KR102417185B1 - Method and server for personalized career recommendation - Google Patents

Method and server for personalized career recommendation Download PDF

Info

Publication number
KR102417185B1
KR102417185B1 KR1020200019111A KR20200019111A KR102417185B1 KR 102417185 B1 KR102417185 B1 KR 102417185B1 KR 1020200019111 A KR1020200019111 A KR 1020200019111A KR 20200019111 A KR20200019111 A KR 20200019111A KR 102417185 B1 KR102417185 B1 KR 102417185B1
Authority
KR
South Korea
Prior art keywords
career
user
data
information
recommendation
Prior art date
Application number
KR1020200019111A
Other languages
Korean (ko)
Other versions
KR20210104415A (en
Inventor
유원일
박혁
Original Assignee
주식회사 텐덤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 텐덤 filed Critical 주식회사 텐덤
Priority to KR1020200019111A priority Critical patent/KR102417185B1/en
Publication of KR20210104415A publication Critical patent/KR20210104415A/en
Application granted granted Critical
Publication of KR102417185B1 publication Critical patent/KR102417185B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063112—Skill-based matching of a person or a group to a task
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G06Q10/1053—Employment or hiring

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본원의 일 측면에 따른 개인 맞춤형 커리어 추천 방법은 네트워크를 통해 수집된 대학, 직업 관련 정보 및 리뷰 정보를 포함하는 커리어 표본 정보 및 사용자 단말로부터 수신된 사용자 정보에 전처리 프로세스를 수행하여 사용자의 커리어 분석을 위해 필요한 사용자 스펙 데이터를 생성하는 단계; 생성된 사용자 스펙 데이터를 입력으로 커리어 분석 모델을 통해 커리어 추천 결과 데이터를 생성하는 단계; 및 커리어 추천 결과 데이터를 사용자 단말에 제공하는 단계;를 포함한다. 커리어 추천 결과 데이터는 사용자의 커리어 상태에 따라 추천된 학교, 학과, 대외활동, 공모전, 인턴쉽, 회사, 직종, 자격증 또는 강의 콘텐츠 추천 정보 중 하나 이상을 포함하는 것이고, 커리어 분석 모델은 커리어 표본 정보 및 사용자 스펙 데이터를 입력으로 인공신경망 네트워크를 이용해 학습되어 사용자의 커리어를 추천하고 커리어에 필요한 정보를 제공하는 것이다.The personalized career recommendation method according to an aspect of the present application performs a pre-processing process on user information received from a user terminal and career sample information including university, job-related information and review information collected through a network to analyze the user's career generating user specification data necessary for this; generating career recommendation result data through a career analysis model by inputting the generated user specification data; and providing career recommendation result data to the user terminal. The career recommendation result data includes one or more of school, department, extracurricular activity, competition, internship, company, occupation, certification, or lecture content recommendation information recommended according to the user's career status, and the career analysis model includes career sample information and It is learned using an artificial neural network with user specification data as input, recommending the user's career and providing necessary information for the career.

Description

개인 맞춤형 커리어 추천 방법 및 서버{METHOD AND SERVER FOR PERSONALIZED CAREER RECOMMENDATION}Personalized career recommendation method and server

본 발명은 커리어 추천 방법에 관한 것으로, 보다 상세하게는 빅데이터 분석 및 기계학습을 통해 개인별로 최적화된 커리어 추천 방법 및 서버에 관한 것이다.The present invention relates to a career recommendation method, and more particularly, to a career recommendation method and server optimized for each individual through big data analysis and machine learning.

사회가 변화함에 따라 직업들도 계속적으로 변화하고 있으며 한국고용정보원의 자료에 따르면 매년 100여개의 직업이 새로 생겨나고 있고, 현재 우리나라에는 약 15000개 이상의 직업이 존재한다고 한다.According to the data of the Korea Employment Information Service, about 100 new jobs are created every year, and there are currently more than 15,000 jobs in Korea.

개인의 입장에서는 노동시장으로의 진입이 더욱 어려워졌고, '평생직장'의 개념이 희박해지면서 직업생활 동안 자신의 경력을 개발하기 위하여 부단히 노력해야만 노동시장에서 생존할 수 있게 되었다. 또한 조직의 입장에서도 산업사회에서 요구되었던 매뉴얼에 따라 정확하게 수행할 수 있는 표준형의 인재를 대거 채용하는 방식, 끊임없이 고용할 인재가 밀고 들어오며 나가는 회전문식 고용은 지식기반사회의 무한경쟁에서 더 이상 통하지 않게 되었다. 따라서 일단 직장에 입문하면 조직과 함께 자연스럽게 이루어졌던 직장 기반 경력개발이 종전과 같이 용이하지 않게 되었고 이에 따라 개인 스스로 직업세계, 노동시장에 대하여 깊이 있게 이해하고, 자기 자신에 대하여 객관적으로 직시할 수 있는 진로역량의 개발에 대한 관심이 고조되고 있다.From an individual's point of view, entry into the labor market has become more difficult, and as the concept of a 'lifetime job' has become rare, it is possible to survive in the labor market only through continuous efforts to develop one's career while working. Also, from the perspective of the organization, the method of hiring a large number of standard-type talents who can perform accurately in accordance with the manual required in the industrial society, and the revolving door-type employment where talents to be hired constantly come in and out, no longer work in the limitless competition of the knowledge-based society. it didn't happen Therefore, once you enter the workplace, the workplace-based career development that has been naturally accomplished with the organization is not as easy as it used to be. Interest in career development is growing.

입시, 진로 및 직업 상담은 전문 진로상담사, 교사, 학원, 또는 상담센터 등에 의해 이루어 지고 있으며, 직업적성검사, 흥미 검사 등을 통하여 개인의 직무와 관련된 다양한 직무관련 정보를 제공하고 있으나, 전문 인력에 의존하는 상담 특성상 단시간에 개인의 모든 정보를 분석하여 상담하는 것은 어려움이 있고, 전문 인력에 대한 접근성을 고려할 때 구체적이고 지속적인 상담이 이루어지기 어려운 측면이 있다. Admission, career, and vocational counseling are provided by professional career counselors, teachers, academies, or counseling centers, and various job-related information related to individual jobs are provided through vocational aptitude tests and interest tests. Due to the nature of the counseling dependent, it is difficult to analyze all personal information in a short time and provide counseling, and it is difficult to provide specific and continuous counseling when considering the accessibility to professional manpower.

최근 많은 도메인에 인공지능이 적용되는 추세이지만, 아직까지 커리어에 대한 빅데이터 분석 및 이에 대한 기계학습의 적용은 부족한 실정이다.Although artificial intelligence has recently been applied to many domains, it is still insufficient to analyze big data for careers and apply machine learning to them.

대한민국 공개특허공보 제 10-2015-0002428 호 (발명의 명칭: 이력관리방법 및 이력관리시스템)Republic of Korea Patent Publication No. 10-2015-0002428 (Title of the invention: history management method and history management system)

본 발명은 전술한 문제점을 해결하기 위한 것으로, 사용자 정보, 적성, 학습 환경 결과 데이터, 관심사, 활동 및 다양한 비정형적 데이터를 수집 분석하여 개인별 맞춤형 커리어 추천 정보를 제공하는 것을 기술적 과제로 한다.The present invention is to solve the above problems, and it is a technical task to provide personalized career recommendation information by collecting and analyzing user information, aptitude, learning environment result data, interests, activities, and various atypical data.

다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.However, the technical task to be achieved by the present embodiment is not limited to the technical task as described above, and other technical tasks may exist.

상술한 기술적 과제를 해결하기 위한 기술적 수단으로서, 본 개시의 제 1측면에 따른 서버에 의해 수행되는 개인 맞춤형 커리어 추천 방법은 네트워크를 통해 수집된 대학, 직업 관련 정보 및 리뷰 정보를 포함하는 커리어 표본 정보 및 사용자 단말로부터 수신된 사용자 정보에 전처리 프로세스를 수행하여 사용자의 커리어 분석을 위해 필요한 사용자 스펙 데이터를 생성하는 단계; 상기 생성된 사용자 스펙 데이터를 입력으로 커리어 분석 모델을 통해 커리어 추천 결과 데이터를 생성하는 단계; 및 상기 커리어 추천 결과 데이터를 상기 사용자 단말에 제공하는 단계;를 포함한다. 상기 커리어 추천 결과 데이터는 사용자의 커리어 상태에 따라 추천된 학교, 학과, 대외활동, 공모전, 인턴쉽, 회사, 직종, 자격증 또는 강의 콘텐츠 추천 정보 중 하나 이상을 포함하는 것이고, 상기 커리어 분석 모델은 상기 커리어 표본 정보 및 상기 사용자 스펙 데이터를 입력으로 인공신경망 네트워크를 이용해 학습되어 상기 사용자의 커리어를 추천하고 커리어에 필요한 정보를 제공하는 것이다.As a technical means for solving the above-described technical problem, the personalized career recommendation method performed by the server according to the first aspect of the present disclosure is career sample information including university, job-related information and review information collected through a network. and performing a pre-processing process on the user information received from the user terminal to generate user specification data required for career analysis of the user; generating career recommendation result data through a career analysis model by inputting the generated user specification data; and providing the career recommendation result data to the user terminal. The career recommendation result data includes one or more of school, department, extracurricular activity, competition, internship, company, occupation, certification, or lecture content recommendation information recommended according to the user's career status, and the career analysis model is the career It is learned using an artificial neural network by inputting sample information and the user specification data, recommending the user's career, and providing information necessary for the career.

상술한 기술적 과제를 해결하기 위한 기술적 수단으로서, 본 개시의 제 2측면에 따른 개인 맞춤형 커리어 추천 서버는 개인 맞춤형 커리어 추천 프로그램이 저장된 메모리; 상기 메모리에 저장된 프로그램을 실행하는 프로세서를 포함한다. 상기 프로세서는 상기 프로그램의 실행에 의해, 네트워크를 통해 수집된 대학, 직업 관련 정보 및 리뷰 정보를 포함하는 커리어 표본 정보 및 사용자 단말로부터 수신된 사용자 정보에 전처리 프로세스를 수행하여 사용자의 커리어 분석을 위해 필요한 사용자 스펙 데이터를 생성하고, 상기 생성된 사용자 스펙 데이터를 입력으로 커리어 분석 모델을 통해 커리어 추천 결과 데이터를 생성하고, 상기 커리어 추천 결과 데이터를 상기 사용자 단말에 제공한다. 상기 커리어 추천 결과 데이터는 사용자의 커리어 상태에 따라 추천된 학교, 학과, 대외활동, 공모전, 인턴쉽, 회사, 직종, 자격증 또는 강의 콘텐츠 추천 정보 중 하나 이상을 포함하는 것이고, 상기 커리어 분석 모델은 상기 커리어 표본 정보 및 상기 사용자 스펙 데이터를 입력으로 인공신경망 네트워크를 이용해 학습되어 상기 사용자의 커리어를 추천하고 커리어에 필요한 정보를 제공하는 것이다.As a technical means for solving the above technical problem, the personalized career recommendation server according to the second aspect of the present disclosure includes: a memory in which a personalized career recommendation program is stored; and a processor executing the program stored in the memory. The processor performs a pre-processing process on the user information received from the user terminal and the career sample information including university, job-related information and review information collected through the network by executing the program, and is necessary for career analysis of the user. User specification data is generated, and career recommendation result data is generated through a career analysis model by inputting the generated user specification data as input, and the career recommendation result data is provided to the user terminal. The career recommendation result data includes one or more of school, department, extracurricular activity, competition, internship, company, occupation, certification, or lecture content recommendation information recommended according to the user's career status, and the career analysis model is the career It is learned using an artificial neural network by inputting sample information and the user specification data, recommending the user's career, and providing information necessary for the career.

전술한 본원의 과제 해결 수단 중 어느 하나에 의하면, 사용자 정보에 부합하는 학교, 학과, 회사 및 직업을 포함하는 커리어에 대한 추천 정보 및 추천된 리뷰 정보를 제공할 수 있고, 해당 커리어 관리에 필요한 강의 콘텐츠, 자격증, 대외활동, 공모전, 인턴쉽 추천 정보를 사용자에게 제공할 수 있다.According to any one of the above-described problem solving means of the present application, it is possible to provide recommended information and recommended review information for a career including a school, department, company, and occupation corresponding to the user information, and a lecture required for the corresponding career management Content, certification, extracurricular activities, contest, and internship recommendation information can be provided to the user.

또한, 빅데이터 분석 및 기계학습 모델을 이용한 본 발명을 통해 커리어 관리에 필요한 정보를 신속하고 정확하게 획득할 수 있고, 장기간에 걸쳐 커리어를 개발하고 관리 할 수 있는 시스템을 제공할 수 있다. In addition, through the present invention using big data analysis and machine learning model, it is possible to quickly and accurately acquire information necessary for career management, and to provide a system capable of developing and managing careers over a long period of time.

도 1은 본 발명의 일 실시예에 따른 개인 맞춤형 커리어 추천 시스템의 구성을 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 개인 맞춤형 커리어 추천 서버의 구성을 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 개인 맞춤형 커리어 추천 방법에서 설문 조사 기능을 설명하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 개인 맞춤형 커리어 추천 방법에서 전처리 프로세스를 통해 사용자 스펙 데이터를 생성하는 과정을 설명하는 도면이다.
도 5는 본 발명의 일 실시예에 따른 개인 맞춤형 커리어 추천 방법의 커리어 분석 모델에서 커리어를 추천하는 과정을 설명하는 도면이다.
도 6은 본 발명의 일 실시예에 따른 개인 맞춤형 커리어 추천 방법에서 커리어 추천을 위해 분류된 사용자 스펙 데이터를 설명하는 도면이다.
도 7은 본 발명의 일 실시예에 따른 개인 맞춤형 커리어 추천 방법의 진행 단계를 나타낸 흐름도이다.1 is a block diagram illustrating a configuration of a personalized career recommendation system according to an embodiment of the present invention.
2 is a block diagram illustrating a configuration of a personalized career recommendation server according to an embodiment of the present invention.
3 is a diagram illustrating a survey function in a method for recommending a personalized career according to an embodiment of the present invention.
4 is a view for explaining a process of generating user specification data through a pre-processing process in a personalized career recommendation method according to an embodiment of the present invention.
5 is a view for explaining a process of recommending a career in a career analysis model of a personalized career recommendation method according to an embodiment of the present invention.
6 is a view for explaining user specification data classified for career recommendation in a method for recommending a personalized career according to an embodiment of the present invention.
7 is a flowchart illustrating a process step of a personalized career recommendation method according to an embodiment of the present invention.

아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, embodiments of the present application will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art can easily implement them. However, the present application may be implemented in several different forms and is not limited to the embodiments described herein. And in order to clearly explain the present application in the drawings, parts irrelevant to the description are omitted, and similar reference numerals are attached to similar parts throughout the specification.

본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. Throughout this specification, when a part is "connected" with another part, this includes not only the case where it is "directly connected" but also the case where it is "electrically connected" with another element interposed therebetween. do.

본원 명세서 전체에서, 어떤 부재가 다른 부재 “상에” 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.Throughout this specification, when a member is said to be located “on” another member, this includes not only a case in which a member is in contact with another member but also a case in which another member is present between the two members.

이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.Hereinafter, an embodiment of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 개인 맞춤형 커리어 추천 시스템의 구성을 도시한 블록도이다.1 is a block diagram illustrating a configuration of a personalized career recommendation system according to an embodiment of the present invention.

개인 맞춤형 커리어 추천 방법은 서버(100) 또는 사용자 단말(200)에서 실시될 수 있다. 개인 맞춤형 커리어 추천 방법에서 커리어 관련 데이터 수집은 하나 이상의 사용자 단말(200)을 통해 이루어질 수 있다. 수집된 데이터 분석은 서버(100)에서 이루어지고, 추천 및 분석 결과 데이터가 각각의 사용자 단말(200)에 제공 될 수 있다. 복수의 사용자는 각각 자신의 사용자 단말(200)을 통해 개인 맞춤형 커리어 추천 방법을 실시할 수 있다.The personalized career recommendation method may be implemented in the server 100 or the user terminal 200 . In the personalized career recommendation method, career-related data may be collected through one or more user terminals 200 . The collected data analysis is performed in the server 100 , and recommendation and analysis result data may be provided to each user terminal 200 . Each of the plurality of users may perform a personalized career recommendation method through their user terminal 200 .

도 2는 본 발명의 일 실시예에 따른 개인 맞춤형 커리어 추천 서버의 구성을 도시한 블록도이다. 2 is a block diagram illustrating a configuration of a personalized career recommendation server according to an embodiment of the present invention.

도시된 바와 같이 개인 맞춤형 커리어 추천 서버(100)는 통신 모듈(110), 메모리(120), 프로세서(130), 데이터베이스(140) 및 입력모듈(150)을 포함할 수 있다.As shown, the personalized career recommendation server 100 may include a communication module 110 , a memory 120 , a processor 130 , a database 140 , and an input module 150 .

통신모듈(110)은 접속된 사용자 단말(200)과 데이터를 송수신할 수 있다. 통신모듈(110)은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.The communication module 110 may transmit/receive data to and from the connected user terminal 200 . The communication module 110 may be a device including hardware and software necessary for transmitting and receiving signals such as control signals or data signals through wired/wireless connection with other network devices.

메모리(120)에는 개인 맞춤형 커리어 추천 프로그램이 저장된다. 개인 맞춤형 커리어 추천 프로그램은 네트워크를 통해 수집된 대학, 직업 관련 정보 및 리뷰 정보를 포함하는 커리어 표본 정보 및 사용자 단말로부터 수신된 사용자 정보에 전처리 프로세스를 수행하여 사용자의 커리어 분석을 위해 필요한 사용자 스펙 데이터를 생성하고, 상기 생성된 사용자 스펙 데이터를 입력으로 커리어 분석 모델을 통해 커리어 추천 결과 데이터를 생성하고, 상기 커리어 추천 결과 데이터를 상기 사용자 단말에 제공한다.The memory 120 stores a personalized career recommendation program. The personalized career recommendation program performs a pre-processing process on career sample information including university, job-related information, and review information collected through the network and user information received from the user terminal to provide user specification data required for career analysis of the user. generated, and using the generated user specification data as input, career recommendation result data is generated through a career analysis model, and the career recommendation result data is provided to the user terminal.

커리어 표본 정보는 입시 준비생, 재학생을 포함하는 대학 입시관련 커뮤니티 서비스, 취업 준비생, 현직자를 포함하는 인적자원개발(HRD) 관련 플랫폼 등에서 수집될 수 있다. 네트워크를 통해 수집된 커리어 표본 정보는 대학/학과 리뷰, 대외활동 리뷰, 공모전 리뷰, 인턴쉽 리뷰와 같은 각종 리뷰정보를 포함할 수 있다. 대학/학과의 리뷰는 대학 입시관련 커뮤니티에 소속된 학교별 재학생들이 작성한 학교에 대한 평가 정보로 학교명, 학과명, 한줄평, 장점, 단점, 바라는점, 학과 추천여부, 3년후 학교의 미래(유지, 발전, 퇴보), 활동년도, 총점, 캠퍼스시설 만족도, 캠퍼스 문화 만족도, 대학가 만족도, 등록금 만족도, 교수 만족도 등의 정보를 포함할 수 있다. 대외활동, 공모전 및 인턴쉽 리뷰는 대학 입시관련 커뮤니티에 소속된 학교별 재학생들이 작성한 대외활동, 공모전 및 인턴쉽에 대한 정보로 활동분류, 한줄평, 장점, 단점, 바라는점, 활동 추천여부, 3년후 활동의 미래(유지, 발전, 퇴보), 활동년도, 총점, 지원/합격 난이도, 활동 난이도, 활동일정 만족도, 운영 만족도, 혜택 만족도 등의 정보를 포함할 수 있다.Career sample information may be collected from college entrance exam-related community services including students preparing for entrance exams and current students, and human resource development (HRD)-related platforms including job-seeking students and current employees. The career sample information collected through the network may include various types of review information such as university/department reviews, external activity reviews, competition reviews, and internship reviews. University/department reviews are evaluation information on schools written by current students of each school belonging to the college admission-related community. development, regression), activity year, total score, campus facility satisfaction, campus culture satisfaction, university district satisfaction, tuition satisfaction, professor satisfaction, etc. may be included. External activities, contests, and internship reviews are information on external activities, contests, and internships written by students at each school belonging to the college entrance exam-related community. Information such as future (maintenance, development, regression), activity year, total score, application/pass difficulty, activity difficulty, activity schedule satisfaction, operation satisfaction, benefit satisfaction, etc. may be included.

사용자 단말로부터 수신된 사용자 정보는 나이, 키, 성별, 주거지 정보를 포함하는 개인 정보와, 학교, 학과, 성적 백분위를 포함하는 학적정보, 성격, 흥미, 비전과 같은 관심사정보 등을 포함할 수 있다.The user information received from the user terminal may include personal information including age, height, gender, and residence information, academic information including school, department, and grade percentile, and interest information such as personality, interest, and vision. .

도 3은 본 발명의 일 실시예에 따른 개인 맞춤형 커리어 추천 방법에서 설문 조사 기능에 대한 예시 도면이다.3 is an exemplary diagram of a survey function in the personalized career recommendation method according to an embodiment of the present invention.

사용자 정보는 유저 참여형 설문조사를 통해 수집된 정보를 포함할 수 있다. 설문 조사 기능은 사용자의 잠재력 또는 커리어 추천에 필요한 역량 파악을 위해 문제풀이, 심리 테스트, 성향 테스트 와 같은 형태로 사용자 단말에 제공될 수 있다.The user information may include information collected through a user participatory survey. The survey function may be provided to the user terminal in the form of problem solving, psychological test, and propensity test in order to identify the user's potential or competency required for career recommendation.

서버(100)는 성향을 파악하기 위해,"만약 나라면 친해지고 싶은 친구가 있을 때?" 와 같은 간접적인 형태의 질문 및 4지 선다 형태의 답안이 제공될 수 있다. 타로 운세와 같은 기능을 통해 성향 파악을 위한 정보를 수집하는 것도 가능하다. 서버(100)는 사용자 단말을 통해 매일 질문을 하나씩 제공하여, 한번에 복수의 설문조사를 실시하는 부담을 줄일 수 있다.The server 100 in order to understand the tendency, "If I have a friend I want to get close with?" An indirect type of question such as , and a four-choice type of answer can be provided. It is also possible to collect information for understanding tendencies through functions such as tarot fortune-telling. The server 100 may reduce the burden of conducting a plurality of surveys at once by providing one question every day through the user terminal.

추가적인 실시예로, 설문조사를 통해 수집된 정보를 분석하기 위해 통계분석기법, 데이터마이닝 또는 기계학습을 이용하는 것도 가능하다. 예를 들어 설문조사 응답 데이터에 대해 언어처리를 수행하여 데이터를 의미적으로 분리 가능한 단위로 분리하고, 각 분리된 언어 단위별로 긍정/부정과 같은 의견 표현으로 라벨링하고, 이를 기계학습모델을 통해 학습시켜 설문조사 응답 데이터를 분석하는 방법을 제공할 수 있다.As an additional embodiment, it is also possible to use statistical analysis techniques, data mining, or machine learning to analyze information collected through a survey. For example, linguistic processing is performed on survey response data to separate the data into semantically separable units, labeling each separated linguistic unit with an opinion expression such as positive/negative, and learning it through a machine learning model This can provide a method for analyzing survey response data.

도 4는 본 발명의 일 실시예에 따른 개인 맞춤형 커리어 추천 방법에서 전처리 프로세스를 통해 사용자 스펙 데이터를 생성하는 과정을 설명하는 도면이다.4 is a view for explaining a process of generating user specification data through a pre-processing process in a method for recommending a personalized career according to an embodiment of the present invention.

사용자 스펙 데이터는 커리어 표본 정보와 사용자 정보에 전처리 프로세스를 수행하여 생성된다. 서버(100)는 인공신경망을 이용하여 데이터를 학습하기 위해 데이터에 이름을 붙이는 라벨링 작업을 수행할 수 있다. 또한 서버(100)는 비정형 데이터로부터 통계적인 의미가 있는 개념이나 특성을 추출하고 이것들 간의 패턴이나 추세 등의 고품질의 정보를 끌어내는 과정인 텍스트 마이닝을 수행할 수 있다. 예를 들어 설문 조사 기능을 이용해 수집된 데이터상에서 텍스트 마이닝을 통해 사용자의 성격 흥미, 관심분야, 적성, 비전과 관련된 데이터를 추출할 수 있다.User specification data is generated by performing a pre-processing process on career sample information and user information. The server 100 may perform a labeling operation of naming data in order to learn data using an artificial neural network. In addition, the server 100 may perform text mining, which is a process of extracting statistically meaningful concepts or characteristics from unstructured data and extracting high-quality information such as patterns or trends between them. For example, data related to a user's personality, interest, interest, aptitude, and vision can be extracted through text mining from the data collected using the survey function.

커리어 표본 정보 중 대학/학과 리뷰 데이터에 대해 텍스트 분류작업 및 라벨링 작업을 실시하여 학적정보(학교, 학과, 성적 백분위) 및 관심사정보(성격, 흥미, 비전)를 추출할 수 있다. 대외활동/인턴쉽/공모전 리뷰 데이터에 대해 텍스트 분류작업 및 라벨링 작업을 실시하여 대외활동/인턴쉽/공모전 이력 정보를 추출하고, 관심사정보(성격, 흥미, 비전)를 추출할 수 있다. 설문조사에 참여한 사용자의 참여 기록을 분석하여 학적정보(학교, 학과, 성적 백분위), 취득한 자격증 정보, 회사/직종 이력 정보, 연봉 정보를 추출할 수 있다. It is possible to extract academic information (school, department, grade percentile) and interest information (personality, interest, vision) by performing text classification and labeling on university/department review data among career sample information. By performing text classification and labeling work on external activity/internship/contest review data, external activity/internship/contest history information can be extracted, and interest information (personality, interest, vision) can be extracted. By analyzing the participation record of the user who participated in the survey, it is possible to extract academic information (school, department, grade percentile), acquired certification information, company/occupation history information, and salary information.

커리어 분석 모델은 커리어 표본 정보 및 사용자 스펙 데이터를 입력으로 인공신경망 네트워크를 이용해 학습되어 상기 사용자의 커리어를 추천하고 커리어에 필요한 정보를 제공하는 것일 수 있다.The career analysis model may be learned using an artificial neural network by inputting career sample information and user specification data, recommending the user's career, and providing information necessary for the career.

도 5는 본 발명의 일 실시예에 따른 개인 맞춤형 커리어 추천 방법에서 커리어 분석 모델에서 커리어를 추천하는 과정을 설명하는 도면이다.5 is a view for explaining a process of recommending a career in a career analysis model in a method for recommending a personalized career according to an embodiment of the present invention.

커리어 분석 모델은 후보 생성 모듈(310) 및 랭킹 모듈(320)을 포함하는 것이고, 후보 생성 모듈(310)은 사용자의 참여행동을 기초로 추천 후보 데이터를 생성하고, 랭킹 모듈(320)은 사용자 참여 행동에 기초하여 사용자 가중치 점수를 계산하고, 가중치 점수에 따라 커리어 추천 결과 데이터를 생성하는 것일 수 있다.The career analysis model includes a candidate generation module 310 and a ranking module 320, the candidate generation module 310 generates recommended candidate data based on the user's participation behavior, and the ranking module 320 includes the user participation A user weight score may be calculated based on the behavior, and career recommendation result data may be generated according to the weight score.

후보 생성 모듈(310)에서는 사용자가 조회, 즐겨찾기, 댓글 등의 참여 행동을 보였던 콘텐츠를 기반으로 대략적인 후보데이터를 생성할 수 있다. 후보데이터를 다각화하기 위해 유사도가 높은 컨텐츠의 가중치를 낮게 평가할 수 있다. 또한 리뷰와 같은 유저 생산 콘텐츠의 경우 별도의 품질 체크를 수행할 수 있다. 서버(100)를 통해 사용자의 참여 행동 로그를 확인하여 데이터별로 가중치를 달리하여 추천 데이터를 생성할 수 있다. 이 경우 사용자가 이미 참여한 후보데이터의 가중치를 낮게 평가할 수 있다. 평가된 가중치를 바?ダ막? 랭킹 모듈(320)을 통해 커리어 추천 결과 데이터를 생성할 수 있다.The candidate generation module 310 may generate approximate candidate data based on the content in which the user showed participation behavior such as inquiry, favorite, and comment. In order to diversify candidate data, the weight of content with high similarity may be evaluated low. In addition, in the case of user-generated content such as reviews, a separate quality check can be performed. Recommendation data can be generated by checking the user's participation behavior log through the server 100 and varying the weight for each data. In this case, the weight of candidate data in which the user has already participated may be evaluated as low. What is the evaluated weight? Career recommendation result data may be generated through the ranking module 320 .

커리어 추천 결과 데이터는 학교/학과, 대외활동/공모전/인턴쉽, 회사/직종, 자격증, 강의 콘텐츠 추천 데이터가 포함될 수 있고, 학교/학과, 대외활동/공모전/인턴쉽, 회사/직종, 자격증, 강의 콘텐츠에 대한 리뷰 추천 데이터가 포함될 수 있다.Career recommendation result data may include school/department, external activity/contest/internship, company/occupation, certification, and lecture content recommendation data, and school/department, external activity/contest/internship, company/occupation, certificate, lecture content may include review recommendation data for .

도 6는 본 발명의 일 실시예에 따른 개인 맞춤형 커리어 추천 방법에서 커리어 추천을 위해 분류된 사용자 스펙 데이터를 설명하는 도면이다.6 is a diagram for explaining user specification data classified for career recommendation in a method for recommending a personalized career according to an embodiment of the present invention.

사용자 스펙 데이터 중 학적정보, 관심사정보, 개인정보는 학교/학과 및 리뷰 추천을 위해 사용될 수 있다. 사용자 스펙 데이터 중 대외활동 이력정보, 인턴쉽 이력 정보, 공모전(수상) 이력 정보, 관심사정보, 개인정보, 회사 이력 정보는 대외활동/공모전/인턴쉽 및 리뷰 추천을 위해 사용될 수 있다. 사용자 스펙 데이터 중 회사/직종 이력정보, 관심사정보, 연봉정보, 개인정보, 취득한 자격증 정보는 회사/자격증, 직종리뷰 추천을 위해 사용될 수 있다. 사용자 스펙 데이터 중 회사/직종 이력 정보, 관심사정보, 취득한 자격증 정보, 개인정보는 강의 콘텐츠 추천을 위해 사용될 수 있다.Among the user specification data, academic information, interest information, and personal information can be used for school/department and review recommendations. Among the user specification data, external activity history information, internship history information, contest (award) history information, interest information, personal information, and company history information can be used for external activities/contest/internship and review recommendations. Among the user specification data, company/job history information, interest information, salary information, personal information, and acquired certification information can be used to recommend company/certificate and job type review. Among the user specification data, company/job history information, interest information, acquired certification information, and personal information may be used to recommend lecture content.

추가적인 실시예로 커리어 분석 모델은 사용자의 학적정보, 관심사정보, 개인정보를 기초로 학교/학과를 추천하고, 학교/학과를 선택하는데 도움되는 정보인 학교/학과의 리뷰를 추천해 줄 수 있다. 또한 커리어 분석 모델은 학교/학과를 선택한 이후의 학적정보, 관심사정보, 개인정보 등을 바탕으로 대외활동/공모전/인턴쉽에 대한 추천이 가능하고, 대외활동/공모전/인턴쉽을 선택하는데 도움이 되는 리뷰정보를 추천해 줄 수 있다. 사용자의 대외활동/공모전/인턴쉽에 대한 활동정보가 추가되면, 업데이트된 정보를 바탕으로 다른 대외활동/공모전/인턴쉽에 대한 추천이 가능하다. 사용자가 학생인 경우 커리어 분석 모델은 전공, 성적, 대외활동 등의 이력정보에 기초하여 회사 및 직종 리뷰를 추천할 수 있고, 추천회사 중 관심을 가지는 정보가 등록되면 해당 정보를 바탕으로 관심회사에 필요한 자격증, 강의콘텐츠, 대외활동, 공모전, 인텁쉽활동 등의 정보를 다시 추천해 줄 수 있다. 또한 커리어 분석 모델은 추천되는 학교, 학과, 대외활동, 공모전, 인텁쉽, 회사에 대한 사용자의 적합성 또는 가능성 점수를 제공하는 것도 가능하다.As an additional embodiment, the career analysis model may recommend a school/department based on the user's academic records, interest information, and personal information, and may recommend a school/department review, which is information helpful in selecting a school/department. In addition, the career analysis model can recommend external activities/contest/internship based on academic information, interest information, personal information, etc. information can be recommended. If activity information on the user's external activities/contest/internship is added, recommendations for other external activities/contest/internship are possible based on the updated information. If the user is a student, the career analysis model can recommend company and job reviews based on history information such as major, grades, and extracurricular activities. Information such as necessary certifications, lecture contents, external activities, contests, and internship activities can be recommended again. In addition, the career analysis model may provide a score of suitability or possibility of a user for a recommended school, department, extracurricular activity, competition, internship, or company.

이러한 메모리(120)에는 개인 맞춤형 커리어 추천 서버(100)의 구동을 위한 운영 체제나 개인 맞춤형 커리어 추천 프로그램의 실행 과정에서 발생되는 여러 종류가 데이터가 저장된다. Various types of data generated during the execution of an operating system for driving the personalized career recommendation server 100 or a personalized career recommendation program are stored in the memory 120 .

이때, 메모리(120)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치를 통칭하는 것이다. In this case, the memory 120 collectively refers to a non-volatile storage device that continuously maintains stored information even when power is not supplied, and a volatile storage device that requires power to maintain the stored information.

또한, 메모리(120)는 프로세서(130)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행할 수 있다. 여기서, 메모리(120)는 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치 외에 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.In addition, the memory 120 may perform a function of temporarily or permanently storing data processed by the processor 130 . Here, the memory 120 may include magnetic storage media or flash storage media in addition to the volatile storage device that requires power to maintain stored information, but the scope of the present invention is limited thereto. it's not going to be

프로세서(130)는 메모리(120)에 저장된 프로그램을 실행하되, 개인 맞춤형 커리어 추천 프로그램의 실행에 따르는 전체 과정을 제어한다. 프로세서(130)가 수행하는 각각의 동작에 대해서는 추후 보다 상세히 살펴보기로 한다.The processor 130 executes the program stored in the memory 120 , but controls the entire process according to the execution of the personalized career recommendation program. Each operation performed by the processor 130 will be described in more detail later.

이러한 프로세서(130)는 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이 크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.The processor 130 may include all kinds of devices capable of processing data. For example, it may refer to a data processing device embedded in hardware having a physically structured circuit to perform a function expressed as code or instructions included in a program. As an example of the data processing device embedded in the hardware as described above, a microprocessor, a central processing unit (CPU), a processor core, a multiprocessor, an application-specific (ASIC) An integrated circuit) and a processing device such as a field programmable gate array (FPGA) may be included, but the scope of the present invention is not limited thereto.

데이터베이스(140)는 프로세서(130)의 제어에 따라, 개인 맞춤형 커리어 추천 시스템에 필요한 데이터를 저장 또는 제공한다. 이러한 데이터베이스(140)는 메모리(120)와는 별도의 구성 요소로서 포함되거나, 또는 메모리(120)의 일부 영역에 구축될 수도 있다.The database 140 stores or provides data required for a personalized career recommendation system under the control of the processor 130 . The database 140 may be included as a component separate from the memory 120 , or may be built in a partial area of the memory 120 .

도 7은 본 발명의 일 실시예에 따른 개인 맞춤형 커리어 추천 방법의 진행 단계를 나타낸 흐름도이다.7 is a flowchart illustrating a process step of a personalized career recommendation method according to an embodiment of the present invention.

프로세서(130)는 네트워크를 통해 대학, 직업 관련 정보 및 리뷰 정보를 포함하는 커리어 표본 정보를 수집한다(S110). 커리어 표본 정보는 대학/학과 리뷰 데이터, 대외활동 리뷰 데이터, 인턴쉽 리뷰 데이터 또는 공모전 리뷰 데이터 중 적어도 하나를 포함하는 것일 수 있다.The processor 130 collects career sample information including college, job-related information, and review information through a network (S110). The career sample information may include at least one of university/department review data, external activity review data, internship review data, and competition review data.

프로세서(130)는 사용자 단말로부터 사용자 정보를 수신한다(S110). 사용자 정보는 나이, 키, 성별, 주거지 또는 설문조사 응답 데이터에서 추출된 개인정보 중 하나 이상을 포함할 수 있다. 프로세서(130)는 사용자 단말에 설문 조사 기능을 제공하고, 설문 조사 기능을 통해 사용자의 설문조사 응답 데이터를 수집한 후, 수집된 데이터에 대해 전처리 프로세스를 수행하여 사용자 스펙 데이터를 생성할 수 있다. 설문 조사 기능은 문제 풀이, 심리 테스트 또는 성향 테스트 중 하나 이상을 포함할 수 있다.The processor 130 receives user information from the user terminal (S110). The user information may include one or more of age, height, gender, residence, or personal information extracted from survey response data. The processor 130 may provide a survey function to the user terminal, collect the user's survey response data through the survey function, and then perform a pre-processing process on the collected data to generate user specification data. The survey function may include one or more of problem solving, psychological testing, or disposition testing.

프로세서(130)는 커리어 표본 정보 및 사용자 정보에 전처리 프로세스를 수행하여 사용자의 커리어 분석을 위해 필요한 사용자 스펙 데이터를 생성한다(S120).The processor 130 performs a pre-processing process on the career sample information and the user information to generate user specification data necessary for career analysis of the user ( S120 ).

사용자 스펙 데이터는 상기 커리어 표본 정보 및 상기 사용자 정보에 전처리 프로세스를 수행하여 추천할 커리어별로 분류되어 학교/학과 추천을 위한 데이터, 대외활동/공모전/인턴쉽 추천을 위한 데이터, 회사/직종/자격증 추천을 위한 데이터 또는 강의 콘텐츠 추천을 위한 데이터 중 하나 이상을 포함하도록 데이터가 분류된 것일 수 있다. 이 때 커리어 분석 모델은 상기 사용자 스펙 데이터를 입력으로, 추천할 커리어별로 인공신경망 네트워크를 이용해 학습된 것일 수 있다.The user specification data is classified by career to be recommended by performing a pre-processing process on the career sample information and the user information. The data may be classified to include one or more of data for lecture content recommendation and data for lecture content recommendation. In this case, the career analysis model may be learned using an artificial neural network for each career to be recommended by inputting the user specification data as an input.

프로세서(130)는 사용자 스펙 데이터를 입력으로 커리어 분석 모델을 통해 커리어 추천 결과 데이터를 생성한다(S130). 커리어 분석 모델은 상기 커리어 표본 정보 및 상기 사용자 스펙 데이터를 입력으로 인공신경망 네트워크를 이용해 학습되어 상기 사용자의 커리어를 추천하고 커리어에 필요한 정보를 제공할 수 있다. 커리어 추천 결과 데이터는 사용자의 커리어 상태에 따라 추천된 학교, 학과, 대외활동, 공모전, 인턴쉽, 회사, 직종, 자격증 또는 강의 콘텐츠 추천 정보 중 하나 이상을 포함할 수 있고, 추천된 정보와 관련된 학교, 학과, 대외활동, 공모전, 인턴쉽, 회사, 직종, 자격증 또는 강의 콘텐츠의 리뷰 정보를 하나 이상 포함할 수 있다.The processor 130 generates career recommendation result data through a career analysis model by inputting user specification data (S130). The career analysis model may be learned using an artificial neural network by inputting the career sample information and the user specification data as inputs, so as to recommend the user's career and provide information necessary for the career. The career recommendation result data may include one or more of recommended information from schools, departments, extracurricular activities, competitions, internships, companies, occupations, certifications, or lecture content recommended according to the user's career status, and the school related to the recommended information; It may include one or more review information of departments, extracurricular activities, competitions, internships, companies, occupations, certifications, or lecture contents.

커리어 분석 모델은 후보 생성 모듈 및 랭킹 모듈을 포함하는 것이고, 후보 생성 모듈은 사용자의 참여행동을 기초로 추천 후보 데이터를 생성하고, 랭킹 모듈은 사용자 참여 행동에 기초하여 사용자 가중치 점수를 계산하고, 가중치 점수에 따라 커리어 추천 결과 데이터를 생성하는 것일 수 있다.The career analysis model includes a candidate generation module and a ranking module, the candidate generation module generates recommendation candidate data based on the user's participation behavior, the ranking module calculates a user weight score based on the user participation behavior, and weights It may be to generate career recommendation result data according to the score.

프로세서(130)는 커리어 추천 결과 데이터를 상기 사용자 단말에 제공한다(S140).The processor 130 provides career recommendation result data to the user terminal (S140).

프로세서(130)는 커리어 추천 결과 데이터를 사용자 단말에 제공한 이후 상기 커리어 추천 결과 데이터의 정확도를 평가하고, 상기 평가된 정확도를 상기 커리어 분석 모델에 업데이트 할 수 있다.The processor 130 may evaluate the accuracy of the career recommendation result data after providing the career recommendation result data to the user terminal, and update the evaluated accuracy in the career analysis model.

본 발명을 통해 사용자는 상담사나 교사와 같은 전문가와 직접 대면할 필요 없이, 또는 일일이 과거 정보를 분석할 필요 없이 용이하게 커리어 추천 및 분석된 결과를 접할 수 있다. 따라서 추천되는 학과 직장 정보를 확인하고, 이를 위해 필요한 인턴쉽, 대외활동, 자격증 또는 강의정보를 제공받을 수 있고 누적된 커리어 데이터 분석을 통해 체계적인 커리어 관리가 가능하다.Through the present invention, the user can easily access career recommendations and analyzed results without having to face an expert such as a counselor or a teacher, or analyzing past information one by one. Therefore, you can check recommended department and workplace information, receive internship, extracurricular activities, certifications, or lecture information required for this, and systematic career management is possible through accumulated career data analysis.

본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. An embodiment of the present invention may also be implemented in the form of a recording medium including instructions executable by a computer, such as a program module to be executed by a computer. Computer-readable media can be any available media that can be accessed by a computer and includes both volatile and nonvolatile media, removable and non-removable media. Also, computer-readable media may include computer storage media. Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data.

본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.Although the methods and systems of the present invention have been described with reference to specific embodiments, some or all of their components or operations may be implemented using a computer system having a general purpose hardware architecture.

전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The foregoing description of the present application is for illustration, and those of ordinary skill in the art to which the present application pertains will understand that it can be easily modified into other specific forms without changing the technical spirit or essential features of the present application. Therefore, it should be understood that the embodiments described above are illustrative in all respects and not restrictive. For example, each component described as a single type may be implemented in a dispersed form, and likewise components described as distributed may be implemented in a combined form.

본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present application is indicated by the following claims rather than the above detailed description, and all changes or modifications derived from the meaning and scope of the claims and their equivalent concepts should be construed as being included in the scope of the present application.

100: 서버
110: 통신 모듈
120: 메모리
130: 프로세서
140: 데이터베이스
150: 입력모듈
200: 사용자 단말100: server
110: communication module
120: memory
130: processor
140: database
150: input module
200: user terminal

Claims (13)

서버에 의해 수행되는 개인 맞춤형 커리어 추천 방법에 있어서,
(a) 네트워크를 통해 수집된 대학, 직업 관련 정보 및 리뷰 정보를 포함하는 커리어 표본 정보 및 사용자 단말로부터 수신된 사용자 정보에 전처리 프로세스를 수행하여 사용자의 커리어 분석을 위해 필요한 사용자 스펙 데이터를 생성하는 단계;
(b) 상기 생성된 사용자 스펙 데이터를 입력으로 커리어 분석 모델을 통해 커리어 추천 결과 데이터를 생성하는 단계; 및
(c) 상기 커리어 추천 결과 데이터를 상기 사용자 단말에 제공하는 단계;를 포함하는 것이고,
상기 커리어 추천 결과 데이터는 사용자의 커리어 상태에 따라 추천된 학교, 학과, 대외활동, 공모전, 인턴쉽, 회사, 직종, 자격증 또는 강의 콘텐츠 추천 정보 중 하나 이상을 포함하고, 상기 추천된 정보와 관련된 학교, 학과, 대외활동, 공모전, 인턴쉽, 회사, 직종, 자격증 또는 강의 콘텐츠의 리뷰 정보를 하나 이상 포함하는 것이며,
상기 커리어 분석 모델은 상기 커리어 표본 정보 및 상기 사용자 스펙 데이터를 입력으로 인공신경망 네트워크를 이용해 학습되어 상기 사용자의 커리어를 추천하고 커리어에 필요한 정보를 제공하는 것이고,
상기 커리어 분석 모델은 후보 생성 모듈 및 랭킹 모듈을 포함하는 것이고,
상기 후보 생성 모듈은 사용자의 참여 행동들을 기초로 추천 후보 데이터를 생성하고, 및
상기 랭킹 모듈은 사용자 참여 행동들에 기초하여 사용자 가중치 점수를 계산하고, 상기 가중치 점수에 따라 커리어 추천 결과 데이터를 생성하되, 상기 추천 후보 데이터의 다각화를 위해 상기 사용자의 참여 행동들 중에서 유사도가 높은 행동들의 가중치는 낮게 평가되는 것인,
개인 맞춤형 커리어 추천 방법.In the personalized career recommendation method performed by the server,
(a) generating user specification data necessary for career analysis of the user by performing a pre-processing process on the user information received from the user terminal and the career sample information including university, job-related information and review information collected through the network; ;
(b) generating career recommendation result data through a career analysis model by inputting the generated user specification data; and
(c) providing the career recommendation result data to the user terminal;
The career recommendation result data includes one or more of school, department, extracurricular activity, competition, internship, company, occupation, certification, or lecture content recommendation information recommended according to the user's career status, and a school related to the recommended information; It includes one or more review information of departments, extracurricular activities, competitions, internships, companies, occupations, certifications, or lecture contents,
The career analysis model is learned using an artificial neural network by inputting the career sample information and the user specification data, recommending the user's career and providing information necessary for the career,
The career analysis model is to include a candidate generation module and a ranking module,
The candidate generation module generates recommendation candidate data based on the user's participation actions, and
The ranking module calculates a user weight score based on user participation behaviors, generates career recommendation result data according to the weight score, and has a high similarity among the user participation behaviors in order to diversify the recommendation candidate data. their weight is underestimated,
Personalized career recommendations. 제 1 항에 있어서,
상기 커리어 표본 정보는 대학/학과 리뷰 데이터, 대외활동 리뷰 데이터, 인턴쉽 리뷰 데이터 또는 공모전 리뷰 데이터 중 적어도 하나를 포함하는 것인,
개인 맞춤형 커리어 추천 방법.The method of claim 1,
The career sample information will include at least one of university/department review data, external activity review data, internship review data, or competition review data,
Personalized career recommendations. 제 1 항에 있어서,
상기 사용자 정보는 나이, 키, 성별, 주거지 또는 설문조사 응답 데이터에서 추출된 개인정보 중 하나 이상을 포함하는 것인,
개인 맞춤형 커리어 추천 방법.The method of claim 1,
The user information will include one or more of age, height, gender, residence, or personal information extracted from survey response data,
Personalized career recommendations. 삭제delete 제 1 항에 있어서,
상기 (a)단계 이전 사용자 단말에 설문 조사 기능을 제공하고,
상기 (a)단계는 상기 설문 조사 기능에 대한 사용자 응답 데이터에 전처리 프로세스를 수행하여 사용자 스펙 데이터를 생성하는 단계를 더 포함하는 것이고,
상기 설문 조사 기능은 문제 풀이, 심리 테스트 또는 성향 테스트 중 하나 이상을 포함하는 것인,
개인 맞춤형 커리어 추천 방법.The method of claim 1,
Provide a survey function to the user terminal before the step (a),
The step (a) will further include generating user specification data by performing a pre-processing process on the user response data for the survey function,
The survey function will include one or more of problem solving, psychological test, or propensity test,
Personalized career recommendations. 제 1 항에 있어서,
상기 사용자 스펙 데이터는 상기 커리어 표본 정보 및 상기 사용자 정보에 전처리 프로세스를 수행하여 추천할 커리어별로 분류되어 학교/학과 추천을 위한 데이터, 대외활동/공모전/인턴쉽 추천을 위한 데이터, 회사/직종/자격증 추천을 위한 데이터 또는 강의 콘텐츠 추천을 위한 데이터 중 하나 이상을 포함하도록 데이터가 분류된 것이고,
상기 커리어 분석 모델은 상기 사용자 스펙 데이터를 입력으로, 추천할 커리어별로 인공신경망 네트워크를 이용해 학습된 것인,
개인 맞춤형 커리어 추천 방법.The method of claim 1,
The user specification data is classified by career to be recommended by performing a pre-processing process on the career sample information and the user information. data is classified to include at least one of data for or data for lecture content recommendation,
The career analysis model is learned using an artificial neural network for each career to be recommended by inputting the user specification data as input,
Personalized career recommendations. 삭제delete 제 1 항에 있어서,
상기 (c) 단계 이후 상기 커리어 추천 결과 데이터의 정확도를 평가하고, 상기 평가된 정확도를 상기 커리어 분석 모델에 업데이트 하는 단계를 더 포함하는 것인,
개인 맞춤형 커리어 추천 방법.The method of claim 1,
Evaluating the accuracy of the career recommendation result data after the step (c), and further comprising the step of updating the evaluated accuracy in the career analysis model,
Personalized career recommendations. 개인 맞춤형 커리어 추천 서버에 있어서,
개인 맞춤형 커리어 추천 프로그램이 저장된 메모리;
상기 메모리에 저장된 프로그램을 실행하는 프로세서를 포함하며,
상기 프로세서는 상기 프로그램의 실행에 의해, 네트워크를 통해 수집된 대학, 직업 관련 정보 및 리뷰 정보를 포함하는 커리어 표본 정보 및 사용자 단말로부터 수신된 사용자 정보에 전처리 프로세스를 수행하여 사용자의 커리어 분석을 위해 필요한 사용자 스펙 데이터를 생성하고, 상기 생성된 사용자 스펙 데이터를 입력으로 커리어 분석 모델을 통해 커리어 추천 결과 데이터를 생성하고, 상기 커리어 추천 결과 데이터를 상기 사용자 단말에 제공하고,
상기 커리어 추천 결과 데이터는 사용자의 커리어 상태에 따라 추천된 학교, 학과, 대외활동, 공모전, 인턴쉽, 회사, 직종, 자격증 또는 강의 콘텐츠 추천 정보 중 하나 이상을 포함하고, 상기 추천된 정보와 관련된 학교, 학과, 대외활동, 공모전, 인턴쉽, 회사, 직종, 자격증 또는 강의 콘텐츠의 리뷰 정보를 하나 이상 포함하는 것이며,
상기 커리어 분석 모델은 상기 커리어 표본 정보 및 상기 사용자 스펙 데이터를 입력으로 인공신경망 네트워크를 이용해 학습되어 상기 사용자의 커리어를 추천하고 커리어에 필요한 정보를 제공하는 것인,
상기 커리어 분석 모델은 후보 생성 모듈 및 랭킹 모듈을 포함하는 것이고,
상기 후보 생성 모듈은 사용자의 참여 행동들을 기초로 추천 후보 데이터를 생성하고, 및
상기 랭킹 모듈은 사용자 참여 행동들에 기초하여 사용자 가중치 점수를 계산하고, 상기 가중치 점수에 따라 커리어 추천 결과 데이터를 생성하되, 상기 추천 후보 데이터의 다각화를 위해 상기 사용자의 참여 행동들 중에서 유사도가 높은 행동들의 가중치는 낮게 평가되는 것인,
개인 맞춤형 커리어 추천 서버.In a personalized career recommendation server,
a memory storing a personalized career recommendation program;
A processor for executing the program stored in the memory;
The processor performs a pre-processing process on the user information received from the user terminal and the career sample information including university, job-related information and review information collected through the network by executing the program, and is necessary for career analysis of the user. generating user specification data, generating career recommendation result data through a career analysis model by inputting the generated user specification data as input, and providing the career recommendation result data to the user terminal;
The career recommendation result data includes one or more of school, department, extracurricular activity, competition, internship, company, occupation, certification, or lecture content recommendation information recommended according to the user's career status, and a school related to the recommended information; It includes one or more review information of departments, extracurricular activities, competitions, internships, companies, occupations, certifications, or lecture contents,
The career analysis model is learned using an artificial neural network by inputting the career sample information and the user specification data, recommending the user's career and providing information necessary for the career,
The career analysis model is to include a candidate generation module and a ranking module,
The candidate generation module generates recommendation candidate data based on the user's participation actions, and
The ranking module calculates a user weight score based on user participation behaviors, generates career recommendation result data according to the weight score, and has a high similarity among the user participation behaviors in order to diversify the recommendation candidate data. their weight is underestimated,
Personalized career recommendation server. 삭제delete 제 9 항에 있어서,
상기 사용자 스펙 데이터는 상기 커리어 표본 정보 및 상기 사용자 정보에 전처리 프로세스를 수행하여 추천할 커리어별로 분류되어 학교/학과 추천을 위한 데이터, 대외활동/공모전/인턴쉽 추천을 위한 데이터, 회사/직종/자격증 추천을 위한 데이터 또는 강의 콘텐츠 추천을 위한 데이터 중 하나 이상을 포함하도록 데이터가 분류된 것이고,
상기 커리어 분석 모델은 상기 사용자 스펙 데이터를 입력으로, 추천할 커리어별로 인공신경망 네트워크를 이용해 학습된 것인,
개인 맞춤형 커리어 추천 서버.10. The method of claim 9,
The user specification data is classified by career to be recommended by performing a pre-processing process on the career sample information and the user information. data is classified to include at least one of data for or data for lecture content recommendation,
The career analysis model is learned using an artificial neural network for each career to be recommended by inputting the user specification data as input,
Personalized career recommendation server. 삭제delete 제 1 항에 따르는 개인 맞춤형 커리어 추천 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 비일시적 컴퓨터 판독가능 기록매체.A non-transitory computer-readable recording medium in which a computer program for performing the personalized career recommendation method according to claim 1 is recorded.
KR1020200019111A 2020-02-17 2020-02-17 Method and server for personalized career recommendation KR102417185B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200019111A KR102417185B1 (en) 2020-02-17 2020-02-17 Method and server for personalized career recommendation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200019111A KR102417185B1 (en) 2020-02-17 2020-02-17 Method and server for personalized career recommendation

Publications (2)

Publication Number Publication Date
KR20210104415A KR20210104415A (en) 2021-08-25
KR102417185B1 true KR102417185B1 (en) 2022-07-06

Family

ID=77495258

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200019111A KR102417185B1 (en) 2020-02-17 2020-02-17 Method and server for personalized career recommendation

Country Status (1)

Country Link
KR (1) KR102417185B1 (en)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230072725A (en) 2021-11-18 2023-05-25 주식회사 베어런 Career Recommendation System through String Similarity and Weight measurement and evaluation methods between Bigdata based Job-competency patterns and User's personal competency pattern
KR102600305B1 (en) * 2022-10-07 2023-11-09 주식회사 커피챗 Personalized recommendation system for matching user and conversation partner based on integration of machine learning models and the operation method thereof
KR102600307B1 (en) * 2022-10-11 2023-11-09 주식회사 커피챗 User and conversation partner matching optimization system based on combination of user 's representative activity log extraction method and machine learning model and the operation method thereof
KR102594457B1 (en) * 2023-03-07 2023-10-26 주식회사 깊생 Online education service system
KR102594465B1 (en) * 2023-03-07 2023-10-26 주식회사 깊생 Online education service system
KR102624046B1 (en) * 2023-08-24 2024-01-11 주식회사 배움의모든것 Apparatus and method for providing user-customized lecture matching service
KR102626749B1 (en) * 2023-11-07 2024-01-18 (주)웅진씽크빅 System and method for creating personalised curriculum using celebrity information

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101170125B1 (en) * 2009-09-18 2012-07-31 송영선 System and method for career counseling based on combination of plurality of personality tests

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101592509B1 (en) 2013-06-26 2016-02-19 (주)아스크스토리 Method and system for managing personal career
KR20150116048A (en) * 2014-04-03 2015-10-15 (주) 너울정보 Experience education system for training marine specialists
KR102601848B1 (en) * 2015-11-25 2023-11-13 삼성전자주식회사 Device and method of data recognition model construction, and data recognition devicce
KR20180014276A (en) * 2016-07-28 2018-02-08 제주대학교 산학협력단 Hybrid Coaching System based on Web Service for College Career Guidance
KR20190061835A (en) * 2017-11-28 2019-06-05 유원일 Apparatus of sharing anonymous review and providing social mentoring

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101170125B1 (en) * 2009-09-18 2012-07-31 송영선 System and method for career counseling based on combination of plurality of personality tests

Also Published As

Publication number Publication date
KR20210104415A (en) 2021-08-25

Similar Documents

Publication Publication Date Title
KR102417185B1 (en) Method and server for personalized career recommendation
Marimon et al. UnivQual: a holistic scale to assess student perceptions of service quality at universities
Auerbach et al. Teacher knowledge for active-learning instruction: Expert–novice comparison reveals differences
Newcomer et al. Planning and designing useful evaluations
Brown et al. Biodata phenomenology: Recruiters' perceptions and use of biographical information in resume screening.
Yau et al. Reflections on different learning analytics indicators for supporting study success
US20150339938A1 (en) Method and system to evaluate assess and enhance individual/group skill set for team or individual efficiency
Petruzziello et al. Self-efficacy and job search success for new graduates
Deters Global leadership talent management: Successful selection of global leadership talents as an integrated process
KR101565676B1 (en) Method for wrting resume and personal history by using big data
Hamilton et al. Measuring educational quality by appraising theses and dissertations: pitfalls and remedies
Diez et al. Fundamentals of HR analytics: A Manual on becoming HR analytical
Lenarduzzi et al. Towards a methodology for participant selection in software engineering experiments: A vision of the future
Uğur et al. Technology management through artificial intelligence in open and distance learning
Doverspike et al. The role of job analysis in test selection and development
Bastiaens et al. Evaluating integrated e-learning
Bolam et al. Heads of secondary school subject departments and the improvement of teaching and learning
Kansal et al. Educational data mining and indian technical education system: a review
Barros-Bailey Teaching Labor Market Survey Methodology in Rehabilitation Counseling.
Nhi et al. Influences of person-environment fit, self-efficacy, working meaningfulness on work engagement and organizational commitment of lecturers at public universities in Ho Chi Minh City
Cuneen et al. Sport industry research and analysis: An approach to informed decision making
Sengupta et al. Assessing Employee’s Perception on Digitalization of Recruitment Function in the Elearning Industry
Joubish et al. Research in Vocational Guidance: Some Guidelines
Ghorbani Pathology of Human Resource Management System in Iran’s Ministry of Sports and Youth
Liang Investigating the skills and capabilities that software testers need: A New Zealand study

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right