特開 2024-58494 情報処理装置、情報処理方法および情報処理プログラム

(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】P2024058494

(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】9

【出願形態】ＯＬ

(21)【出願番号】P 2022165903

(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】新井 桃子

(72)【発明者】

【氏名】沖 光司

(72)【発明者】

【氏名】武富 元希

(72)【発明者】

【氏名】山木 智徳

(72)【発明者】

【氏名】古元 泰地

(72)【発明者】

【氏名】村山 尚

(72)【発明者】

【氏名】村木 奏介

(72)【発明者】

【氏名】小山 稿

(72)【発明者】

【氏名】山本 航

【テーマコード（参考）】

5L010

5L049

【Ｆターム（参考）】

5L010AA08

5L049AA08

(57)【要約】

【課題】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や、各課題に適任な人材の検索を可能とし、課題と人材とのミスマッチを解消することができる。
【解決手段】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１２７とを有する。
【選択図】図１

【特許請求の範囲】

【請求項1】

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と、
前記取得部により取得された、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から取得されたタスクの情報とに基づいて、前記記憶部に記憶されたタスクを検索する検索部と、
前記検索部により検索されたタスク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】

前記取得部は、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を取得し、
前記取得部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前記記憶部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を有し、
前記検索部は、前記計算部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、前記記憶部に記憶されたタスクを検索する
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】

前記取得部は、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、
前記取得部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前記記憶部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と、
前記特定部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前記記憶部から、タスクの情報を取得し、前記記憶部から取得し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計算部と、
を有し、
前記検索部は、前記計算部により計算されたスキルの一致度合の高さに応じて、前記記憶部に記憶されたタスクを検索する
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4】

前記計算部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と、
前記受付部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と、
をさらに有し、
前記検索部は、前記変更部により変更された一致度合の高さに応じて、前記記憶部に記憶されたタスクを検索し、
前記表示部は、前記検索部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
ことを特徴とする請求項２または請求項３に記載の情報処理装置。

【請求項5】

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と、
前記取得部により取得された、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から取得された目標に関する情報とに基づいて、前記記憶部に記憶されたユーザを検索する検索部と、
前記検索部により検索されたユーザ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6】

前記取得部により取得された、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前記記憶部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計算部を有し、
前記計算部により計算されたスキルの一致度合の高さに応じて、前記記憶部に記憶されたユーザを検索する
ことを特徴とする請求項５に記載の情報処理装置。

【請求項7】

前記計算部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と
前記受付部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と、
をさらに有し、
前記検索部は、前記変更部により変更された一致度合の高さに応じて、前記記憶部に記憶されたユーザを検索し、
前記表示部は、前記検索部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
ことを特徴とする請求項６に記載の情報処理装置。

【請求項8】

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工程と、
前記取得工程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から取得されたタスクの情報とに基づいて、前記記憶部に記憶されたタスクを検索する検索工程と、
前記検索工程により検索されたタスクを表示する表示工程と
を含むことを特徴とする情報処理方法。

【請求項9】

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ステップと、
前記取得ステップ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から取得されたタスクの情報とに基づいて、前記記憶部に記憶されたタスクを検索する検索ステップと、
前記検索ステップにより検索されたタスクを表示する表示ステップと
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、仕事情報や社員情報のデータベース等を用いて、検索者が目的とする仕事や人物を検索することが知られている。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など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存在する（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、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や、各課題に適任な人材の検索が行えず、課題と人材とのミスマッチが起こる場合があった。

【0005】

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案件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案件を検索することができない場合があった。また、例えば、従来技術では、検索条件に一致する対象のみが検索結果に表示されるため、検索者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対象を発見することができなかった。

【0006】

また、例えば、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った。

【0007】

本発明は、上記の課題を解決するため、検索者の自律的なキャリア形成を目的とした人材検索を可能とし、人的資本を有効に活用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】

【0008】

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１２７とを有することを特徴とする。

【発明の効果】

【0009】

本発明によれば、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や、各課題に適任な人材の検索を可能とし、課題と人材とのミスマッチを解消することができる。

【図面の簡単な説明】

【0010】

【図1】図１は、実施の形態における情報処理装置の構成の一例を示すブロック図である。

【図2】図２は、実施の形態における情報処理装置による処理を説明するための図である。

【図3】図３は、実施の形態における情報処理装置による処理を説明するための図である。

【図4】図４は、実施の形態における情報処理装置による処理を説明するための図である。

【図5】図５は、実施の形態における情報処理装置による処理手順の一例を示すフローチャートである。

【図6】図６は、情報処理プログラムを実行するコンピュータの一例を示す図である。

【発明を実施するための形態】

【0011】

以下、図面を参照して、本願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。

【0012】

［情報処理装置の構成］
次に、図１を用いて、情報処理装置１００の構成について説明する。図１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。

【0013】

ここでユーザ端末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。

【0014】

また、図１に示すように、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、これらの各部は、複数の装置が分散して保持してもよい。以下にこれら各部の処理を説明する。

【0015】

通信部１１０は、ＮＩＣ（Network Interface Card）等で実現され、ＬＡＮ（Local Area Network）やインターネットなど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、外部装置と制御部１２０との通信を可能とする。

【0016】

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必要な情報などが含まれる。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。

【0017】

ここで、タレントは、職種を示す。また、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、目標、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。

【0018】

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」など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、チャットなど、ユーザが希望する連絡方法が含まれる。

【0019】

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（Career Development Program）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、スキルなど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。

【0020】

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１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、受付部１２５と、変更部１２６と、表示部１２７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。

【0021】

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。

【0022】

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。

【0023】

また、取得部１２１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から抽出された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。

【0024】

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。

【0025】

ここで、検索を行うユーザの目標に関する情報から抽出されるキーワードは、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などのように、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。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、音声データなどが含まれる。

【0026】

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。

【0027】

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。

【0028】

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。

【0029】

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。

【0030】

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。

【0031】

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。

【0032】

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。

【0033】

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。

【0034】

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。

【0035】

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。

【0036】

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。

【0037】

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。

【0038】

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。

【0039】

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。

【0040】

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。

【0041】

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。

【0042】

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。

【0043】

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。

【0044】

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。

【0045】

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。

【0046】

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。

【0047】

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。

【0048】

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。

【0049】

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。

【0050】

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。

【0051】

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。

【0052】

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。

【0053】

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。

【0054】

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。

【0055】

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。

【0056】

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。

【0057】

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。

【0058】

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。

【0059】

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。

【0060】

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。

【0061】

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。

【0062】

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。

【0063】

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。

【0064】

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。

【0065】

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必要な情報を計算することができる。

【0066】

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。

【0067】

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。

【0068】

なお、計算部１２３は、後述する変更部１２６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。

【0069】

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。

【0070】

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）などの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。

【0071】

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。

【0072】

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。

【0073】

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。

【0074】

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。

【0075】

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。

【0076】

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。

【0077】

また、検索部１２４は、後述する変更部１２６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１２６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１２６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。

【0078】

また、具体的には、検索部１２４は、変更部１２６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１２６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。

【0079】

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。

【0080】

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。

【0081】

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。

【0082】

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。

【0083】

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。

【0084】

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。

【0085】

また、検索部１２４は、後述する変更部１２６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１２６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１２６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。

【0086】

また、具体的には、検索部１２４は、変更部１２６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１２６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。

【0087】

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。

【0088】

受付部１２５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１２５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１２５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。

【0089】

これにより、受付部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。

【0090】

変更部１２６は、受付部１２５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１２６は、受付部１２５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１２６は、受付部１２５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。

【0091】

これにより、受付部１２５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。

【0092】

表示部１２７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１２７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１２７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。

【0093】

これにより、表示部１２７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１２７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。

【0094】

また、表示部１２７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１２７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。

【0095】

例えば、表示部１２７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。

【0096】

また、表示部１２７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１２７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１２７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。

【0097】

これにより、表示部１２７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１２７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。

【0098】

また、表示部１２７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１２７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。

【0099】

例えば、表示部１２７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。

【0100】

［タスク検索］
次に、図２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。

【0101】

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。

【0102】

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。

【0103】

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１２７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。

【0104】

一方、時間軸として「未来」が選択された場合、取得部１２１は、さらに「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、さらに「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。

【0105】

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。

【0106】

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１２７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。

【0107】

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。

【0108】

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。

【0109】

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１２７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。

【0110】

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。

【0111】

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。

【0112】

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Ｘに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。

【0113】

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１２７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。

【0114】

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。

【0115】

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などに応じて、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。

【0116】

［ユーザ検索］
次に、図３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。

【0117】

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。

【0118】

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１２７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。

【0119】

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。

【0120】

［フローチャート］
次に、図４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Ｓ１０１～Ｓ１０９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Ｓ１０１～Ｓ１０９のうち、省略される処理があってもよい。

【0121】

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Ｓ１０１）。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。

【0122】

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Ｓ１０２）。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。

【0123】

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Ｓ１０２“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（ステップＳ１０３）。

【0124】

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。

【0125】

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Ｓ１０４）。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。

【0126】

他方、取得部１２１により、検索対象がロールモデルであると判定された場合（ステップＳ１０２“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Ｓ１０５）。

【0127】

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。

【0128】

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Ｓ１０６）。

【0129】

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。

【0130】

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Ｓ１０４）。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。

【0131】

そして、表示部１２７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Ｓ１０７）。例えば、表示部１２７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。

【0132】

その後、受付部１２５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Ｓ１０８）。例えば、受付部１２５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。

【0133】

続いて、変更部１２６は、受付部１２５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Ｓ１０９）。例えば、変更部１２６は、受付部１２５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。

【0134】

それから、検索部１２４は、変更部１２６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Ｓ１０４）。例えば、検索部１２４は、変更部１２６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。

【0135】

そして、表示部１２７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Ｓ１０７）。例えば、表示部１２７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。

【0136】

［フローチャート］
次に、図５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Ｓ２０１～Ｓ２０６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Ｓ２０１～Ｓ２０６のうち、省略される処理があってもよい。

【0137】

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Ｓ２０１）。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。

【0138】

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Ｓ２０２）。

【0139】

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。

【0140】

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Ｓ２０３）。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。

【0141】

そして、表示部１２７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Ｓ２０４）。例えば、表示部１２７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。

【0142】

その後、受付部１２５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Ｓ２０５）。例えば、受付部１２５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。

【0143】

続いて、変更部１２６は、受付部１２５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Ｓ２０６）。例えば、変更部１２６は、受付部１２５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。

【0144】

その後、検索部１２４は、変更部１２６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Ｓ２０３）。例えば、検索部１２４は、変更部１２６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。

【0145】

そして、表示部１２７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Ｓ２０４）。例えば、表示部１２７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。

【0146】

［効果］
実施形態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１２７とを有することを特徴とする。

【0147】

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。

【0148】

実施形態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から抽出された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。

【0149】

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。

【0150】

実施形態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。

【0151】

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。

【0152】

実施形態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１２５と、受付部１２５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１２６とをさらに有し、検索部１２４は、変更部１２６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し、表示部１２７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。

【0153】

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て表示することで、課題と人材とのミスマッチを解消することができる。

【0154】

実施形態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１２７とを有することを特徴とする。

【0155】

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。

【0156】

実施形態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。

【0157】

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。

【0158】

実施形態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１２５と、受付部１２５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１２６とをさらに有し、検索部１２４は、変更部１２６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し、表示部１２７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。

【0159】

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て表示することで、課題と人材とのミスマッチを解消することができる。

【0160】

［プログラム］
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、かか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。

【0161】

図６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６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。

【0162】

メモリ１０１０は、図６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６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。

【0163】

ディスクドライブインタフェース１０４０は、図６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６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６に例示するように、例えばディスプレイ１１３０に接続される。

【0164】

ここで、図６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。

【0165】

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。

【0166】

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。

【0167】

［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。

【0168】

また、上述した「部（module、-er接尾辞、-or接尾辞）」は、ユニット、手段、回路など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】

【0169】

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
１２４ 検索部
１２５ 受付部
１２６ 変更部
１２７ 表示部
１３０ 記憶部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】