JP6343079B1 - Method and apparatus for presenting a task that matches a person, and method and apparatus for presenting a person that matches a task - Google Patents
Method and apparatus for presenting a task that matches a person, and method and apparatus for presenting a person that matches a task Download PDFInfo
- Publication number
- JP6343079B1 JP6343079B1 JP2017178557A JP2017178557A JP6343079B1 JP 6343079 B1 JP6343079 B1 JP 6343079B1 JP 2017178557 A JP2017178557 A JP 2017178557A JP 2017178557 A JP2017178557 A JP 2017178557A JP 6343079 B1 JP6343079 B1 JP 6343079B1
- Authority
- JP
- Japan
- Prior art keywords
- task
- feature vector
- person
- similarity
- tasks
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000013598 vector Substances 0.000 claims abstract description 177
- 238000004364 calculation method Methods 0.000 claims description 60
- 230000029087 digestion Effects 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 11
- 238000007621 cluster analysis Methods 0.000 claims description 5
- QWOJMRHUQHTCJG-UHFFFAOYSA-N CC([CH2-])=O Chemical compound CC([CH2-])=O QWOJMRHUQHTCJG-UHFFFAOYSA-N 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 239000000284 extract Substances 0.000 description 9
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000012913 prioritisation Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 3
- 101100533306 Mus musculus Setx gene Proteins 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】従業員とタスクとをより効率的にマッチングすることに役立つための人にマッチするタスクを提示する方法及び装置を提供する。【解決手段】従業員に対して、従業員にマッチするタスクを提示する方法であって、従業員のスキルの特徴ベクトルを求めるステップと、タスクの特徴ベクトルを求めるステップと、従業員のスキルの特徴ベクトルと、タスクの特徴ベクトルと、の類似度を求めるステップと、類似度を求めるステップを、複数のタスクの特徴ベクトルに対して実行するステップと、類似度を求めたタスクの特徴ベクトルうち、従業員のスキルの特徴ベクトルとの類似度が大きいタスクの特徴ベクトルのタスクを、従業員に対して提示するステップと、を含む、従業員にマッチするタスクを提示する方法。【選択図】 図1A method and apparatus for presenting a task that matches a person to help more efficiently match an employee with a task. A method for presenting a task that matches an employee to an employee, the step of obtaining a feature vector of the skill of the employee, a step of obtaining a feature vector of the task, A step of calculating the similarity between the feature vector and the feature vector of the task, a step of calculating the similarity to the feature vector of the plurality of tasks, and among the feature vectors of the task for which the similarity is calculated, A method for presenting a task that matches an employee, comprising: presenting a task with a feature vector of a task having a high similarity to the employee skill feature vector to the employee. [Selection] Figure 1
Description
本発明は、人にマッチするタスクを提示する方法及び装置並びにタスクにマッチする人を提示する方法及び装置に関する。特に、従業員にタスクを割り当てるのに用いられる方法及び装置に関する。 The present invention relates to a method and apparatus for presenting a task that matches a person, and a method and apparatus for presenting a person that matches a task. In particular, it relates to a method and apparatus used to assign tasks to employees.
ある業務を実行する場合に、その業務を構成する「タスク」を従業員(人)に割り当てる必要がある。
このような割り当て作業は、古典的には、もっぱら人為的な手法により、例えば管理者が、各従業員にヒアリングをして、従業員のスキルや希望を聞き、その結果に基づき、上司が適宜、各従業員にタスクを割り当てることが多く行われてきた。
When executing a certain job, it is necessary to assign “tasks” constituting the job to employees (persons).
Such assignment work is classically done exclusively by an artificial method, for example, an administrator interviews each employee, asks them about their skills and wishes, and based on the results, the boss There has been much done assigning tasks to each employee.
しかしながら、近年、大規模なプロジェクト等を効率的に進めるために、プロジェクトの進捗状況の全体を把握し、タスクの人材を効率的に割り当てることができる仕組みが多く提案されている。
例えば、下記特許文献1には、プロジェクト全体の進捗を閲覧し、作業状況や負荷を把握する事ができるシステムが開示されている。この特許文献1に記載されているシステムによれば、負荷のかかるタスクや、負荷のかかる期間を推測し、日程調整や人員の確保等を行い、プロジェクトを円滑に進めることが可能であると記載されている。
However, in recent years, in order to efficiently advance a large-scale project or the like, many mechanisms have been proposed that can grasp the entire progress of the project and efficiently allocate task human resources.
For example, Patent Document 1 below discloses a system that allows the progress of the entire project to be browsed and the work status and load to be ascertained. According to the system described in Patent Document 1, it is possible to estimate a task that requires a load and a period during which the load is applied, adjust a schedule, secure personnel, and the like, and smoothly advance the project. Has been.
このように、従来からプロジェクトの状況を把握し、それに基づき、適宜、従業員に割り振りを決定するシステムは、広く活用されてきた。
これに対して、本発明の発明者は、適切に従業員にタスクの割り当てを行うには、従業員のスキルとタスクをより詳細に比較し検討することが重要と考えられるが、従来、そのようなシステムは知られていない。
本発明は上記事情に鑑みなされたものであり、従業員のスキルとタスクの内容とをより精密に比較し、従業員とタスクとをより効率的にマッチングすることに役立つための人にマッチするタスクを提示する方法及び装置並びにタスクにマッチする人を提示する方法及び装置を提供することを目的とする。
As described above, a system that grasps the status of a project and appropriately determines the allocation to employees based on the situation has been widely used.
On the other hand, in order to appropriately assign tasks to employees, the inventor of the present invention considers that it is important to compare and examine employee skills and tasks in more detail. No such system is known.
The present invention has been made in view of the above circumstances, and matches a person who helps to more effectively compare employee skills and task contents and more efficiently match employees and tasks. It is an object to provide a method and apparatus for presenting a task and a method and apparatus for presenting a person who matches the task.
第1の本発明は、人に対して、前記人にマッチするタスクを提示する方法であって、前記人のスキルの特徴ベクトルを求めるステップと、前記タスクの特徴ベクトルを求めるステップと、前記人のスキルの特徴ベクトルと、前記タスクの特徴ベクトルと、の類似度を求めるステップと、前記類似度を求めるステップを、複数のタスクの特徴ベクトルに対して実行するステップと、類似度を求めた前記タスクの特徴ベクトルうち、前記人のスキルの特徴ベクトルとの前記類似度が大きい前記タスクの特徴ベクトルの前記タスクを、前記人に対して提示するステップと、を含む人にマッチするタスクを提示する方法である。 A first aspect of the present invention is a method for presenting a task that matches a person to a person, the step of obtaining a feature vector of the skill of the person, the step of obtaining a feature vector of the task, and the person Obtaining the similarity between the feature vector of the skill and the feature vector of the task, executing the step of obtaining the similarity on the feature vector of a plurality of tasks, and obtaining the similarity Presenting a task that matches a person including the step of presenting the task of the feature vector of the task having a large similarity to the feature vector of the skill of the person among the feature vectors of the task to the person Is the method.
第2の本発明は、請求項1記載の発明において、前記タスクの特徴ベクトルは、前記タスクに対する1又は2以上のタグ付けと、タグ付けされたそれぞれの前記タグに対して求められるレベルと、からなるベクトルであることを特徴とする。 According to a second aspect of the present invention, in the invention according to claim 1, the feature vector of the task includes one or more tagging for the task, a level required for each of the tagged tags, It is a vector consisting of
第3の本発明は、請求項1又は2記載の発明において、前記人の特徴ベクトルは、前記人に対する1又は2以上のタグ付けと、タグ付けされたそれぞれの前記タグに対して、前記人が現状保持するレベルと、からなるベクトルであることを特徴とする。 According to a third aspect of the present invention, in the invention according to claim 1 or 2, the person's feature vector includes one or more taggings for the person and the person for each tagged tag. Is a vector consisting of a level that is currently maintained.
第4の本発明は、請求項1から3のいずれかに記載の発明において、前記類似度は、前記人のスキルの特徴ベクトルと、前記タスクの特徴ベクトルとのコサイン類似度(cosine similarity)であることを特徴とする。 According to a fourth aspect of the present invention, in the invention according to any one of claims 1 to 3, the similarity is a cosine similarity between a feature vector of the person's skill and a feature vector of the task. It is characterized by being.
第5の本発明は、人に対して、前記人にマッチするタスクを提示する装置であって、前記人のスキルの特徴ベクトルを登録するスキル情報データベースと、1又は2以上の前記タスクの特徴ベクトルを登録するタスク情報データベースと、前記スキル情報データベースから、前記人のスキルの特徴ベクトルを取り出し、前記タスク情報データベースから複数の前記タスクの特徴ベクトルを取り出し、取り出した前記人のスキルの特徴ベクトルと、取り出した前記タスクの特徴ベクトルと、の類似度を求めるスキル−タスク類似度計算部と、類似度を求めた前記タスクの特徴ベクトルうち、前記人のスキルの特徴ベクトルとの前記類似度が大きい前記タスクの特徴ベクトルの前記タスクを、前記人に対して提示する推奨タスク提示部と、を含む人にマッチするタスクを提示する装置である。 5th this invention is an apparatus which shows the task which matches the said person with respect to the person, Comprising: The skill information database which registers the feature vector of the said person's skill, and the characteristic of one or two or more said tasks A task information database for registering a vector; a feature vector of the person's skill is extracted from the skill information database; a plurality of feature vectors of the task are extracted from the task information database; A skill-task similarity calculation unit for obtaining a similarity between the extracted feature vector of the task and the task feature vector for which the similarity is obtained, and the similarity with the feature vector of the person skill is large. A recommended task presenting unit that presents the task of the feature vector of the task to the person. It is a device that presents a task to match.
第6の本発明は、対象タスクに対して、前記対象タスクにマッチする人を提示する方法であって、1人又は複数人の前記人のタスク消化実績の特徴ベクトルを求めるステップと、前記対象タスクの特徴ベクトルを求めるステップと、前記人のタスク消化実績の特徴ベクトルと、前記対象タスクの特徴ベクトルと、のタスク間類似度を求めるステップと、前記タスク間類似度を求めるステップを、1又は複数の前記人のタスク消化実績の特徴ベクトルに対して実行するステップと、前記タスク間類似度が大きいタスク消化実績の特徴ベクトルを有する前記人を、前記対象タスクに対して提示するステップと、を含む、タスクにマッチする人を提示する方法である。 6th this invention is the method of presenting the person who matches the said target task with respect to an object task, Comprising: The step which calculates | requires the feature vector of the task digest performance of the said one person or several persons, and the said object A step of obtaining a task feature vector, a step of obtaining an inter-task similarity between the feature vector of the person's task digestion result, and a feature vector of the target task, and a step of obtaining the inter-task similarity. A step of executing a plurality of feature digestion vector of the person's task digestion, and a step of presenting the person having the task digestion feature vector having a high similarity between the tasks to the target task. It is a method of presenting the person who matches the task.
第7の本発明は、請求項6記載の発明において、前記人のタスク消化実績の特徴ベクトルは、前記人の複数の過去実績タスクの特徴ベクトルであり、前記タスク間類似度は、前記対象タスクの特徴ベクトルと、前記人の複数の過去実績タスクの特徴ベクトルとの類似度を、前記複数の過去実績タスクの特徴ベクトルごとに求め、求めた複数の類似度の合計値である全類似度であることを特徴とする。 According to a seventh aspect of the present invention, in the invention according to claim 6, the feature vector of the person's task achievement record is a feature vector of a plurality of past record tasks of the person, and the similarity between tasks is the target task. The similarity between the feature vector of the person and the feature vector of the plurality of past achievement tasks of the person is obtained for each feature vector of the plurality of past achievement tasks, and the total similarity is a total value of the obtained plurality of similarities. It is characterized by being.
第8の本発明は、請求項6記載の発明において、前記人のタスク消化実績の特徴ベクトルは、前記人の複数の過去実績タスクの特徴ベクトルであり、前記タスク間類似度は、前記対象タスクの特徴ベクトルと、前記人の複数の過去実績タスクの特徴ベクトルとの類似度を、前記複数の過去実績タスクの特徴ベクトルごとに求め、求めた複数の類似度のうち、所定の基準値以上の前記類似度のみを合計した合計値である全類似度であることを特徴とする。 According to an eighth aspect of the present invention, in the invention according to claim 6, the feature vector of the person's task achievement record is a feature vector of a plurality of past record tasks of the person, and the similarity between tasks is the target task. And a similarity between the feature vector of the plurality of past performance tasks of the person and the feature vector of the plurality of past performance tasks of the person, and a predetermined reference value or more of the plurality of similarities obtained The total similarity is a total value obtained by adding only the similarities.
第9の本発明は、対象タスクに対して、前記対象タスクにマッチする人を提示する装置であって、1人又は複数人の前記人のタスク消化実績の特徴ベクトルを登録するタスク実績情報データベースと、前記対象タスクの特徴ベクトルを登録するタスク情報データベースと、前記人のタスク消化実績の特徴ベクトルと、前記対象タスクの特徴ベクトルと、のタスク間類似度を求めるタスク間類似度計算部と、前記タスク間類似度が大きいタスク消化実績の特徴ベクトルを有する前記人を、前記対象タスクに対して提示する推奨対象従業員抽出部と、を備えたタスクにマッチする人を提示する装置である。 The ninth aspect of the present invention is an apparatus for presenting a person who matches the target task with respect to the target task, and registers a feature vector of task digest results of one or more persons. A task information database that registers the feature vector of the target task, a feature vector of the person's task digestion result, and an inter-task similarity calculation unit that calculates an inter-task similarity between the feature vector of the target task, An apparatus for presenting a person who matches a task, including a recommended target employee extracting unit that presents the person having a feature vector of a task digest performance record having a high similarity between tasks to the target task.
第10の本発明は、人に対して、前記人にマッチするタスクを提示する方法であって、前記人のタスク消化実績の特徴ベクトルを求めるステップと、前記タスクの特徴ベクトルを求めるステップと、前記人のタスク消化実績の特徴ベクトルと、前記タスクの特徴ベクトルと、のタスク間ン類似度を求めるステップと、前記タスク間類似度を求めるステップを、複数のタスクの特徴ベクトルに対して実行するステップと、前記タスク間類似度を求めた前記タスクを、クラスター群に分解するステップと、前記タスク間類似度を求めた前記タスク中において、ある所定の一つの前記タスクが属するクラスター群と共起性の高い他のクラスター群を抽出するステップと、前記抽出したクラスター群に属する前記タスクの特徴ベクトルうち、前記人のタスク消化実績の特徴ベクトルとの前記タスク間類似度が大きい場合に、前記ある所定の一つの前記タスクを、前記人に対して提示するステップと、を含む人にマッチするタスクを提示する方法である。 A tenth aspect of the present invention is a method for presenting a task that matches a person to a person, the step of obtaining a feature vector of the task digestion result of the person, the step of obtaining a feature vector of the task, The step of obtaining the similarity between tasks between the feature vector of the task digestion result of the person and the feature vector of the task and the step of obtaining the similarity between the tasks are executed on the feature vectors of the plurality of tasks. Co-occurring with a cluster group to which a predetermined one of the tasks belongs in the step, the task for which the similarity between tasks is obtained is decomposed into cluster groups, and the task for which the similarity between tasks is obtained Extracting another cluster group having high characteristics, and among the feature vectors of the task belonging to the extracted cluster group, A method of presenting a task that matches a person, including the step of presenting the certain predetermined task to the person when the similarity between the tasks with the feature vector of the result of the digestion of the risk is large. is there.
第11の本発明は、請求項10記載の発明において、前記クラスター群に分解するステップは、前記タスクをクラスター分析することによって、複数のクラスター群に分解することを特徴とする。 An eleventh aspect of the present invention is characterized in that, in the invention according to claim 10, the step of decomposing into the cluster group decomposes the task into a plurality of cluster groups by performing cluster analysis.
第12の本発明は、請求項10又は11記載の発明において、前記共起性は、所定の前記クラスター群に属するタスクを実行した人の第1集合と、他の前記クラスター群に属するタスクを実行した人との第2集合とに対して、前記第1集合と前記第2集合との全体集合に属する人の数に対する、前記第1集合と前記第2集合とに共通に属する人の数の割合であることを特徴とする。 In a twelfth aspect of the present invention, in the invention according to claim 10 or 11, the co-occurrence includes a first set of persons who have executed a task belonging to the predetermined cluster group and tasks belonging to the other cluster group. The number of people who belong to both the first set and the second set in relation to the number of people who belong to the entire set of the first set and the second set with respect to the second set with the executed person It is the ratio of this.
第13の本発明は、人に対して、前記人にマッチするタスクを提示する装置であって、前記人のタスク消化実績の特徴ベクトルを登録するタスク実績情報データベースと、1又は2以上の前記タスクの特徴ベクトルを登録するタスク情報データベースと、前記人のタスク消化実績の特徴ベクトルと、複数の前記タスクの特徴ベクトルと、のタスク間類似度を求めるタスク−タスク類似度計算部と、前記タスク間類似度を求めた前記タスクを、クラスター群に分解し、前記タスク間類似度を求めた前記タスク中において、ある所定の一つの前記タスクが属するクラスター群と共起性の高い他のクラスター群を抽出する共起性計算部と、前記抽出したクラスター群に属する前記タスクの特徴ベクトルうち、前記人のタスク消化実績の特徴ベクトルとの前記タスク間類似度が大きい場合に、前記ある所定の一つの前記タスクを、前記人に対して提示する推奨タスク提示部と、を含む人にマッチするタスクを提示する装置である。 A thirteenth aspect of the present invention is an apparatus for presenting a task that matches a person to a person, the task result information database for registering the feature vector of the person's task digest record, and one or more of the above A task information database for registering a feature vector of a task, a feature vector of a person's task digestion result, a task-task similarity calculation unit for calculating a similarity between tasks of a plurality of feature vectors of the task, and the task The task whose inter-similarity is obtained is decomposed into cluster groups, and among the tasks whose inter-task similarity is obtained, another cluster group having high co-occurrence with a cluster group to which a predetermined one task belongs A co-occurrence calculation unit that extracts the feature, and a feature vector of the task digestion result of the person among the feature vectors of the task belonging to the cluster group Wherein when the inter-task similarity is large, the predetermined one of the tasks of the present, a device for presenting the task of matching the person including a recommended task presenting unit to be presented to the person.
第14の本発明は、タスクに対する人の難易度を求める方法であって、前記人のスキルの特徴ベクトルに対して前記タスクの特徴ベクトルを射影した場合のその射影の長さを、スキルの特徴ベクトルの長さで除算した値を、前記難易度として計算するステップ、を含むタスクに対する人の難易度を求める方法である。 A fourteenth aspect of the present invention is a method for obtaining the degree of difficulty of a person for a task, wherein the length of the projection when the feature vector of the task is projected onto the feature vector of the person's skill is represented by the feature of the skill. And calculating a difficulty level of a person for a task including a step of calculating a value obtained by dividing the vector length as the difficulty level.
第15の本発明は、タスクに対する人の難易度を求める装置であって、前記人のスキルの特徴ベクトルに対して前記タスクの特徴ベクトルを射影した場合のその射影の長さを、スキルの特徴ベクトルの長さで除算した値を、前記難易度として計算する計算部、を含むタスクに対する人の難易度を求める装置である。 A fifteenth aspect of the present invention is an apparatus for determining the level of difficulty of a person with respect to a task, wherein the length of the projection when the feature vector of the task is projected onto the feature vector of the person's skill is represented by the feature of the skill. It is a device for obtaining a person's difficulty level for a task including a calculation unit that calculates a value obtained by dividing the vector length as the difficulty level.
本発明によれば、人に対して、そのスキルにあったタスクを提示することができ、より効率的なタスクの割り当てが可能となる。 According to the present invention, a task suitable for the skill can be presented to a person, and more efficient task assignment can be performed.
以下、図面を参照して本発明を具体化した実施形態について説明する。
本実施形態は、従業員にマッチするタスクを自動推薦する仕組みに関するものであり、例えば、下記各実施形態1〜4の各構成はコンピュータを用いて実現することも好適な例である。
実施形態1.従業員のスキルとタスクの類似性(類似度)による推薦
実施形態1においては、従業員のスキルとタスクの類似性(類似度)に基づき、タスクの推薦を行う手法の例を説明する。
(1)特徴
まず、この手法の特徴は次のようなものである。
(a)まず、従業員のスキルとタスクの特性とが、どの程度合致しているか否かを数値化する。
(b)実施形態1に係る推薦の原理は、レコメンドエンジンで用いられる「内容ベースフィルタリング」の技術を応用したものである。内容ベースフィルタリングとは、対象者や対象物の特徴ベクトルで、類似度を求め、その結果に基づきレコメンドを行う手法である。
(c)ここでは、従業員のスキルの特徴ベクトルを
DESCRIPTION OF EXEMPLARY EMBODIMENTS Hereinafter, embodiments of the invention will be described with reference to the drawings.
The present embodiment relates to a mechanism for automatically recommending a task that matches an employee. For example, each configuration of the following first to fourth embodiments is preferably realized by using a computer.
Embodiment 1. FIG. Recommendation Using Employee Skill and Task Similarity (Similarity) In the first embodiment, an example of a method for recommending a task based on the employee skill and task similarity (similarity) will be described.
(1) Features First, the features of this method are as follows.
(A) First, the degree of matching between the skill of the employee and the characteristics of the task is quantified.
(B) The recommendation principle according to the first embodiment is an application of the “content-based filtering” technique used in the recommendation engine. Content-based filtering is a technique for obtaining a similarity based on a feature vector of an object person or an object and making a recommendation based on the result.
(C) Here, feature vector of employee skill
タスクの特徴ベクトルは、そのタスクに対するタグ付と、それぞれのタグに対して、求められているレベルと、によって定義される。例えば、
{Excel:上級レベル、会計知識:初級者レベル}
のように表される。ここで 示した例では、Excelというタグの要求レベルが上級レベルであり、会計知識というタグの要求レベルが初級者レベルであることを意味している。スキルの特徴ベクトルも同様に表されており、全ての定義されたタスクのタグに対して、現状保持するスキルレベルによって定義されている。
タグ付けは、他のものでもよく、英会話能力、プログラミング能力等でもよい。また、レベルは、上記説明では、上級レベル、初級者レベル、等で表したが、単に6段階表記(0〜5)や、10段階表記(0〜9)等でもよい。なお、ここでチケット(ticket)とは、タスクを意味する。このように各特徴ベクトルを表すと、スキルとチケット(タスク)との類似度
The task feature vector is defined by the tagging for the task and the level required for each tag. For example,
{Excel: Advanced level, Accounting knowledge: Beginner level}
It is expressed as In the example shown here, it means that the required level of the tag “Excel” is the advanced level and the required level of the tag “accounting knowledge” is the beginner level. Skill feature vectors are also represented in the same manner, and are defined by the skill level that is currently held for all defined task tags.
Tagging may be other things, such as English conversation ability, programming ability, etc. In the above description, the level is expressed as an advanced level, a beginner level, or the like. However, the level may be simply expressed in 6 levels (0 to 5) or 10 levels (0 to 9). Here, the ticket means a task. When each feature vector is expressed in this way, the similarity between the skill and the ticket (task)
(2)構成と動作
図2には、タスクと従業員のマッチング装置10の構成を示す機能ブロック図が示されている。図2は、タスクと従業員のマッチング装置10の構成でもあり、動作の流れでもある。以下、図2に基づき、タスクと従業員のマッチング装置10の構成及びその動作を説明する。
(2) Configuration and Operation FIG. 2 is a functional block diagram showing the configuration of the task / employee matching apparatus 10. FIG. 2 shows the configuration of the task / employee matching apparatus 10 and the flow of operation. Hereinafter, the configuration and operation of the task / employee matching apparatus 10 will be described with reference to FIG.
まず、顧客12は、自分が依頼したいタスクをタスク依頼部16を介して入力する。タスク依頼部16は、顧客12からのタスクを入力する入力手段であり、コンピュータのキーボードやタッチパネル等で実現される。また、ネットワークを介してタスクが依頼される場合は、ネットワークインターフェース手段が、タスク依頼部16を構成する。その他、タスクを入力できれば、どのような構成でタスク依頼部16を実現してもよい。
タスク依頼部16は、入力したタスクをタスク情報データベース20に登録する。ここで、登録されるタスクとは、タスクを依頼する顧客12やタスクの番号、タスクの内容等を記述したデータだけでなく、上述したタスクの特徴ベクトルも含む。タスク情報データベース20は、ハードディスクや半導体記憶手段等の所定の記憶手段を用いてよい。
First, the customer 12 inputs a task he / she wants to request via the task request unit 16. The task request unit 16 is an input means for inputting a task from the customer 12, and is realized by a computer keyboard, a touch panel, or the like. When a task is requested via the network, the network interface means constitutes the task request unit 16. In addition, the task request unit 16 may be realized with any configuration as long as a task can be input.
The task request unit 16 registers the input task in the task information database 20. Here, the registered task includes not only data describing the customer 12 who requests the task, the task number, the task content, and the like, but also the above-described feature vector of the task. The task information database 20 may use a predetermined storage unit such as a hard disk or a semiconductor storage unit.
次に、従業員14は、自分のスキルをスキル登録部18を介して入力する。スキル登録部18は、従業員14が自己のスキルを入力する入力手段であり、コンピュータのキーボードやタッチパネル等で実現される。また、ネットワークを介してスキルを入力してもよく、その場合は、ネットワークインターフェース手段が、スキル登録部18を構成する。その他、従業員14がスキルを入力できれば、どのような構成でスキル登録部18を実現してもよい。
スキル登録部18は、入力した従業員14のスキルをスキル情報データベース22に登録する。ここで、登録されるスキルとは、スキルの内容を記述したデータであるが、特に、上述したスキルの特徴ベクトルも含む。スキル情報データベース22も、ハードディスクや半導体記憶手段等の所定の記憶手段を用いてよい。
Next, the employee 14 inputs his skill via the skill registration unit 18. The skill registration unit 18 is an input means for the employee 14 to input his / her skill, and is realized by a computer keyboard, a touch panel, or the like. In addition, a skill may be input via a network. In this case, the network interface means constitutes the skill registration unit 18. In addition, as long as the employee 14 can input skills, the skill registration unit 18 may be realized in any configuration.
The skill registration unit 18 registers the input skill of the employee 14 in the skill information database 22. Here, the registered skill is data describing the content of the skill, but particularly includes the above-described skill feature vector. The skill information database 22 may also use predetermined storage means such as a hard disk or semiconductor storage means.
次に、スキル/タスク類似度計算部24は、タスク情報データベース20から、所定のタスクに対して、そのタスクの特徴ベクトルを取り出す。また、スキル/タスク類似度計算部24は、スキル情報データベース22から、所定の従業員14に対して、その従業員14の特徴ベクトルを取り出す。そして、スキル/タスク類似度計算部24は、上述した式4の計算を実行し、従業員14のスキルと、タスクとの類似性を求める。
このようにして、スキル/タスク類似度計算部24は、所定のタスクと、各従業員14のスキルとの類似性を求めることによって、そのタスクに適した従業員14を選び出すことができる。例えば、そのタスクとの類似性が一定の基準値以上のスキル(の特徴ベクトル)を有する従業員14を抽出し、これらの従業員14を、そのタスクに適した従業員14であると判断することができる。このようにして、類似度が一定の基準値以上のスキルを備えた従業員14のリストを、タスク毎に作成することができる。
このようにして、スキル/タスク類似度計算部24は、あるタスクに対して適したスキルを備えた従業員14のリストである「レコメンド対象従業員一覧」26を作成することができる。レコメンド対象従業員一覧26は、当該タスクと、そのタスクに適した従業員14と、その従業員14のスキルと当該タスクとの類似度と、を含む表である。また、このレコメンド対象従業員一覧26は、例えば、他の項目(経験年数、勤務形態等)が含まれている表であってもよい。このようにして、スキル/タスク類似度計算部24は、レコメンド対象従業員一覧26を、タスクごとに作成することができる。
Next, the skill / task similarity calculation unit 24 extracts a feature vector of the task from the task information database 20 for a predetermined task. Further, the skill / task similarity calculation unit 24 extracts a feature vector of the employee 14 from the skill information database 22 for the predetermined employee 14. Then, the skill / task similarity calculation unit 24 performs the calculation of the above-described formula 4 to obtain the similarity between the skill of the employee 14 and the task.
In this way, the skill / task similarity calculation unit 24 can select the employee 14 suitable for the task by obtaining the similarity between the predetermined task and the skill of each employee 14. For example, employees 14 having skills (feature vectors) whose similarity to the task is equal to or higher than a certain reference value are extracted, and these employees 14 are determined to be employees 14 suitable for the task. be able to. In this way, it is possible to create a list of employees 14 having skills whose similarity is equal to or higher than a certain reference value for each task.
In this way, the skill / task similarity calculation unit 24 can create a “recommended employee list” 26 that is a list of employees 14 having skills suitable for a certain task. The recommended target employee list 26 is a table including the task, the employee 14 suitable for the task, and the skill of the employee 14 and the similarity between the task and the task. The recommended employee list 26 may be, for example, a table including other items (year of experience, work style, etc.). In this way, the skill / task similarity calculation unit 24 can create the recommendation target employee list 26 for each task.
このレコメンド対象従業員一覧26は、所定の記憶手段に格納しておく。その記憶手段は、スキル/タスク類似度計算部24内に備えてもよいし、外部の所定の記憶手段を利用してもよい。また、上述したタスク情報データベース20等と記憶手段を共用してもよい。
スキル/タスク類似度計算部24は、これらの動作を記述したプログラムと、当該プログラムを実行するCPUとから構成することができる。また、スキル/タスク類似度計算部24は、レコメンド対象従業員一覧26を格納する記憶手段を備えていてもよい。
The recommended employee list 26 is stored in a predetermined storage means. The storage means may be provided in the skill / task similarity calculation unit 24, or a predetermined external storage means may be used. Further, the storage means may be shared with the above-described task information database 20 or the like.
The skill / task similarity calculation unit 24 can be composed of a program describing these operations and a CPU that executes the program. Further, the skill / task similarity calculation unit 24 may include a storage unit that stores the recommendation target employee list 26.
次に、推奨タスク提示部28は、所定の従業員14に対して、当該従業員14が含まれているレコメンド対象従業員一覧26を、探索する。そして、当該従業員14が含まれているレコメンド対象従業員一覧のタスクを、当該従業員14に対して、推奨タスクとして提示することができる。
推奨タスク提示部28は、従業員14からのリクエストによって、上記動作を実行してもよい。そのように構成すれば、従業員14は、自己のスキルが適した(類似する)タスクを容易に知ることができる。例えば、従業員14が自己の従業員番号をキーボード等から入力すると、推奨タスク提示部28は、当該番号が含まれるレコメンド対象従業員一覧26を探索し、そのタスクを例えばコンピュータのディスプレイに表示し、従業員14に知らせることができる。
提示の方法は、例えば、ディスプレイに推奨タスクを表示してもよいし、推奨タスクのリストを印刷してもよい。また、推奨タスクを含むメールを従業員に送信してもよい。実施形態での「提示」は、従業員14に推奨タスクを示すことができればどのような手法でもよい。
また、「人に対する提示」は、当該従業員14の本人である必要はない。例えば、企業の管理者が、従業員14の従業員番号を用いて、上記類似度の計算をし、その従業員にマッチするタスクの「提示」を受ける場合も、「人に対する提示」と称する。また、プリンタで印刷することや、メールで送信すること、等の「人に提示しうる状態におくこと」も、ここでいう「人に対する提示」に該当する。同様に、所定のWebページ上に掲載し、人が閲覧できる状態にすること等も「人に対する提示」に該当する。推奨タスク提示部28は、これらの動作を記述したプログラムと、当該プログラムを実行するCPUとから構成することができる。また、従業員14の従業員番号や氏名、レコメンド対象従業員一覧26のリクエスト等を入力するためのキーボード等を備えていてもよい。また。従業員番号や氏名、リクエストをネットワークを介して入力する場合は、所定のネットワークインターフェースを備えていてもよい。
なお、タスクと従業員のマッチング装置10は、顧客12や従業員14だけでなく、企業の管理者が用いてもよい。企業の管理者が、従業員番号を入力して、当該従業員14に適したタスクを知ることができ、そのタスクを当該従業員14に勧めることも好適な使用方法である。
Next, the recommended task presentation unit 28 searches the recommended employee list 26 including the employee 14 for the predetermined employee 14. Then, the task of the recommendation target employee list including the employee 14 can be presented to the employee 14 as a recommended task.
The recommended task presentation unit 28 may execute the above operation according to a request from the employee 14. With such a configuration, the employee 14 can easily know a task (similar) suitable for his / her skill. For example, when the employee 14 inputs his / her employee number from a keyboard or the like, the recommended task presentation unit 28 searches the recommended employee list 26 including the number and displays the task on, for example, a computer display. , Can inform the employee 14.
As a presentation method, for example, a recommended task may be displayed on a display, or a list of recommended tasks may be printed. An email including a recommended task may be sent to the employee. The “presentation” in the embodiment may be any method as long as the recommended task can be shown to the employee 14.
Further, the “presentation to a person” does not need to be the employee 14 himself / herself. For example, when a manager of a company calculates the above-mentioned similarity using the employee number of the employee 14 and receives “presentation” of a task that matches the employee, it is also referred to as “presentation to a person”. . Further, “to be presented to a person” such as printing with a printer or sending by e-mail corresponds to “presentation to a person” here. Similarly, posting on a predetermined Web page and making it in a state where it can be viewed by a person corresponds to “presentation to a person”. The recommended task presentation unit 28 can be composed of a program describing these operations and a CPU that executes the program. In addition, a keyboard or the like may be provided for inputting an employee number or name of the employee 14, a request for the recommended employee list 26, and the like. Also. When inputting an employee number, a name, and a request via a network, a predetermined network interface may be provided.
The task / employee matching apparatus 10 may be used not only by the customer 12 and the employee 14 but also by a manager of the company. It is also a preferable usage method that a manager of a company can input an employee number to know a task suitable for the employee 14 and recommend the task to the employee 14.
また、タスクと従業員のマッチング装置10は、1個のコンピュータで構成してもよいが複数のコンピュータで実現してもよい。またネットワークで結びつけられた複数のコンピュータで構成してもよい。すなわち、各構成がネットワーク上に分散された構成を備えた装置として構成してもよい。また、クラウド上でタスクと従業員のマッチング装置10を構成し、ネットワークを介して各人が利用する形態を採用してもよいし、オンプレミスで構成してもよい。 Further, the task / employee matching apparatus 10 may be configured by a single computer or may be realized by a plurality of computers. Moreover, you may comprise with the some computer connected with the network. That is, you may comprise as an apparatus provided with the structure by which each structure was distributed on the network. Moreover, the matching apparatus 10 of a task and an employee may be comprised on a cloud, and the form which each person uses via a network may be employ | adopted, and you may comprise on-premises.
以上説明したように、本実施形態1によれば、従業員14のスキルとタスクとの類似度を計算し、類似度が所定の基準値より高いタスクを従業員14に提示することができる。したがって、従業員14は自己に適したタスクを知ることができ、またそのタスクを実行することができる。
なお、従業員14は、請求の範囲における「人」の好適な一例に相当するが、「人」は特に従業員14に限定されず、生徒、学生、スポーツ選手、芸能人等も含めてよい。また、タスクと従業員のマッチング装置10は、請求の範囲の「人にマッチするタスクを提示する装置」の好適な一例に相当する。さらに、本実施形態1に係るタスクと従業員のマッチングの動作は、請求の範囲の「人にマッチするタスクを提示する方法」の好適な一例に相当する。
As described above, according to the first embodiment, the similarity between the skill of the employee 14 and the task can be calculated, and a task having a similarity higher than a predetermined reference value can be presented to the employee 14. Therefore, the employee 14 can know a task suitable for him and can execute the task.
The employee 14 corresponds to a preferable example of “person” in the claims, but “person” is not particularly limited to the employee 14 and may include students, students, athletes, entertainers, and the like. The task / employee matching device 10 corresponds to a preferred example of the “device for presenting a task that matches a person” in the claims. Further, the matching operation between the task and the employee according to the first embodiment corresponds to a preferable example of the “method for presenting a task that matches a person” in the claims.
実施形態2.従業員の行動履歴の分析による、過去類似性の高いタスクを実施した従業員へのタスク推薦
実施形態2においては、従業員14の行動履歴とタスクとの類似性に基づき、タスクの推薦を行う手法の例を説明する。
Embodiment 2. FIG. Task recommendation to an employee who has performed a task with high past similarity based on an analysis of the employee's behavior history In the second embodiment, task recommendation is performed based on the similarity between the behavior history of the employee 14 and the task. An example of the method will be described.
(1)特徴
まず、この手法の特徴は次のようなものである。
(a)あるタスク(新規タスク)が新規で登録されてきた場合、そのタスクの特徴ベクトルから、過去のタスク消化実績情報において、類似性のあるタスクを抽出する。ここで、類似度の計算は、そのタスクの特徴ベクトルを利用した内容ベースフィルタリングの原理を応用している。すなわち、実施形態1と同様に、レコメンドエンジンで用いられる「内容ベースフィルタリング」の技術を応用している。
なお、新規タスクは、それとマッチ する人の提示の対象となるタスクであり、「対象タスク」と呼ぶ(請求の範囲参照)場合がある。
(b)次に、当該新規タスクと類似度が高いタスクを実施している従業員14については、「推薦の優先順位付け」(後述する)を行い、「タスク間類似度」が一定の閾値を超えた従業員14に対して、新規で登録されたタスクをレコメンドする。タスク間類似度とは、あるタスクの特徴ベクトルと、他のタスクの特徴ベクトルとの間の類似度である。実施形態1においては。人の特徴ベクトルと、タスクの特徴ベクトルと、の間の類似度を説明したが、同様の計算をタスクの特徴ベクトル同士で行ったものを、人とタスクの類似度と区別するために、類似度の中でも特に「タスク間類似度」と呼ぶ。
(c)上記「推薦の優先順位付け」は、過去実績タスクのタスク間類似度を全て加算して得られた合計値(この値を「全類似度」と呼ぶ)に基づき以下のように行う。
まず、ある従業員14の過去に実行したタスクの実績の集合を
(1) Features First, the features of this method are as follows.
(A) When a certain task (new task) is newly registered, a similar task is extracted from past task digest record information from the feature vector of the task. Here, the calculation of similarity applies the principle of content-based filtering using the feature vector of the task. That is, as in the first embodiment, the “content-based filtering” technique used in the recommendation engine is applied.
Note that a new task is a task to be presented by a matching person, and is sometimes referred to as a “target task” (see claims).
(B) Next, “employee prioritization” (described later) is performed on the employee 14 who is executing a task having a high similarity to the new task, and the “similarity between tasks” is a constant threshold value. The newly registered task is recommended for the employee 14 who exceeds. The similarity between tasks is a similarity between a feature vector of a certain task and a feature vector of another task. In the first embodiment. The similarity between the human feature vector and the task feature vector has been explained, but the similarity between the human feature and the task similarity can be distinguished from those obtained by performing the same calculation between the task feature vectors. Among these degrees, it is called “similarity between tasks”.
(C) “Recommendation prioritization” is performed as follows based on a total value obtained by adding all the similarities between tasks of past performance tasks (this value is referred to as “total similarity”). .
First, a collection of the results of tasks performed by an employee 14 in the past
優先度(全類似度)の計算の変形例
(a)本実施形態2においては。上記式6のように優先度を計算する。ここでは、過去実績タスクを全て類似度を計算し、加算する例を示しているが、類似度が低い類似度は加算の対象から除外してもよい。対象タスクと、無関係なタスクとの類似度を加算しても余り意味が無いからである。例えば、式6において、類似度が所定の基準値以上の類似度のみを加算することも好適である。
(b)上記式6では。類似度を全て加算しているが、1タスク当たりの平均値を求めてもよい。低い類似度を数多くあり、合計値が大きな値になった場合よりも、一つでも高い類似度がある方を優先した方が好ましい場合もあるからである。
Modified example of calculation of priority (total similarity) (a) In the second embodiment. The priority is calculated as in Equation 6 above. Here, an example is shown in which similarities are calculated and added to all past performance tasks, but similarities with low similarities may be excluded from addition targets. This is because even if the similarity between the target task and an unrelated task is added, there is not much meaning. For example, in Equation 6, it is also preferable to add only similarities whose similarity is equal to or greater than a predetermined reference value.
(B) In Equation 6 above. Although all the similarities are added, an average value per task may be obtained. This is because there are a number of low similarities, and it may be preferable to give priority to one having a high degree of similarity rather than a case where the total value becomes a large value.
表
次に、図3には、priority(全類似度)が求められている表が示されている。同図に示す表には、行(ロウ)が当該新規タスクに類似するタスクである。同図では、タスクXが新規タスクとの類似度が0.9であることが示されている。また、同様に、タスクYが新規タスクとの類似度が0.8であることが示されている。また、タスクZが新規タスクとの類似度が0.7であることが示されている。実施形態2では。これらタスクX、Y、Zが新規タスクと類似するタスクであると判断されている。この判断は、例えば所定の基準値を用いて、類似度がその基準値を超える場合にそのタスクは新規タスクと類似すると判断してもよい。
また、図3の列(カラム)には、従業員が示されている。まず、従業員Aさんは、過去にタスクXとタスクYとを実行しており、それぞれのタスクの類似度0.9と0.8の合計値である1.7が優先度(全類似度)であり、推薦度となる。次に、従業員Bさんは、過去にタスクYとタスクZとを実行しており、それぞれのタスクの類似度0.8と0.7の合計値である1.5が優先度(全類似度)であり、推薦度となる。従業員Cさんは、過去にタスクZとタスクXとを実行しており、それぞれのタスクの類似度0.7と0.9の合計値である1.6が優先度(全類似度)であり、推薦度となる。
この結果、「順位」は、推薦度(1.7)が最も大きい従業員Aさんが第1位となる。続いて、推薦度(1.6)が次に大きい授業員Cさんが第2位となる。最後に、推薦度(1.5)が最も小さい従業員Cさんが、第3位となる。図3においては、このような順位が、丸で囲まれた数で示されている。
このような「順位」を付ける処理を、「推薦の優先順位付け」と呼ぶ。
Table Next, FIG. 3 shows a table for which priority (total similarity) is obtained. In the table shown in the figure, a row is a task similar to the new task. In the figure, it is shown that the similarity between the task X and the new task is 0.9. Similarly, it is indicated that the similarity between the task Y and the new task is 0.8. Further, it is shown that the similarity between task Z and the new task is 0.7. In the second embodiment. These tasks X, Y, and Z are determined to be similar to the new task. In this determination, for example, a predetermined reference value may be used, and if the degree of similarity exceeds the reference value, the task may be determined to be similar to the new task.
In addition, employees are shown in the columns of FIG. First, employee A has executed task X and task Y in the past, and the priority (total similarity) is 1.7, which is the total value of the similarity 0.9 and 0.8 of each task. ) And the recommendation level. Next, employee B has executed task Y and task Z in the past, and 1.5, which is the total value of the similarity 0.8 and 0.7 of each task, is the priority (all similarities). Degree), which is the recommendation degree. Employee C has executed task Z and task X in the past, and 1.6, which is the total value of similarity 0.7 and 0.9 for each task, is the priority (total similarity). Yes, the recommendation level.
As a result, the “rank” is ranked first for the employee A who has the highest recommendation level (1.7). Subsequently, Mr. C, who has the second highest recommendation level (1.6), takes the second place. Finally, employee C, who has the smallest recommendation level (1.5), is ranked third. In FIG. 3, such a ranking is indicated by a number surrounded by a circle.
Such a process of assigning “order” is referred to as “recommendation prioritization”.
(2)構成と動作
図4には、タスクと従業員のマッチング装置110の構成の一例を示す機能ブロック図が示されている。図4は、タスクと従業員のマッチング装置110の構成でもあり、動作の流れでもある。以下、図4に基づき、タスクと従業員のマッチング装置110の構成及びその動作を説明する。
(2) Configuration and Operation FIG. 4 is a functional block diagram showing an example of the configuration of the task / employee matching apparatus 110. FIG. 4 shows the configuration of the task / employee matching apparatus 110 and the flow of operations. Hereinafter, the configuration and operation of the task / employee matching apparatus 110 will be described with reference to FIG.
まず、顧客12は、自分が依頼したいタスクをタスク依頼部16を介して入力する。図4における顧客12、タスク依頼部16、タスク情報データベース20の構成・動作は、実施形態1の図2の説明と同様であるので、ここでは説明を省略する。 First, the customer 12 inputs a task he / she wants to request via the task request unit 16. The configurations and operations of the customer 12, the task request unit 16, and the task information database 20 in FIG. 4 are the same as those described with reference to FIG.
次に、従業員14は、自分のタスクの実績をタスク実績登録部118を介して入力する。タスク実績登録部118は、従業員14が自己の過去のタスクの実績を入力する入力手段であるが、実際上、スキル登録部18と、登録の対象が異なるだけであり、その動作はスキル登録部18と同様である。
タスク実績登録部118は、入力した従業員14のタスクの実績をタスク実績情報データベース122に登録する。ここで、登録されるタスク実績情報とは、過去に実行したタスクの内容を記述したデータであるが、特に、そのタスクの特徴ベクトルも含む。タスク実績情報データベース122も、ハードディスクや半導体記憶手段等の所定の記憶手段を用いてよい。
Next, the employee 14 inputs the result of his / her task through the task result registration unit 118. The task result registration unit 118 is an input means for the employee 14 to input the past task results. However, the task registration unit 118 differs from the skill registration unit 18 only in the registration target, and its operation is skill registration. This is the same as the part 18.
The task record registration unit 118 registers the input task record of the employee 14 in the task record information database 122. Here, the registered task performance information is data describing the contents of a task executed in the past, and particularly includes a feature vector of the task. The task performance information database 122 may also use predetermined storage means such as a hard disk or semiconductor storage means.
次に、タスク間類似度計算部124は、タスク情報データベース20から、現在判断対象となるタスク(以下、対象タスクと呼ぶ)に対して、そのタスクの特徴ベクトルを取り出す。また、タスク間類似度計算部124は、タスク実績情報データベース122から、1人又は複数人の所定の従業員14に対して、その従業員14が過去に実行したタスクの特徴ベクトルを取り出す。そして、タスク間類似度計算部124は、上述した式6の計算を実行し、従業員14の過去において実行したタスクと、対象タスクとの類似度(タスク間類似度)を求める。
このようにして、タスク間類似度計算部24は、対象タスクと、各従業員14が過去実行したタスクとのタスク間類似度を求める。そして、従業員14ごとにタスク間類似度の合計値を求める。このように、タスク間類似度を合計した類似度を、特に全類似度と呼ぶ。このような処理は、図3で説明した通りである。・
タスク間類似度計算部124は、このような処理を、1人、又は複数人の従業員14に対して実行することによって、図3で説明したような表を作成することができる。この表を、類似度計算済タスク一覧126と呼ぶ(図4参照)。
さらに、タスク間類似度計算部124は、類似度計算済タスク一覧126の推薦度の欄に、その推薦度(全類似度)の値に応じた順位を入れていき、優先付けが行われる。これによって、図3に示す表が完成する。
このようにして、タスク間類似度計算部124は、対象タスクに対して類似のタスクを実行した従業員14の推薦度(全類似度、優先度)を含むリストである「類似度計算済タスク一覧」126を作成することができる。この類似度計算済タスク一覧126は、例えば、他の項目(経験年数、勤務形態等)が含まれている表であってもよい。
Next, the inter-task similarity calculation unit 124 extracts, from the task information database 20, a feature vector of the task with respect to a task that is currently determined (hereinafter referred to as a target task). Further, the inter-task similarity calculation unit 124 extracts, from the task performance information database 122, one or a plurality of predetermined employees 14 and feature vectors of tasks executed by the employees 14 in the past. Then, the inter-task similarity calculation unit 124 executes the calculation of the above-described formula 6 to obtain the similarity (inter-task similarity) between the task executed by the employee 14 in the past and the target task.
In this way, the inter-task similarity calculation unit 24 obtains the inter-task similarity between the target task and the task that each employee 14 has executed in the past. And the total value of the similarity between tasks is calculated | required for every employee 14. FIG. In this way, the similarity obtained by summing the similarities between tasks is particularly called the total similarity. Such processing is as described in FIG.・
The inter-task similarity calculation unit 124 can create such a table as illustrated in FIG. 3 by executing such processing for one or a plurality of employees 14. This table is called a similarity degree calculated task list 126 (see FIG. 4).
Further, the inter-task similarity calculation unit 124 puts a ranking according to the value of the recommendation degree (total similarity) in the recommendation degree column of the similarity degree calculated task list 126, and prioritization is performed. Thereby, the table shown in FIG. 3 is completed.
In this way, the inter-task similarity calculation unit 124 is a list including a recommendation degree (total similarity, priority) of the employee 14 who has executed a similar task with respect to the target task. A “list” 126 can be created. The similarity degree calculated task list 126 may be, for example, a table including other items (experience years, work styles, etc.).
この類似度計算済タスク一覧126は、所定の記憶手格に格納しておく。その記憶手段は、タスク間類似度計算部124内に備えてもよいし、外部の所定の記憶手段を利用してもよい。また、上述したタスク情報データベース20等と共通の記憶手段を共用してもよい。
タスク間類似度計算部124は、これらの動作を記述したプログラムと、当該プログラムを実行するCPUとから構成することができる。また、タスク間類似度計算部124は、類似度計算済タスク一覧126を格納する記憶手段を備えていてもよい。
The similarity degree calculated task list 126 is stored in a predetermined storage capacity. The storage means may be provided in the inter-task similarity calculation unit 124, or a predetermined external storage means may be used. Further, a common storage means may be shared with the above-described task information database 20 or the like.
The inter-task similarity calculation unit 124 can be composed of a program describing these operations and a CPU that executes the program. The inter-task similarity calculation unit 124 may include a storage unit that stores the similarity calculated task list 126.
次に、推奨対象従業員抽出部128は、類似度計算済タスク一覧126から、上位の順位の従業員14を抽出する。これら抽出した従業員14は、対象タスクに対して推奨する従業員14であり、これらの従業員14をそのままタスクに対して提示することもできる。なお、ここでいう、「対象タスクに対する提示」とは、対象タスクを依頼した顧客に対して「提示」することも含まれる。また、当該対象タスクの依頼を受けた管理者が、対象タスクにマッチする従業員14を知りたい場合に、その管理者に推奨する従業員14が提示されることも含まれる。すなわち、対象タスクに対して推奨される従業員14として出力される場合であれば、その出力先の如何を問わず、本実施形態における「提示」に相当する。 Next, the recommended target employee extraction unit 128 extracts the employees 14 of the higher rank from the similarity degree calculated task list 126. These extracted employees 14 are employees 14 recommended for the target task, and these employees 14 can be presented to the task as they are. The “presentation for the target task” mentioned here includes “presentation” to the customer who requested the target task. In addition, when the manager who has received the request for the target task wants to know the employee 14 that matches the target task, the recommended employee 14 is presented to the manager. That is, if it is output as the employee 14 recommended for the target task, it corresponds to “presentation” in the present embodiment regardless of the output destination.
また、推奨対象従業員抽出部128は、抽出した従業員14の一覧をレコメンド対象従業員一覧26として出力する。このレコメンド対象授業員一覧26は、実施形態1の図2で説明したレコメンド対象授業員一覧26と同様のものであり、説明を省略する。
なお、既にレコメンド対象従業員一覧26が存在する場合は、それにデータを追加するようにしてレコメンド対象授業員一覧26を構築していくこともよい。
図4に示すように、レコメンド対象授業員一覧26に基づき、推奨タスク提示部28が従業員14に対してマッチするタスクを提示することができる。その動作は、実施形態1の図2と同様であるので、その説明は省略する。
The recommended target employee extraction unit 128 outputs the extracted list of employees 14 as the recommended target employee list 26. This recommended target instructor list 26 is the same as the recommended target instructor list 26 described with reference to FIG.
If the recommendation target employee list 26 already exists, the recommendation target instructor list 26 may be constructed by adding data thereto.
As shown in FIG. 4, the recommended task presentation unit 28 can present a matching task to the employee 14 based on the recommended target instructor list 26. Since the operation is the same as that of FIG. 2 of the first embodiment, the description thereof is omitted.
このように、本実施形態2に係るタスクと従業員のマッチング装置110は、対象タスクに対してマッチする人を提示することができる。このためには、レコメンド対象授業員一覧26や、推奨タスク提示部28は必須構成ではなく、推奨対象従業員抽出部128が、対象タスクに対してマッチする人の提示をすればよい。また、本実施形態2に係るタスクと従業員のマッチング装置110は、請求の範囲におけるタスクにマッチする人を提示する装置の好適な一例に相当する。また、本実施形態2に係るタスクと従業員のマッチングの動作は、請求の範囲におけるタスクにマッチする人を提示する方法の好適な一例に相当する。
ただし、本実施形態2に係るタスクと従業員のマッチング装置110においても、レコメンド対象授業員一覧26や、推奨タスク提示部28を保持することによって、実施形態1と同様に、従業員14(人)に対して、マッチするタスクを提示することもできる。
Thus, the task and employee matching apparatus 110 according to the second embodiment can present a person who matches the target task. For this purpose, the recommended target instructor list 26 and the recommended task presentation unit 28 are not essential components, and the recommended target employee extraction unit 128 may present a person who matches the target task. The task / employee matching apparatus 110 according to the second embodiment corresponds to a preferred example of an apparatus that presents a person who matches a task in the claims. The operation of matching tasks and employees according to the second embodiment corresponds to a preferred example of a method for presenting a person who matches a task in the scope of claims.
However, in the task-employee matching device 110 according to the second embodiment, the employee list 14 (persons) is retained in the same manner as in the first embodiment by maintaining the recommended class member list 26 and the recommended task presentation unit 28. ) Can be presented as a matching task.
なお、タスクと従業員のマッチング装置110は、顧客12や従業員14だけでなく、企業の管理者が用いてもよい。顧客12が、自己が依頼したタスクにマッチする従業員14を知ることもできる。また、企業の管理者が、顧客12の代わりに対象タスクを入力して、マッチする従業員14を知ることもできる。 The task / employee matching apparatus 110 may be used not only by the customer 12 and the employee 14 but also by a manager of the company. The customer 12 can also know the employee 14 that matches the task he has requested. In addition, the manager of the company can input the target task instead of the customer 12 and know the matching employee 14.
実施形態3.過去のタスク消化実績の分析による、共起性の高いタスクを実施した従業員へのタスク推薦
実施形態3においては、従業員の過去のタスクの消化実績を分析し、対象タスクと共起性の高いタスクを実施した従業員にその対象タスクを推奨する手法を説明する。
Embodiment 3. FIG. Task recommendation to employees who performed tasks with high co-occurrence by analysis of past task digestion results In Embodiment 3, the digestion results of past tasks of employees are analyzed, and the target task and co-occurrence Explain the method to recommend the target task to employees who have performed high tasks.
(1)特徴
まず、この手法の特徴は次のようなものである。
(a)ある従業員14の行動履歴(タスク実績情報)を分析し、タスク間の共起性に着目して、過去のタスク実績から、マッチしやすいタスクを提案する。この実施形態3においては、いわゆるレコメンドエンジンで用いられる協調フィルタリングの技術を応用している。
(b)タスクXを実施した従業員14の集合をSetX、タスクYを実施した従業員14の集合をSetYとすると、タスクXとタスクYとの共起性(タスクXとタスクYが同一従業員14で実施された確率)cooccurrence(指数)は、Jaccard係数を用いて、以下の通りに表される。
(1) Features First, the features of this method are as follows.
(A) Analyzing an action history (task result information) of a certain employee 14, focusing on co-occurrence between tasks, a task that is easy to match is proposed from past task results. In the third embodiment, a collaborative filtering technique used in a so-called recommendation engine is applied.
(B) If the set of employees 14 who have performed task X is SetX and the set of employees 14 who have performed task Y is SetY, the co-occurrence of task X and task Y (task X and task Y are the same employee Probability implemented by member 14) cooccurrence (index) is expressed as follows using the Jaccard coefficient.
(c1)次に、動作の流れの一例を説明する。まず、新規で登録されたタスク(以下、対象タスクとも呼ぶ)がある場合、その対象タスクと過去のタスク群とをクラスター分析し、所定のクラスターに分類する。このような分類の説明図が図5に示されている。図5は、クラスター群への分割を模式的に表した図であり、所定の空間(ベクトル空間)中に、各タスク(の特徴ベクトル)がマッピングされている様子が模式的に示されている。上記新規タスク(new task)は、図5においてClusterAに分類されている。図5においては、種々のタスクが、クラスターに分類され、ClusterB、ClusterC、ClusterD、が描かれている。
(c2) 次に、新規で登録された新規タスク(new task)が属するクラスター群と共起性の高いクラスター群を、上述したcooccurrence指数を用いて計算し、抽出する。
例えば、図5の例では新規タスクが属するクラスターはClusterAである。このClusterAと共起性の高いクラスター群をcooccurrence指数を用いて計算し、抽出する。図5の例では、計算の結果、ClusterAとClusterBとのcooccurrence指数(共起指数)は、0.5。ClusterAとClusterCとのcooccurrence指数(共起指数)は、0.9。 ClusterAとClusterDとのcooccurrence指数(共起指数)は、0.7であった。その結果、図5では、共起性指数の大きい順に順位付けがなされている。順位付けは、ClusterCが第1位であり、ClusterDが第2位、ClusterB が第3位である(図5参照)。図5の例では、順位付けが、矩形に囲まれた数字で表されている。このような「順位」を付ける処理を、実施形態2と同様に、「推薦の優先順位付け」と呼ぶ。
このようにして、共起性の高いクラスター群としてClusterCが抽出される(図5)。そして、この抽出されたクラスター群ClusterCとに属するタスクを実施した従業員14に対象タスクがレコメンドされるのである。
(C1) Next, an example of the flow of operation will be described. First, when there is a newly registered task (hereinafter also referred to as a target task), the target task and a past task group are subjected to cluster analysis and classified into a predetermined cluster. An explanatory diagram of such classification is shown in FIG. FIG. 5 is a diagram schematically showing the division into cluster groups, in which each task (feature vector) is mapped in a predetermined space (vector space). . The new task is classified as Cluster A in FIG. In FIG. 5, various tasks are classified into clusters, and ClusterB, ClusterC, and ClusterD are depicted.
(C2) Next, a cluster group having high co-occurrence with a cluster group to which a newly registered new task belongs is calculated and extracted using the above-described cooccurrence index.
For example, in the example of FIG. 5, the cluster to which the new task belongs is ClusterA. Clusters with high co-occurrence with ClusterA are calculated and extracted using the cooccurrence index. In the example of FIG. 5, as a result of the calculation, the cooccurrence index (co-occurrence index) between Cluster A and Cluster B is 0.5. The cooccurrence index (co-occurrence index) between ClusterA and ClusterC is 0.9. The cooccurrence index (co-occurrence index) between Cluster A and Cluster D was 0.7. As a result, in FIG. 5, ranking is performed in descending order of the co-occurrence index. In the ranking, ClusterC is first, ClusterD is second, and ClusterB is third (see FIG. 5). In the example of FIG. 5, the ranking is represented by a number surrounded by a rectangle. Such a process of assigning “order” is referred to as “recommendation prioritization” as in the second embodiment.
In this way, ClusterC is extracted as a cluster group with high co-occurrence (FIG. 5). Then, the target task is recommended to the employee 14 who has executed the task belonging to the extracted cluster group ClusterC.
(2)構成と動作
図6には、タスクと従業員のマッチング装置210の構成の一例を示す機能ブロック図が示されている。図6は、タスクと従業員14のマッチング装置210の構成でもあり、動作の流れでもある。以下、図6に基づき、タスクと従業員14のマッチング装置210の構成及びその動作を説明する。
(2) Configuration and Operation FIG. 6 is a functional block diagram showing an example of the configuration of the task / employee matching device 210. FIG. 6 also shows the configuration of the matching device 210 for tasks and employees 14 and the flow of operations. Hereinafter, based on FIG. 6, the structure and operation | movement of the matching apparatus 210 of a task and the employee 14 are demonstrated.
まず、顧客12は、自分が依頼したいタスクをタスク依頼部16を介して入力する。図4における顧客12、タスク依頼部16、タスク情報データベース20の構成・動作は、実施形態1の図2、実施形態2の図4の説明と同様であるので、ここでは説明を省略する。 First, the customer 12 inputs a task he / she wants to request via the task request unit 16. The configurations and operations of the customer 12, the task request unit 16, and the task information database 20 in FIG. 4 are the same as those described in FIG. 2 in the first embodiment and FIG. 4 in the second embodiment, and thus description thereof is omitted here.
次に、従業員14は、自分のタスクの実績をタスク実績登録部118を介して入力する。
タスク実績登録部118、タスク実績情報データベース122の内容・動作は、実施形態2の図4と同様であるので、その説明を省略する。
Next, the employee 14 inputs the result of his / her task through the task result registration unit 118.
Since the contents / operations of the task record registration unit 118 and the task record information database 122 are the same as those in FIG. 4 of the second embodiment, description thereof is omitted.
次に、タスク間類似度計算部124は、タスク情報データベース20から、現在判断対象となるタスク(以下、対象タスクと呼ぶ)に対して、そのタスクの特徴ベクトルを取り出す。また、タスク間類似度計算部124は、タスク実績情報データベース122から、1人又は複数人の所定の従業員14に対して、その従業員14が過去に実行したタスクの特徴ベクトルを取り出す。そして、タスク間類似度計算部124は、上述した式6の計算を実行し、従業員の過去において実行したタスクと、対象タスクとの類似度(タスク間類似度)を求める。
そして、従業員14ごとにタスク間類似度の合計値を求める。このように、タスク間類似度を合計した類似度を、特に全類似度と呼ぶ。
タスク間類似度計算部124の構成・動作は、実施形態2の図4で説魅したとおりであるので、その詳細な説明は省略する。また、類似度計算済タスク一覧126も、実施形態2の図4で説明した構成・動作と同様であるのでその説明を省略する。
Next, the inter-task similarity calculation unit 124 extracts, from the task information database 20, a feature vector of the task with respect to a task that is currently determined (hereinafter referred to as a target task). Further, the inter-task similarity calculation unit 124 extracts, from the task performance information database 122, one or a plurality of predetermined employees 14 and feature vectors of tasks executed by the employees 14 in the past. Then, the inter-task similarity calculation unit 124 performs the calculation of Equation 6 described above to obtain the similarity between the task executed in the past by the employee and the target task (inter-task similarity).
And the total value of the similarity between tasks is calculated | required for every employee 14. FIG. In this way, the similarity obtained by summing the similarities between tasks is particularly called the total similarity.
Since the configuration / operation of the inter-task similarity calculation unit 124 is as illustrated in FIG. 4 of the second embodiment, detailed description thereof is omitted. The similarity calculated task list 126 is also the same as the configuration / operation described in FIG.
タスク共起性計算部202は、上述した(c1)(c2)等の処理を実行する。
まず、類似度計算済みタスク一覧126の内容に基づき、タスクのクラスター分析を行い、タスクをクラスター群に分ける(例えば図5)。
次に、新規タスクが追加されたクラスター群と、共起性が高いクラスター群を探索し、これをリストにする。つまり、この共起性の高いクラスター群(図5の例では、ClusterC)含まれるタスクのリストであり、このリストは、共起性の高いタスク一覧204と呼ぶ。1る。
次に、推奨対象従業員抽出部128が、この共起性の高いタスク一覧204に記載されるタスクを実施した従業員14を抽出する。そして、抽出した従業員14のリストであるレコメンド対象従業員一覧26を生成する。
この推奨対象従業員抽出部128以降の構成は、実施形態2の図4で説明した構成・動作と同様であるので、その説明を省略する。
The task co-occurrence calculation unit 202 executes the processes (c1) and (c2) described above.
First, based on the contents of the similarity degree calculated task list 126, task cluster analysis is performed, and the tasks are divided into cluster groups (for example, FIG. 5).
Next, a cluster group to which a new task is added and a cluster group having a high co-occurrence are searched for and listed. That is, this is a list of tasks included in the cluster group with high co-occurrence (ClusterC in the example of FIG. 5), and this list is called a task list 204 with high co-occurrence. 1
Next, the recommended target employee extraction unit 128 extracts the employees 14 who have performed the tasks described in the task list 204 with high co-occurrence. Then, a recommended employee list 26 that is a list of the extracted employees 14 is generated.
Since the configuration after the recommended employee extraction unit 128 is the same as the configuration and operation described in FIG. 4 of the second embodiment, the description thereof is omitted.
このようにして、本実施形態3に係るタスクと従業員のマッチング装置210は、対象タスクに対してマッチする人を提示することができる。この動作は、実施形態2と同様に、推奨対象従業員抽出部128が実行する。
また、本実施形態に係るタスクと従業員のマッチング装置110においても、レコメンド対象授業員一覧26や、推奨タスク提示部28を保持することによって、実施形態1と同様に、従業員14(人)に対して、マッチするタスクを提示することもできる。
本実施形態3に係るタスクと従業員のマッチング装置210は、請求の範囲における人にマッチするタスクを提示する装置の好適な一例に相当する。また、本実施形態3に係るタスクと従業員のマッチングの動作は、請求の範囲における人にマッチするタスクを提示する方法の好適な一例に相当する。
In this way, the task and employee matching device 210 according to the third embodiment can present a person who matches the target task. This operation is performed by the recommended target employee extraction unit 128 as in the second embodiment.
Also, in the task-employee matching apparatus 110 according to the present embodiment, by holding the recommended class member list 26 and the recommended task presentation unit 28, the employee 14 (person) is the same as in the first embodiment. Can also be presented with matching tasks.
The task / employee matching apparatus 210 according to the third embodiment corresponds to a suitable example of an apparatus that presents a task that matches a person in the scope of claims. Further, the task and employee matching operation according to the third embodiment corresponds to a preferred example of a method for presenting a task that matches a person in the scope of claims.
なお、タスクと従業員のマッチング装置210は、顧客12や従業員14だけでなく、企業の管理者が用いてもよい。顧客12が、自己が依頼したタスクにマッチする従業員14を知ることもできる。また、企業の管理者が、顧客12の代わりに対象タスクを入力して、マッチする従業員14を知ることもできる。 The task / employee matching device 210 may be used not only by the customer 12 and the employee 14 but also by a manager of the company. The customer 12 can also know the employee 14 that matches the task he has requested. In addition, the manager of the company can input the target task instead of the customer 12 and know the matching employee 14.
実施形態4.担当者のスキルに対するタスクの難易度の自動計算の仕組み
実施形態1〜3では、人(従業員)と、タスクとのマッチングを取る技術を説明した。 本実施形態4では、実際にそのタスクを実行した従業員(これを担当者と呼ぶ)14のスキルに対して、タスクの難易度がどの程度を知ることができれば便利である。特に類似度が一定の閾値を超えた場合(例えば、cosθ>=0.9の場合等)にいて、このような難易度を数値化するメリットは大きい。
例えば、実施形態1〜3の仕組みを用いて、レコメンドを出しつつ、その従業員14が、そのタスクの担当者になった場合の難易度も提示することができれば、便利である。
(1)スキルのベクトル軸に対して、タスクのベクトルを射影した場合の、スキルのベクトルの長さに対するタスクの長さの比率で算出する。このようにして算出した難易度を、上記マッチするタスクの提示や人の提示と共に提示すれば、その提案がどの程度妥当か判断するための材料とすることができ、便利である。
(2)すなわち、タスクの難易度を
Embodiment 4 FIG. Mechanism of automatic calculation of task difficulty for person in charge In Embodiments 1 to 3, a technique for matching a person (employee) with a task has been described. In the fourth embodiment, it is convenient if the degree of difficulty of a task can be known with respect to the skill of an employee (which is called a person in charge) 14 who actually executed the task. In particular, when the degree of similarity exceeds a certain threshold (for example, when cos θ> = 0.9), the merit of quantifying such difficulty is great.
For example, it is convenient if the employee 14 can present the degree of difficulty when the employee 14 becomes a person in charge of the task while making a recommendation using the mechanism of the first to third embodiments.
(1) When the task vector is projected on the skill vector axis, the ratio is calculated by the ratio of the task length to the skill vector length. If the degree of difficulty calculated in this way is presented together with the matching task presentation or the person presentation, it can be used as a material for determining how appropriate the proposal is.
(2) In other words, the task difficulty level
(3)但し、スキルとタスクの類似度が高い場合は、
(3) However, if the skill and task similarity is high,
この計算及び提示は、実施形態1では、スキル/タスク類似度計算部24が計算してよいし、推奨タスク提示部28が計算・提示してもよい。これらが、請求の範囲の計算部の好適な一例に相当する。
実施形態2では、タスク間類似度計算部124が計算してもよいし、推奨対象従業員抽出部128が計算・提示してもよい。また、推奨タスク提示部28が計算・提示してもよい。これらが、請求の範囲の計算部の好適な一例に相当する。
実施形態3でも、タスク間類似度計算部124が計算してもよいし、推奨対象従業員抽出部128が計算・提示してもよい。また、推奨タスク提示部28が計算・提示してもよい。これらが、請求の範囲の計算部の好適な一例に相当する。
In the first embodiment, this calculation and presentation may be calculated by the skill / task similarity calculation unit 24, or may be calculated and presented by the recommended task presentation unit 28. These correspond to a preferred example of the calculation unit in the claims.
In the second embodiment, the task similarity calculation unit 124 may calculate, or the recommended target employee extraction unit 128 may calculate and present it. Further, the recommended task presentation unit 28 may calculate and present it. These correspond to a preferred example of the calculation unit in the claims.
Also in the third embodiment, the task similarity calculation unit 124 may calculate, or the recommended target employee extraction unit 128 may calculate and present it. Further, the recommended task presentation unit 28 may calculate and present it. These correspond to a preferred example of the calculation unit in the claims.
以上に示した本実施形態は、発明の構成の一例を示したものであり、構成は発明の範囲内において適宜変更することができる。 The present embodiment described above shows an example of the configuration of the invention, and the configuration can be changed as appropriate within the scope of the invention.
6…スキルの特徴ベクトル
8…タスクの特徴ベクトル
10、110、210…タスクと従業員のマッチング装置
12…顧客
14…従業員
16…タスク依頼部
18…スキル登録部
20…タスク情報データベース
22…スキル情報データベース
24…スキル/タスク類似度計算部
26…レコメンド対象従業員一覧
18…スキル登録部
20…タスク情報データベース
22…スキル情報データベース
24…スキル/タスク類似度計算部
118…タスク実績登録部
122…タスク実績情報データベース
124…タスク間類似度計算部
126…類似度計算済みタスク一覧
128…推奨従業員抽出部
202…タスク共起性計算部
128…共起性の高いタスク一覧
6 ... Skill feature vector 8 ... Task feature vector 10, 110, 210 ... Task and employee matching device 12 ... Customer 14 ... Employee 16 ... Task request part 18 ... Skill registration part 20 ... Task information database 22 ... Skill Information database 24 ... Skill / task similarity calculation unit 26 ... Recommended employee list 18 ... Skill registration unit 20 ... Task information database 22 ... Skill information database 24 ... Skill / task similarity calculation unit 118 ... Task performance registration unit 122 ... Task result information database 124 ... inter-task similarity calculation unit 126 ... similarity calculated task list 128 ... recommended employee extraction unit 202 ... task co-occurrence calculation unit 128 ... task list with high co-occurrence
Claims (14)
前記人のスキルの特徴ベクトルを登録する前記スキル情報データベースと、
前記人のスキルの特徴ベクトルを、スキル情報データベースに登録するスキル登録
部と、
1又は2以上の前記タスクの特徴ベクトルを登録するタスク情報データベースと、
前記タスクの特徴ベクトルを、前記タスク情報データベースに登録するタスク依頼部と、
前記スキル情報データベースから、前記人のスキルの特徴ベクトルを取り出し、前記タスク情報データベースから複数の前記タスクの特徴ベクトルを取り出し、取り出した前記人のスキルの特徴ベクトルと、取り出した前記タスクの特徴ベクトルと、の類似度を求めるスキル−タスク類似度計算部と、
類似度を求めた前記タスクの特徴ベクトルうち、前記人のスキルの特徴ベクトルとの前記類似度が大きい前記タスクの特徴ベクトルの前記タスクを、前記人に対して提示する推奨タスク提示部と、
を含み、前記類似度は、前記人のスキルの特徴ベクトルと、前記タスクの特徴ベクトルとのコサイン類似度(cosine similarity)であることを特徴とする人にマッチするタスクを提示する装置。 A device for presenting a task that matches a person to the person,
The skill information database for registering a feature vector of the person's skill;
Skill registration to register the feature vector of the person's skill in the skill information database
And
A task information database for registering one or more feature vectors of the task;
A task request unit for registering the feature vector of the task in the task information database;
A feature vector of the person's skill is extracted from the skill information database, a plurality of feature vectors of the task are extracted from the task information database, and the extracted feature vector of the person's skill, and the extracted feature vector of the task, , A skill-task similarity calculation unit for calculating the similarity of
A recommended task presentation unit that presents the task of the feature vector of the task having a high similarity to the feature vector of the person's skill among the feature vectors of the task for which the similarity is obtained;
Only including, the degree of similarity, and the feature vector of the person of skill, a device for presenting a task that matches the person, which is a cosine similarity between the feature vector of the task (cosine similarity).
前記スキル登録部が、前記人のスキルの特徴ベクトルを、前記スキル情報データベースに登録するステップと、
前記タスク依頼部が、前記タスクの特徴ベクトルを、前記タスク情報データベースに登録するステップと、
前記類似度計算部が、前記人のスキルの特徴ベクトルと、前記タスクの特徴ベクトルと、の類似度を求めるステップと、
前記類似度計算部が、前記類似度を求めるステップを、複数のタスクの特徴ベクトルに対して実行するステップと、
前記推奨タスク提示部が、類似度を求めた前記タスクの特徴ベクトルうち、前記人のスキルの特徴ベクトルとの前記類似度が大きい前記タスクの特徴ベクトルの前記タスクを、前記人に対して提示するステップと、
を含み、前記類似度は、前記人のスキルの特徴ベクトルと、前記タスクの特徴ベクトルとのコサイン類似度(cosine similarity)であることを特徴とする人にマッチするタスクを提示する方法。 A method for presenting a task that matches a person to the person using the apparatus according to claim 1 ,
The skill registration unit registering the feature vector of the person's skill in the skill information database;
The task requesting unit, registering the feature vector of the task in the task information database;
The step of calculating the similarity between the feature vector of the person's skill and the feature vector of the task;
The similarity calculating unit executing the step of obtaining the similarity with respect to feature vectors of a plurality of tasks;
The recommended task presentation unit presents, to the person, the task having the feature vector of the task having a high similarity to the feature vector of the person's skill among the feature vectors of the task whose similarity is obtained. Steps,
And the similarity is a cosine similarity between the feature vector of the person's skill and the feature vector of the task .
1人又は複数人の前記人のタスク消化実績の特徴ベクトルを登録するタスク実績情報データベースと、
前記タスク消化実績の特徴ベクトルを、前記タスク実績情報データベースに登録するタスク実績登録部と、
前記対象タスクの特徴ベクトルを登録するタスク情報データベースと、
前記対象タスクの特徴ベクトルを、前記タスク情報データベースに登録するタスク依頼部と、
前記人のタスク消化実績の特徴ベクトルと、前記対象タスクの特徴ベクトルと、のタスク間類似度を求めるタスク間類似度計算部と、
前記タスク間類似度が大きいタスク消化実績の特徴ベクトルを有する前記人を、前記対象タスクに対して提示する推奨対象従業員抽出部と、
を備えたタスクにマッチする人を提示する装置。 An apparatus for presenting a person who matches the target task to the target task,
A task performance information database for registering a feature vector of task digest performance of one or more persons,
A task result registration unit for registering the feature vector of the task digest result in the task result information database;
A task information database for registering the feature vector of the target task;
A task request unit that registers the feature vector of the target task in the task information database;
An inter-task similarity calculation unit for obtaining an inter-task similarity between the feature vector of the person's task digestion result and the feature vector of the target task;
A recommended target employee extraction unit for presenting the person having the feature vector of the task digestion result having a high degree of similarity between the tasks to the target task;
A device that presents people who match a task with
前記タスク実績登録部が、1人又は複数人の前記人のタスク消化実績の特徴ベクトルを
前記タスク実績情報データベースに登録するステップと、
前記タスク依頼部が、前記対象タスクの特徴ベクトルを、前記タスク情報データベースに登録するステップと、
前記タスク間類似度計算部が、前記人のタスク消化実績の特徴ベクトルと、前記対象タスクの特徴ベクトルと、のタスク間類似度を求めるステップと、
前記タスク間類似度計算部が、前記タスク間類似度を求めるステップを、1又は複数の前記人のタスク消化実績の特徴ベクトルに対して実行するステップと、
前記推奨対象従業員抽出部が、前記タスク間類似度が大きいタスク消化実績の特徴ベクトルを有する前記人を、前記対象タスクに対して提示するステップと、
を含む、タスクにマッチする人を提示する方法。 A method for presenting a person who matches the target task to the target task using the apparatus according to claim 5 ,
The task record registration unit obtains a feature vector of task digest record of one or more persons.
Registering in the task performance information database;
The task requesting unit, registering the feature vector of the target task in the task information database;
The inter-task similarity calculation unit obtains the inter-task similarity between the feature vector of the person's task digest record and the feature vector of the target task;
The inter-task similarity calculation unit performs the step of obtaining the inter-task similarity on one or a plurality of the human task digestion feature vector,
The recommended target employee extraction unit presenting the person having a feature vector of task digestion results with a high degree of similarity between tasks to the target task;
How to present people matching the task, including
前記タスク間類似度は、前記対象タスクの特徴ベクトルと、前記人の複数の過去実績タスクの特徴ベクトルとの類似度を、前記複数の過去実績タスクの特徴ベクトルごとに求め、求めた複数の類似度の合計値である全類似度であることを特徴とする請求項6記載のタスクにマッチする人を提示する方法。 The person's task digestion feature vector is a feature vector of the person's past achievement tasks,
The similarity between tasks is obtained by calculating the similarity between the feature vector of the target task and the feature vector of the plurality of past achievement tasks of the person for each feature vector of the plurality of past achievement tasks. The method of presenting a person who matches a task according to claim 6, wherein the similarity is a total value of degrees.
前記タスク間類似度は、前記対象タスクの特徴ベクトルと、前記人の複数の過去実績タスクの特徴ベクトルとの類似度を、前記複数の過去実績タスクの特徴ベクトルごとに求め、求めた複数の類似度のうち、所定の基準値以上の前記類似度のみを合計した合計値である全類似度であることを特徴とする請求項6記載のタスクにマッチする人を提示する方法。 The person's task digestion feature vector is a feature vector of the person's past achievement tasks,
The similarity between tasks is obtained by calculating the similarity between the feature vector of the target task and the feature vector of the plurality of past achievement tasks of the person for each feature vector of the plurality of past achievement tasks. 7. The method for presenting a person who matches a task according to claim 6, wherein the degree of similarity is a total value that is a total value of only the similarities equal to or higher than a predetermined reference value.
前記人のタスク消化実績の特徴ベクトルを登録するタスク実績情報データベースと、
前記タスク消化実績の特徴ベクトルを、前記タスク実績情報データベースに登録するタスク実績登録部と、
1又は2以上の前記タスクの特徴ベクトルを登録するタスク情報データベースと、
前記対象タスクの特徴ベクトルを、前記タスク情報データベースに登録するタスク依頼部と、
前記人のタスク消化実績の特徴ベクトルと、複数の前記タスクの特徴ベクトルと、のタスク間類似度を求めるタスク−タスク類似度計算部と、
前記タスク間類似度を求めた前記タスクを、クラスター群に分解し、前記タスク間類似度を求めた前記タスク中において、ある所定の一つの前記タスクが属するクラスター群と共起性の高い他のクラスター群を抽出する共起性計算部と、
前記抽出したクラスター群に属する前記タスクの特徴ベクトルうち、前記人のタスク消化実績の特徴ベクトルとの前記タスク間類似度が大きい場合に、前記ある所定の一つの前記タスクを、前記人に対して提示する推奨タスク提示部と、
を含む人にマッチするタスクを提示する装置。 A device for presenting a task that matches a person to the person,
A task result information database for registering a feature vector of the person's task digestion results;
A task result registration unit for registering the feature vector of the task digest result in the task result information database;
A task information database for registering one or more feature vectors of the task;
A task request unit that registers the feature vector of the target task in the task information database;
A task-task similarity calculation unit for obtaining a similarity between tasks of the feature vector of the task digestion result of the person and a plurality of feature vectors of the tasks;
The task for which the similarity between tasks is obtained is decomposed into cluster groups, and in the task for which the similarity between tasks is obtained, another cluster having high co-occurrence with a cluster group to which a predetermined one task belongs A co-occurrence calculation unit for extracting cluster groups;
Among the feature vectors of the tasks belonging to the extracted cluster group, when the similarity between the tasks with the feature vector of the task digestion result of the person is large, the predetermined one task is assigned to the person A recommended task presentation section to be presented;
A device that presents tasks that match people including
前記タスク実績登録部が、前記人のタスク消化実績の特徴ベクトルを前記タスク実績情報データベースに登録するステップと、
前記タスク依頼部が、前記タスクの特徴ベクトルを、前記タスク情報データベースに登録するステップと、
前記類似度計算部が、前記前記人のタスク消化実績の特徴ベクトルと、前記タスクの特徴ベクトルと、のタスク間類似度を求めるステップと、
前記類似度計算部が、前記タスク間類似度を求めるステップを、複数のタスクの特徴ベクトルに対して実行するステップと、
前記共起性計算部が、前記タスク間類似度を求めた前記タスクを、クラスター群に分解するステップと、
前記共起性計算部が、前記タスク間類似度を求めた前記タスク中において、ある所定の一つの前記タスクが属するクラスター群と共起性の高い他のクラスター群を抽出するステップと、
前記推奨タスク提示部が、前記抽出したクラスター群に属する前記タスクの特徴ベクトルうち、前記人のタスク消化実績の特徴ベクトルとの前記タスク間類似度が大きい場合に、前記ある所定の一つの前記タスクを、前記人に対して提示するステップと、
を含む人にマッチするタスクを提示する方法。 A method for presenting to a person a task that matches the person using the apparatus according to claim 9 ,
Registering the feature vector of the person's task digest record in the task record information database;
The task requesting unit, registering the feature vector of the task in the task information database;
The similarity calculation unit, a step of determining a feature vector of said human task digestion results, the feature vector of the task, the task among such acetonide,
The step of calculating the similarity between tasks by the similarity calculation unit with respect to feature vectors of a plurality of tasks;
The co-occurrence calculating unit decomposing the task for which the similarity between tasks is obtained into a cluster group;
The co-occurrence calculation unit, in the task for which the similarity between tasks is obtained, extracting another cluster group having high co-occurrence with a cluster group to which a predetermined one task belongs;
When the recommended task presenting unit has a large similarity between the tasks with the feature vector of the task digestion result of the person among the feature vectors of the task belonging to the extracted cluster group, the predetermined one task Presenting to the person,
How to present matching tasks to people including.
前記人のスキルの特徴ベクトルに対して前記タスクの特徴ベクトルを射影した場合のその射影の長さを、スキルの特徴ベクトルの長さで除算した値を、前記難易度として計算する計算部、
を含むタスクに対する人の難易度を求める装置。 A device for determining the level of difficulty of a person for a task,
A calculation unit that calculates, as the difficulty level, a value obtained by dividing the length of projection of the feature vector of the task with respect to the feature vector of the skill of the person by the length of the feature vector of the skill;
A device that determines the level of difficulty of a person for a task that includes
前記計算部が、前記人のスキルの特徴ベクトルに対して前記タスクの特徴ベクトルを射影した場合のその射影の長さを、スキルの特徴ベクトルの長さで除算した値を、前記難易度として計算するステップ、
を含むタスクに対する人の難易度を求める方法。
A method for determining the degree of difficulty of a person for a task using the apparatus according to claim 13 ,
When the calculation unit projects the feature vector of the task on the feature vector of the person's skill, a value obtained by dividing the projection length by the length of the skill feature vector is calculated as the difficulty level. Step to do,
A method for determining the level of difficulty of a person for a task that contains a task.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017178557A JP6343079B1 (en) | 2017-09-19 | 2017-09-19 | Method and apparatus for presenting a task that matches a person, and method and apparatus for presenting a person that matches a task |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017178557A JP6343079B1 (en) | 2017-09-19 | 2017-09-19 | Method and apparatus for presenting a task that matches a person, and method and apparatus for presenting a person that matches a task |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6343079B1 true JP6343079B1 (en) | 2018-06-13 |
JP2019053640A JP2019053640A (en) | 2019-04-04 |
Family
ID=62555263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017178557A Active JP6343079B1 (en) | 2017-09-19 | 2017-09-19 | Method and apparatus for presenting a task that matches a person, and method and apparatus for presenting a person that matches a task |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6343079B1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113439279A (en) * | 2018-11-19 | 2021-09-24 | 瑞米尼街道公司 | Method and system for providing a multi-dimensional human resources configuration advisor |
CN116663938A (en) * | 2023-07-28 | 2023-08-29 | 珠海大横琴泛旅游发展有限公司 | Informatization management method based on enterprise data center system and related device thereof |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102232859B1 (en) * | 2020-05-12 | 2021-03-29 | 주식회사 크라우드웍스 | Method for automatically generating a worker pool based on the functional elements and difficulty of crowdsourcing based projects for artificial intelligence training data generation |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002279119A (en) * | 2001-03-19 | 2002-09-27 | Toshiba Corp | Business analyzing system and business analyzing method for workflow management system |
JP2010176288A (en) * | 2009-01-28 | 2010-08-12 | Toshiba Corp | Device for evaluating similarity between business task processes, and method thereof |
JP2015114951A (en) * | 2013-12-13 | 2015-06-22 | 富士通株式会社 | Business formalization program, business formalization method, and business formalization device |
-
2017
- 2017-09-19 JP JP2017178557A patent/JP6343079B1/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002279119A (en) * | 2001-03-19 | 2002-09-27 | Toshiba Corp | Business analyzing system and business analyzing method for workflow management system |
JP2010176288A (en) * | 2009-01-28 | 2010-08-12 | Toshiba Corp | Device for evaluating similarity between business task processes, and method thereof |
JP2015114951A (en) * | 2013-12-13 | 2015-06-22 | 富士通株式会社 | Business formalization program, business formalization method, and business formalization device |
Non-Patent Citations (2)
Title |
---|
海江田 隆博: "組織関係者の所在と能力を考慮した災害時業務割当て手法", 第72回(平成22年)全国大会講演論文集(4), JPN6018000400, 8 March 2010 (2010-03-08), JP, pages p.729−730 * |
海江田 隆博: "組織関係者の所在と能力を考慮した災害時業務割当て手法", 第72回(平成22年)全国大会講演論文集(4), JPN6018000400, 8 March 2010 (2010-03-08), pages p.729−730 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113439279A (en) * | 2018-11-19 | 2021-09-24 | 瑞米尼街道公司 | Method and system for providing a multi-dimensional human resources configuration advisor |
CN116663938A (en) * | 2023-07-28 | 2023-08-29 | 珠海大横琴泛旅游发展有限公司 | Informatization management method based on enterprise data center system and related device thereof |
CN116663938B (en) * | 2023-07-28 | 2023-12-12 | 珠海大横琴泛旅游发展有限公司 | Informatization management method based on enterprise data center system and related device thereof |
Also Published As
Publication number | Publication date |
---|---|
JP2019053640A (en) | 2019-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kobayashi et al. | Text mining in organizational research | |
Chang et al. | Revolt: Collaborative crowdsourcing for labeling machine learning datasets | |
Haas et al. | Argonaut: macrotask crowdsourcing for complex data processing | |
US11010690B2 (en) | Machine learning for determining confidence for reclamation of storage volumes | |
WO2020253503A1 (en) | Talent portrait generation method, apparatus and device, and storage medium | |
JP5965557B1 (en) | Similarity learning system and similarity learning method | |
US9183285B1 (en) | Data clustering system and methods | |
Yang et al. | TREC 2016 Dynamic Domain Track Overview. | |
JP5823943B2 (en) | Forensic system, forensic method, and forensic program | |
JP7313069B2 (en) | Search material information storage device | |
JP4049317B2 (en) | Search support apparatus and program | |
US20110313940A1 (en) | Process To Optimize A Person's Profile Into A Standardized Competency Profile | |
Jiménez–del–Toro et al. | Overview of the VISCERAL retrieval benchmark 2015 | |
Lei et al. | Identification approach for bottleneck clusters in a job shop based on theory of constraints and sensitivity analysis | |
WO2016076790A1 (en) | Method and system for profiling job candidates | |
JP6343079B1 (en) | Method and apparatus for presenting a task that matches a person, and method and apparatus for presenting a person that matches a task | |
Ramírez et al. | Overview of the multimedia information processing for personality & social networks analysis contest | |
Chen et al. | Mining typical treatment duration patterns for rational drug use from electronic medical records | |
Dickmond et al. | A study of machine learning based approaches to extract personality information from curriculum vitae | |
Das et al. | Ask-the-expert: Active learning based knowledge discovery using the expert | |
JP3957802B2 (en) | Knowledge information presentation apparatus and knowledge information output method | |
WO2016129124A1 (en) | Data analysis system, data analysis method, and data analysis program | |
US11989678B2 (en) | System using artificial intelligence and machine learning to determine an impact of an innovation associated with an enterprise | |
Saxena | Enhancing productivity of recruitment process using data mining & text mining tools | |
Patil et al. | Learning to rank resumes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180319 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180514 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180517 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6343079 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |