユーザごとの人柄の情報を記憶する記憶部１３０から取得された人柄の情報とを照合することにより、人柄の一致度合を計算し、第一計算部１２３１により計算されたタレントの一致度合と、人柄の一致度合とを用いて、総合的な一致度合を計算する第二計算部１２３２を更に有し、検索部１２４は、第二計算部１２３２により計算された総合的な一致度合の高さに応じて、記憶部１３０に記憶された、検索を行うユーザの見本となるユーザの情報を検索する。
【0341】
これにより情報処理装置１００は、キーワードとユーザとの一致度合と、タレントとユーザとの一致度合とから計算される総合的な一致度合の高さに応じてユーザの情報を検索することで、検索者の見本となる人物の特定を目的とした検索が可能となり、人的資本が有効活用されることになる。
【0342】
実施形態２に係る情報処理装置１００において、表示部１２５は、検索部１２４により検索されたユーザと、当該ユーザと関係のあるユーザとの情報を、ユーザ間の関係性に応じた相関図の形式で表示する。
【0343】
これにより情報処理装置１００は、検索を行ったユーザが現在抱える課題を解決する人物や、見本とする人物を見つけることが可能となり、人的資本を有効に活用することができる。
【0344】
実施形態２に係る情報処理装置１００において、取得部１２１は、ユーザ同士の連絡に関する情報を取得し、取得部１２１により取得されたユーザ同士の連絡に関する情報を用いて、記憶部１３０に記憶されたユーザの情報を更新する更新部１２６を更に有する。
【0345】
これにより情報処理装置１００は、ユーザ間の連絡情報からユーザ同士の関係に関する情報を更新し、更新された情報を相関図への表示等に利用することで、ユーザ間の連絡に対する心理的負荷を軽減し、人的資本の有効活用を可能とする。
【0346】
〔４－３．実施形態３の効果〕
実施形態３に係る情報処理装置１００は、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報を取得する取得部１２１と、取得部１２１により取得された、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報と、タスクの情報を記憶する記憶部１３０から取得されたタスクの情報とに基づいて、記憶部１３０に記憶されたタスクを検索する検索部１２４と、検索部１２４により検索されたタスクを表示する表示部１２５とを有することを特徴とする。
実施形態３に係る情報処理装置１００は、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報を取得する取得部１２１と、取得部１２１により取得された、ユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報と、タスクの情報を記憶する記憶部１３０から取得されたタスクの情報とに基づいて、記憶部１３０に記憶されたタスクを検索する検索部１２４と、検索部１２４により検索されたタスクを表示する表示部１２５とを有することを特徴とする。
【0347】
これにより情報処理装置１００は、検索者の自律的なキャリア形成を目的とした仕事、学習、相談事といった分野における様々な課題の検索を行い、課題と人材とのミスマッチを解消することができる。
【0348】
実施形態３に係る情報処理装置１００において、取得部１２１は、検索を行うユーザの目標に関する情報としてのキーワードを取得し、取得部１２１により取得されたユーザが入力したキーワードまたは検索を行うユーザの目標に関する情報としてのキーワードと、タスクごとのキーワードを記憶する記憶部１３０から取得されたキーワードとを照合することにより、キーワードの一致度合を計算する計算部１２３を有し、検索部１２４は、計算部１２３により計算されたキーワードの一致度合の高さに応じて、記憶部１３０に記憶されたタスクを検索する。
【0349】
これにより情報処理装置１００は、ユーザとタスクとのキーワード一致度合を計算することにより、検索者の自律的なキャリア形成を目的とした仕事、学習、相談事といった分野における様々な課題の検索を行い、課題と人材とのミスマッチを解消することができる。
【0350】
実施形態３に係る情報処理装置１００において、取得部１２１は、検索を行うユーザの目標に関する情報として、職種を示すタレントの情報を取得し、取得部１２１により取得されたタレントの情報と、ユーザごとのタレントの情報を記憶する記憶部１３０から取得されたタレントの情報とを照合することにより、検索を行うユーザの見本となるユーザを特定する特定部１２２と、特定部１２２により特定されたユーザの経歴情報と、タスクごとのスキルの情報を記憶する記憶部１３０から、スキルの情報を取得し、記憶部１３０から取得したスキルの情報とを照合することにより、スキルの一致度合を計算する計算部１２３とを有し、検索部１２４は、計算部１２３により計算されたスキルの一致度合の高さに応じて、記憶部１３０に記憶されたタスクを検索する。
【0351】
これにより情報処理装置１００は、検索者の自律的なキャリア形成を目的として見本となる人物を特定し、その人物と類似の経験が積むことのできる仕事、学習、相談事といった分野における様々な課題の検索を行い、課題と人材とのミスマッチを解消することができる。
【0352】
実施形態３に係る情報処理装置１００において、計算部１２３により計算された一致度合に対する重みづけの操作を受け付ける受付部１２７と、受付部１２７により受け付けた重み付けの操作に応じて一致度合を変更する変更部１２８とを更に有し、検索部１２４は、変更部１２８により変更された一致度合の高さに応じて、記憶部１３０に記憶されたタスクを検索する。
【0353】
これにより情報処理装置１００は、検索者の自律的なキャリア形成を目的とした仕事、学習、相談事といった分野における様々な課題の検索に加えて、検索者による検索結果へのフィードバック受け付けることで、課題と人材とのミスマッチを解消することができる。
【0354】
実施形態３に係る情報処理装置１００は、ユーザが入力したキーワードまたはタスクに関する情報を取得する取得部１２１と、取得部１２１により取得された、ユーザが入力したキーワードまたはタスクに関する情報と、ユーザごとの目標に関する情報を記憶する記憶部１３０から取得された目標に関する情報とに基づいて、記憶部１３０に記憶されたユーザを検索する検索部１２４と、検索部１２４により検索されたユーザを表示する表示部１２５とを有することを特徴とする。
【0355】
これにより情報処理装置１００は、課題とユーザとのキーワード一致度合を計算することにより、課題に適任な人材の検索を行い、課題と人材とのミスマッチを解消することができる。
【0356】
実施形態３に係る情報処理装置１００において、取得部１２１は、タスクに関する情報として、スキルの情報を取得し、計算部１２３は、取得部１２１により取得された、タスクに関する情報としてのスキルの情報と、ユーザごとのスキルの情報を記憶する記憶部１３０から取得されたスキルの情報とを照合することにより、スキルの一致度合を計算し、計算部１２３により計算されたスキルの一致度合の高さに応じて、記憶部１３０に記憶されたユーザを検索する。
【0357】
これにより情報処理装置１００は、課題とユーザとのスキル一致度合を計算することにより、課題に適任な人材の検索を行い、課題と人材とのミスマッチを解消することができる。
【0358】
実施形態３に係る情報処理装置１００において、計算部１２３により計算された一致度合に対する重みづけの操作を受け付ける受付部１２７と、受付部１２７により受け付けた重み付けの操作に応じて一致度合を変更する変更部１２８とを更に有し、検索部１２４は、変更部１２８により変更された一致度合の高さに応じて、記憶部１３０に記憶されたユーザを検索する。
【0359】
これにより情報処理装置１００は、課題に適任な人材の検索に加えて、検索者による検索結果へのフィードバック受け付けることで、課題と人材とのミスマッチを解消することができる。
【0360】
〔５．ハードウェア構成〕
また、上記実施形態において説明した情報処理装置１００が実行する処理をコンピュータが実行可能な言語で記述したプログラムを作成することもできる。この場合、コンピュータがプログラムを実行することにより、上記実施形態と同様の効果を得ることができる。さらに、係るプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータに読み込ませて実行することにより上記実施形態と同様の処理を実現してもよい。
また、上記実施形態において説明した情報処理装置１００が実行する処理をコンピュータが実行可能な言語で記述したプログラムを作成することもできる。この場合、コンピュータがプログラムを実行することにより、上記実施形態と同様の効果を得ることができる。さらに、係るプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータに読み込ませて実行することにより上記実施形態と同様の処理を実現してもよい。
【0361】
図２０は、プログラムを実行するコンピュータを示す図である。図２０に例示するように、コンピュータ１０００は、例えば、メモリ１０１０と、ＣＰＵ１０２０と、ハードディスクドライブインタフェース１０３０と、ディスクドライブインタフェース１０４０と、シリアルポートインタフェース１０５０と、ビデオアダプタ１０６０と、ネットワークインタフェース１０７０とを有し、これらの各部はバス１０８０によって接続される。
【0362】
メモリ１０１０は、図２０に例示するように、ＲＯＭ（Read Only Memory）１０１１およびＲＡＭ１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic Input Output System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、図２０に例示するように、ハードディスクドライブ１０９０に接続される。
【0363】
ディスクドライブインタフェース１０４０は、図２０に例示するように、ディスクドライブ１１００に接続される。例えば、磁気ディスクや光ディスク等の着脱可能な記憶媒体が、ディスクドライブ１１００に挿入される。シリアルポートインタフェース１０５０は、図２０に例示するように、例えば、マウス１１１０、キーボード１１２０に接続される。ビデオアダプタ１０６０は、図２０に例示するように、例えばディスプレイ１１３０に接続される。
【0364】
ここで、図２０に例示するように、ハードディスクドライブ１０９０は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３、プログラムデータ１０９４を記憶する。すなわち、上記のプログラムは、コンピュータ１０００によって実行される指令が記述されたプログラムモジュールとして、例えば、ハードディスクドライブ１０９０に記憶される。
【0365】
また、上記実施形態で説明した各種データは、プログラムデータとして、例えば、メモリ１０１０やハードディスクドライブ１０９０に記憶される。そして、ＣＰＵ１０２０が、メモリ１０１０やハードディスクドライブ１０９０に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出し、各種処理手順を実行する。
【0366】
なお、プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０９０に記憶される場合に限られず、例えば着脱可能な記憶媒体に記憶され、ディスクドライブ等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ネットワーク（ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等）を介して接続された他のコンピュータに記憶され、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。
【0367】
［６．その他］
様々な実施形態を、図面を参照して、本明細書で詳細に説明したが、これらの複数の実施形態は例であり、本発明をこれらの複数の実施形態に限定することを意図するものではない。本明細書に記載された特徴は、当業者の知識に基づく様々な変形や改良を含む、様々な方法によって実現され得る。
様々な実施形態を、図面を参照して、本明細書で詳細に説明したが、これらの複数の実施形態は例であり、本発明をこれらの複数の実施形態に限定することを意図するものではない。本明細書に記載された特徴は、当業者の知識に基づく様々な変形や改良を含む、様々な方法によって実現され得る。
【0368】
また、上述した「部（module、-er接尾辞、-or接尾辞）」は、ユニット、手段、回路等に読み替えることができる。例えば、通信部（communication module）、制御部（control module）および記憶部（storage module）は、それぞれ、通信ユニット、制御ユニットおよび記憶ユニットに読み替えることができる。
【符号の説明】
【0369】
１００ 情報処理装置
１１０ 通信部
１２０ 制御部
１２１ 取得部
１２２ 特定部
１２３ 計算部
１２３１ 第一計算部
１２３２ 第二計算部
１２４ 検索部
１２５ 表示部
１２６ 更新部
１２７ 受付部
１２８ 変更部
１３０ 記憶部
２００ ユーザ端末
３００ ネットワーク
１０００ コンピュータ
１０１０ メモリ
１０１１ ＲＯＭ
１０１２ ＲＡＭ
１０２０ ＣＰＵ
１０３０ ハードディスクドライブインタフェース
１０４０ ディスクドライブインタフェース
１０５０ シリアルポートインタフェース
１０６０ ビデオアダプタ
１０７０ ネットワークインタフェース
１０８０ バス
１０９０ ハードディスクドライブ
１０９１ ＯＳ
１０９２ アプリケーションプログラム
１０９３ プログラムモジュール
１０９４ プログラムデータ
１１００ ディスクドライブ
１１１０ マウス
１１２０ キーボード
１１０ 通信部
１２０ 制御部
１２１ 取得部
１２２ 特定部
１２３ 計算部
１２３１ 第一計算部
１２３２ 第二計算部
１２４ 検索部
１２５ 表示部
１２６ 更新部
１２７ 受付部
１２８ 変更部
１３０ 記憶部
２００ ユーザ端末
３００ ネットワーク
１０００ コンピュータ
１０１０ メモリ
１０１１ ＲＯＭ
１０１２ ＲＡＭ
１０２０ ＣＰＵ
１０３０ ハードディスクドライブインタフェース
１０４０ ディスクドライブインタフェース
１０５０ シリアルポートインタフェース
１０６０ ビデオアダプタ
１０７０ ネットワークインタフェース
１０８０ バス
１０９０ ハードディスクドライブ
１０９１ ＯＳ
１０９２ アプリケーションプログラム
１０９３ プログラムモジュール
１０９４ プログラムデータ
１１００ ディスクドライブ
１１１０ マウス
１１２０ キーボード
【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】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】