JP7804161B2 - 再就職の支援装置 - Google Patents

Description

本発明は、再就職の支援装置に関する。

看護師等によって例示される労働者は、出産、育児、傷病、家庭事情等によって例示される各種の理由によって退職する場合がある。退職者の再就職は、退職者の生活を安定させると共に、再就職先においても、就業経験がある優秀な人材を得られるとの利点がある。しかしながら、退職者が希望する待遇希望条件を満たす再就職先を見つけること、及び、企業等が希望する就業条件と合致する退職者を見つけることは、容易ではない。そのため、退職者の再就職を支援する手段が求められている。

（従来技術）
退職者の再就職を支援することに関する従来技術の一例として、特許文献１は、退職社員の待遇希望条件が入力されたとき、この待遇希望条件に前記退職社員の在職時の経歴を含む人事データを付加して求職データを作成して求職データベースに蓄積し、雇用側の待遇条件が入力されたとき、この待遇条件に前記雇用側の雇用配属先の職場環境データを付加して求人データを作成して求人データベースに蓄積し、雇用紹介に際しては、前記待遇条件と前記求職データとを照合し、前記待遇条件と前記求職データとがほぼ合致した段階で前記退職社員に前記求人データを提示するように構成したことを特徴とする再雇用支援システムを開示している。特許文献１の技術は、信頼性の高い求職データベースを容易に構築することができ、退職社員の求職及び求人に対して適所への再雇用を効率的に行うことができる再雇用支援システムを提供し得る。

特開２００３－２５６５５１号公報

ところで、例えば、出産・育児のために退職した労働者は、再就職に際して、子育てとの両立、出産・育児を機に変化したライフスタイルとの両立等を必要とする場合がある。また、傷病のために退職した労働者は、再就職に際して、傷病によって変化した健康状態を踏まえた労働様式にする必要がある場合がある。さらに、家庭事情のために退職した労働者は、再就職に際して、家庭事情を踏まえた労働様式にする必要がある場合がある。

このように、再就職を行う退職者は、新卒採用される労働者と異なり、退職の事情等に係る多様な背景を有し得る。特許文献１の技術は、待遇条件と求職データとの照合によって再雇用を効率的に行い得る。しかしながら、単なる待遇条件と求職データとの照合では、多様な背景を踏まえて対応することが難しいと考えられる。よって、特許文献１の技術は、多様な背景を踏まえた再就職支援を行う点において、さらなる改良の余地がある。

再就職支援に関し、ソーシャルネットワーキングサービス（ＳＮＳ）と連携して就職希望者をデータベース化し、求人を行う企業に当該データベースに登録された就職希望者を紹介するサービスを定額購読（サブスクリプション）で提供する就職支援があり得る。このような就職支援は、紹介ごとに成功報酬が発生する就職支援と異なり、持続的な就職支援が可能である。そのため、このような就職支援は、例えば、非常勤雇用からフルタイム勤務の正社員への登用へと段階を踏んで再就職を進めることができる点で、再就職支援に適していると考えられる。しかしながら、そのような就職支援を再就職支援として行う場合においても、再就職希望者と再就職先とを引き合わせる段階において多様な背景を踏まえた検討が求められる。

本発明は、係る事情にかんがみてなされたものである。本発明の目的は、再就職希望者の退職の事情に係る背景からもたらされた待遇希望条件等によって例示される多様な情報が反映された再就職支援を行うことである。

本発明者らは、上記課題を解決するために鋭意検討した結果、大規模言語モデルを介してデータベースからの情報抽出を行うこと等によって、上記の目的を達成できることを見いだした。そして、本発明者らは、本発明を完成させるに至った。具体的に、本発明は以下のものを提供する。

本発明は、再就職希望者の待遇希望条件が前記再就職希望者に係る情報（再就職希望者情報）と関連付けられて格納される所定データベースから、指定された条件を満たす前記再就職希望者情報を抽出する再就職希望者抽出部と、就業条件を受信する条件受信部と、前記就業条件が受信された場合に、前記就業条件と矛盾しない待遇希望条件と関連付けられた再就職希望者であるとの条件（第１条件）を大規模言語モデルに生成させる条件生成部と、を備え、前記再就職希望者抽出部は、前記第１条件が生成された場合に、前記第１条件を満たす第１再就職希望者情報を所定データベースから抽出する、再就職の支援装置を提供する。

本発明の再就職希望者抽出部は、再就職希望者の待遇希望条件が再就職希望者情報と関連付けられて格納される所定データベースから、就業条件を満たす再就職希望者の情報を抽出できる。ところで、データベースからの情報の抽出は、通常、ＳＱＬ（Ｓｔｒｕｃｔｕｒｅｄ Ｑｕｅｒｙ Ｌａｎｇｕａｇｅ）によって例示される、データベースにおいてデータの操作等を行うための問い合わせ言語（データベース言語）で記載されたデータ抽出指令又はＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）を介したソフトウェア処理等のデータベース言語で記載された指令に基づく処理を用いて行われる。

ところで、再就職を行う退職者は、新卒採用された労働者と異なり、退職の事情等に係る多様な背景を有し得る。そのため、再就職希望者の待遇希望条件は、自然言語で記載された多様な待遇希望条件を含み得る。一方、データベース言語は、データベースの利用という特定のタスク向けに設計されたコンピュータ言語であり、自然言語と文法等が異なる。

待遇希望条件及びデータベース言語の性質のため、自然言語で記載された多様な就業条件及び多様な待遇希望条件に基づいてデータベース言語で記述されたデータ抽出指令を生成することは、容易ではない。例えば、ニューラルネットワークを用いたデータの分類に基づいてデータ抽出指令を生成する手順が考えられるが、多様な就業条件及び多様な待遇希望条件に対応する膨大な数の分類に対応するデータ抽出指令を生成できるプログラムの作成は、多大な労力を要するため実現が困難であると考えられる。

ここで、大規模言語モデルは、各国の言語、データベース言語等の各種言語で記載された大量のテキストを用いた事前学習が行われた言語モデルである。このような事前学習により、大規模言語モデルは、育児と勤務との両立に関する要望を示す文章等によって例示される多様な就業条件及び多様な待遇希望条件に係る自然言語に基づいて同様の内容のテキストを事前学習に用いられた他の言語で生成する創発的能力を得ている。

本発明は、就業条件と矛盾しない待遇希望条件と関連付けられた再就職希望者であるとの条件（第１条件）を大規模言語モデルに生成させることにより、自然言語で記載された多様な就業条件及び多様な待遇希望条件に基づいてデータベース言語で記載された第１条件を生成できる。これにより、本発明は、データベース言語を用いて操作される従来技術のデータベースを利用することと、自然言語で記載された多様な就業条件及び多様な待遇希望条件に基づいて第１再就職希望者情報をデータベースから抽出することとを両立できる。

本発明は、再就職希望者の退職の事情に係る背景からもたらされた待遇希望条件等によって例示される多様な情報が反映された再就職支援を行うことができる。

図１は、本実施形態のシステムＳのハードウェア構成及びソフトウェア構成を示すブロック図である。 図２は、再就職希望者データベース１３２に格納された情報の一例である。 図３は、求人広告データベース１３３に格納された求人広告の一例である。 図４は、本実施形態の支援装置１で実行される支援処理の好ましい流れの一例を示すメインフローチャートである。 図５は、図４から続く図である。 図６は、図５から続く図である。

以下は、本発明の実施形態の一例について、図面を参照しながら詳細に説明するものである。

＜システムＳ＞
図１は、本実施形態のシステムＳのハードウェア構成及びソフトウェア構成を示すブロック図である。以下、本実施形態のシステムＳのハードウェア構成及びソフトウェア構成の好ましい態様の一例が図１を用いて説明される。

システムＳは、多様な情報が反映された再就職支援を行う再就職の支援装置１と、ネットワークＮを介して支援装置１と通信可能に構成された端末Ｔとを含んで構成される。

システムＳは、ソーシャルネットワーキングサービス（ＳＮＳ）と連携して就職希望者をデータベース化し、求人を行う企業に当該データベースに登録された就職希望者を紹介するサービスを定額購読（サブスクリプション）で提供する再就職支援に利用できる。定期購読の再就職支援において、システムＳは、紹介ごとに成功報酬が発生する就職支援と異なり、持続的な就職支援を実現できる。具体的に、システムＳは、例えば、後述する支援処理によって再就職希望者と再就職先とのマッチングを行い、その後に、非常勤雇用からフルタイム勤務の正社員への登用へと段階を踏んで再就職を進めるよう再就職支援の流れを管理する持続的な再就職支援を行う。

〔支援装置１〕
支援装置１は、制御部１１、記憶部１３、及び通信部１４等を備える。支援装置１の種類は、特に限定されない。該種類として、例えば、サーバ、クラウドサーバ等が挙げられる。

支援装置１は、以下で説明される本実施形態のシステムＳのハードウェア構成及びソフトウェア構成により、受信した就業条件と矛盾しない待遇希望条件と関連付けられた再就職希望者であるとの条件を大規模言語モデル１３１に生成させ、当該条件を満たす再就職希望者の情報を再就職希望者データベース１３２から抽出する。支援装置１で行われる支援処理の好ましい流れは、本実施形態のシステムＳのハードウェア構成及びソフトウェア構成の好ましい態様の一例の後に説明される。

支援装置１は、５００ＧＢ以上のテキストによる事前学習が行われた大規模言語モデル１３１に機械学習を行わせる処理と、当該機械学習が行われた大規模言語モデル１３１に助言を生成させる処理とを実行できるよう構成されている。これらの処理の実行は、例えば、大規模言語モデル１３１の利用に係るＡＰＩを介して実現される。以下は、支援装置１のより詳細な構成例である。

［制御部１１］
制御部１１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、及びＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等を備える。

制御部１１は、必要に応じて記憶部１３及び／又は通信部１４と協働する。そして、制御部１１は、支援装置１で実行される本実施形態のプログラムのソフトウェア構成要素である、機械学習部１１１、条件受信部１１２、条件生成部１１３、再就職希望者抽出部１１４、勧誘文生成部１１５、求人広告生成部１１６、広告提供部１１７、広告評価受信部１１８、求人広告抽出部１１９、職場評価受信部１２０、職場評価分析生成部１２１等を実現する。本実施形態のプログラムのソフトウェア構成要素それぞれが提供する機能は、後述する支援処理の好ましい流れの説明において示される。

［記憶部１３］
記憶部１３は、データ及び／又はファイルが記憶される装置であって、ハードディスク、半導体メモリ、記録媒体、及びメモリカード等によってデータを非一時的に格納するストレージ部を有する。

記憶部１３は、ネットワークＮを介してＮＡＳ（Ｎｅｔｗｏｒｋ Ａｔｔａｃｈｅｄ Ｓｔｏｒａｇｅ）、ＳＡＮ（Ｓｔｏｒａｇｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、クラウドストレージ、ファイルサーバ及び／又は分散ファイルシステム等の記憶装置又は記憶システムとの接続を可能にする仕組みを有してもよい。

記憶部１３には、マイクロコンピューターで実行されるプログラム、大規模言語モデル１３１、再就職希望者データベース１３２、求人広告データベース１３３、再就職支援に係る人材紹介の定期購読（サブスクリプション）を行っている再就職先等の職場に係る情報、再就職希望者ＳＮＳに係る情報、支援装置１に受信された各種データ、支援装置１に生成された各種データ等が格納されている。

（大規模言語モデル１３１）
本実施形態における大規模言語モデル１３１（Ｌａｒｇｅ Ｌａｎｇｕａｇｅ Ｍｏｄｅｌ、ＬＬＭ）は、自然言語処理において用いられる確率モデルの一種であり、与えられた単語・文章が自然言語としてどのように起こりやすいかを確率的に予測するためのモデルである。本実施形態の大規模言語モデル１３１は、条件生成部１１３等と協働して、就業条件と矛盾しない待遇希望条件と関連付けられた再就職希望者であるとの条件（第１条件）を生成する。

大規模言語モデル１３１は、外部のクラウドサーバ等に格納され、大規模言語モデル１３１の利用に係るＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）を介して実行される態様でもよく、記憶部１３に格納された態様でもよい。大規模言語モデル１３１がＡＰＩを介して実行される態様であることにより、支援装置１は、大規模言語モデル１３１を記憶部１３に格納する構成より単純で費用対効果等に優れた構成となる。大規模言語モデル１３１が記憶部１３に格納された態様であることにより、支援装置１は、クラウドサーバ等の外部装置と逐一通信することなく、大規模言語モデル１３１に係る処理を実行できる。これにより、支援装置１は、通信に係る処理遅延、情報セキュリティ上のリスク等を低減することができる。

大規模言語モデル１３１は、少なくとも５００ＧＢ（ギガバイト）以上の大量のテキストで学習が行われていることが好ましい。このようなモデルとして、例えば、ＯｐｅｎＡＩ（登録商標）のＣｈａｔＧＰＴ、ＧＰＴ－３．５、ＧＰＴ－４、Ｍｅｔａ ＡＩ（登録商標）のＬＬａＭａ等が挙げられる。言語モデルは、学習データ量が増大すると、その性能が壊れたニューラルスケーリング則（ＢＮＳＬ）に沿って増大し、ＢＮＳＬにおいてセグメント間を遷移するときに創発的能力を獲得すると考えられる。そのため、本実施形態の大規模言語モデル１３１は、事前学習に用いられたテキスト量に応じて獲得される、第１条件の生成に係る創発的能力を得ている。

大規模言語モデル１３１は、テキストの意味上のかたまり（単語等）であるトークンで数えた場合における、テキストの生成に用いられる文脈（コンテキスト）の上限が３万以上であることが好ましい。これにより、大規模言語モデル１３１は、数多くの条件を含むべく多数のトークンを用いて記述された就業条件を文脈として踏まえた第１条件及び就業条件が反映された第１求人広告を生成できる。

また、これにより、大規模言語モデル１３１は、多数のトークンを用いて記述された再就職希望者情報に係る再就職希望者へ宛てた勧誘文の生成、多数のトークンを用いて記述された広告評価テキストの分析結果の生成、複数であるため多数のトークンを用いて記述されることとなる複数の職場評価について、分析結果の生成等を行える。

大規模言語モデル１３１は、１０兆個以上のトークンを含むテキストで学習が行われていることが好ましい。これにより、大規模言語モデル１３１は、求人が行われる職場の職種等に応じたニュアンスが反映された第１条件、勧誘文、広告評価テキストの分析結果、職場評価の分析結果等を生成する創発的能力を得ると考えられる。

大規模言語モデル１３１は、少なくとも１００億以上の多数のパラメータを有するモデルであることが好ましい。これにより、大規模言語モデル１３１は、大量のテキストから得られる創発的能力を十分に反映した処理を実行できる。

（再就職希望者データベース１３２）
再就職希望者データベース１３２（所定データベース）には、再就職希望者の待遇希望条件が当該再就職希望者に係る情報（再就職希望者情報）と関連付けられて格納される。当該関連付けの実現手段は、特に限定されない。当該関連付けは、例えば、関係データベース（Ｒｅｌａｔｉｏｎａｌ Ｄａｔａｂａｓｅ、ＲＤＢ）である再就職希望者データベース１３２上で待遇希望条件及び再就職希望者情報が関連付けされる態様で実現されてもよく、待遇希望条件が再就職希望者情報に含まれる態様で実現されてもよい。再就職希望者データベース１３２は、所定の条件を満たす再就職希望者情報を再就職希望者抽出部１１４が抽出できるよう構成される。

以下の説明は、待遇希望条件等によって例示される再就職希望者情報と関連付けられる各種情報が再就職希望者情報に含まれる態様で当該関連付けが実現されるものとしている。しかしながら、当業者であれば、ＲＤＢ上での関連付けによる実現を同様に実現できるものと了解される。

再就職希望者情報は、氏名、年齢、性別、職歴、保有資格等によって例示される、再就職希望者の各種個人情報を含む。

職歴（例えば、正看護師としての勤務年数、医療事務員としての勤務年数、介護施設での勤務歴等）が個人情報として再就職希望者情報に含まれることにより、支援装置１は、職歴に係る条件を含む就業条件を取り扱うことができる。すなわち、支援装置１は、就業条件が待遇希望条件に加えて職歴とも矛盾しない再就職希望者を抽出できる。よって、支援装置１は、より多様な情報が反映された再就職支援を行うことができる。

保有資格（例えば、正看護師、准看護師、介護福祉士、管理栄養士等）及び保有資格に付帯する情報（例えば、看護師における特定行為研修の受講歴）が個人情報として再就職希望者情報に含まれることにより、支援装置１は、保有資格に係る条件を含む就業条件を取り扱うことができる。すなわち、支援装置１は、就業条件が待遇希望条件に加えて保有資格とも矛盾しない再就職希望者を抽出できる。よって、支援装置１は、より多様な情報が反映された再就職支援を行うことができる。

待遇希望条件は、例えば、業務内容、勤務地、転勤の有無及びその詳細、勤務時間帯（曜日によって異なる希望時間帯、特定の日だけ異なる希望時間帯等の定型的でない希望時間帯を含む）、勤務日（曜日等）、契約期間、雇用形態（契約社員、正社員等）、給与及び昇給システム、社会保険の有無及びその詳細、保育施設の有無及びその詳細、育児支援の有無及びその詳細、再訓練支援の有無及びその詳細、資格取得支援の有無及びその詳細、並びに、コンプライアンス遵守に関する取り組み（労働災害対策、セクシュアルハラスメント対策、パワーハラスメント対策、健康管理支援等）等によって例示される、多種多様な条件を含む。

図２は、再就職希望者データベース１３２に格納された情報の一例である。図２に示された一例において、氏名「山田 花子」との個人情報を有する再就職希望者に係る再就職希望者情報は、個人情報として、年齢・性別「３２歳女性」、保有資格「正看護師（特定行為研修（インスリンの投与量の調整）受講済）」、職歴「△△年から△△年まで△△病院の腎臓内科病棟勤務」を有する。そして、当該再就職希望者情報は、希望する業務内容「看護職」、希望する勤務地等「△△市周辺希望・転勤不可」、希望する勤務時間帯等「月曜－木曜は９－１６時、金曜－土曜は９－１３時、毎月１０・２５日勤務不可」、希望する雇用形態「不問」、育児支援に関する希望「１５時以降に子供を預かってもらえると助かります」、コンプライアンス遵守に関する取り組み「女性パートタイマーについてもセクハラ防止研修がしっかり行われているところを希望します」との待遇希望条件をさらに有する。

これにより、支援装置１は、再就職希望者データベース１３２に格納された上述の情報に基づいて後述する支援処理を実行し、特定の診療科で役立つ特定行為研修を受けているとの保有資格を含む個人情報に加え、希望する勤務時間帯等が曜日のみならず特定の日に休むことを希望する不規則なものであり、コンプライアンス遵守に関する取り組みについても典型的なハラスメント防止研修の実施と異なる取り組みを求める待遇希望条件との多様な情報が反映された再就職支援を行うことができる。

（求人広告データベース１３３）
求人広告データベース１３３（特定データベース）には、求人広告生成部１１６によって生成された求人広告等の各種求人広告が格納される。求人広告データベース１３３は、求人広告抽出部１１９が、所定の条件を満たす求人広告を抽出できるよう構成される。

求人広告データベース１３３に格納される求人広告は、特に限定されない。当該求人広告は、例えば、電子メールを介した送信、ショートメッセージを介した送信、ＳＮＳ（ソーシャル・ネットワーキング・サービス、Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋｉｎｇ Ｓｅｒｖｉｃｅ）への投稿等に適したテキストの態様、電子メールを介した送信においてテキストより高い表現力を実現できる修飾付テキスト（例えば、ＨＴＭＬ（ＨｙｐｅｒＴｅｘｔ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ）等）の態様、テキストと画像とが含まれる態様（例えば、ＰＤＦ（Ｐｏｒｔａｂｌｅ Ｄｏｃｕｍｅｎｔ Ｆｏｒｍａｔ）、Ｗｅｂページ等）、音声通話・ボイスメッセージ等を介した送信に適した音声の態様、画像広告に適した画像の態様、表現力に富む映像の態様等によって例示される各種態様の広告を含む。

求人広告データベース１３３に格納される求人広告は、テキストを含むことが好ましい。求人広告がテキストを含むことにより、大規模言語モデル１３１によって生成されたテキストの態様の条件による抽出が容易となる。求人広告が画像、音声、映像等のマルチメディア情報を含む態様の場合、求人広告は、テキストの態様の条件による抽出を容易にすべく、マルチメディア情報に対する各種認識処理によって生成された当該マルチメディア情報の内容を示すテキストと関連付けられていることが好ましい。

図３は、求人広告データベース１３３に格納された求人広告の一例である。図３に示された一例において、ＩＤ「Ｃ０００１」で識別される求人広告は、就業条件「△△市立病院腎臓内科の病棟勤務が可能な正看護師、週３日勤務可能、腎臓内科経験者優遇」に対応する求人文「腎臓内科経験者優遇！ 正看護師求人、週３日勤務できる方歓迎。△△市立病院腎臓内科の病棟で活躍しませんか？」とハート型の点滴容器が描かれた画像とを含む。また、当該求人広告は、前述の画像を示すテキスト「ハート型の点滴容器の画像」とのマルチメディア情報の内容を示すテキストと関連付けられている。また、図３に示された一例において、ＩＤ「Ｃ０００２」で識別される求人広告は、就業条件「△△特別養護老人ホームで勤務する介護士、夜勤可能、介護福祉士優遇」に対応する求人文「夜勤可能な介護士求む！ △△特別養護老人ホームでの勤務、介護福祉士の方、特に歓迎します。」を含む。

これにより、支援装置１は、求人広告データベース１３３に格納された上述の情報に基づいて後述する支援処理を実行し、多様な就業条件が反映された多様な態様の求人広告という、多様な情報が反映された再就職支援を行うことができる。

［通信部１４］
通信部１４は、支援装置１をネットワークＮに接続して端末Ｔ等と通信可能にするものであれば特に限定されない。通信部１４として、例えば、携帯電話ネットワークに対応した無線装置、無線ＬＡＮに接続可能なデバイス、及びイーサネット規格に対応したネットワークカード等が挙げられる。

〔ネットワークＮ〕
ネットワークＮの種類は、支援装置１と端末Ｔ等とを互いに通信可能にするものであれば特に限定されない。ネットワークＮの種類は、例えば、インターネット、携帯電話ネットワーク、無線ＬＡＮ等である。

〔端末Ｔ〕
端末Ｔは、再就職希望者に利用される所定端末、求人担当者等の職場側で利用される特定端末等を含む。端末Ｔの種類は、特に限定されない。端末Ｔは、例えば、パーソナルコンピュータ、ラップトップコンピュータ、スマートフォン、タブレット端末等である。端末Ｔは、再就職希望者等に入力された待遇希望条件を支援装置１に提供する処理、求人担当者等に入力された就業条件を支援装置１に提供する処理、支援装置１から受信した勧誘文を表示する処理、支援装置１から受信した求人広告を表示する処理等を実行するよう構成される。

〔支援処理のメインフローチャート〕
図４は、本実施形態の支援装置１で実行される支援処理の好ましい流れの一例を示すメインフローチャートである。図５は、図４から続く図である。図６は、図５から続く図である。以下は、図４から図６を用いた、本実施形態の支援装置１で実行される支援処理の好ましい流れの一例である。

支援処理は、大規模言語モデル１３１の機械学習に関する一連の処理（ステップＳ１からステップＳ２）を含むことが好ましい。これにより、支援装置１は、就業条件と矛盾しない待遇希望条件と関連付けられた再就職希望者であるとの条件（第１条件）等の大規模言語モデル１３１におけるテキストの生成を、より高い精度で実現できる。

［ステップＳ１：機械学習を行うか判別］
制御部１１は、記憶部１３及び通信部１４と協働して、機械学習部１１１を実行する。そして、制御部１１は、機械学習部１１１により、大規模言語モデル１３１の機械学習を行うか判別する処理を実行する（ステップＳ１、機械学習判別ステップ）。行うと判別したならば、制御部１１は、処理をステップＳ２に移す。行うと判別しなかったならば、制御部１１は、処理をステップＳ３に移す。

機械学習判別ステップの手順は、上述の判別を行うものであれば、特に限定されない。当該手順は、例えば、後述する各種学習データのいずれかが記憶部１３に格納された場合、当該格納が制御部１１に通知された場合等に機械学習を行うと判別する手順を含む。

［ステップＳ２：機械学習を実行］
制御部１１は、機械学習部１１１により、学習データに基づいた大規模言語モデル１３１の機械学習を実行する処理を実行する（ステップＳ２、機械学習ステップ）。制御部１１は、処理をステップＳ３に移す。

（学習データ）
機械学習ステップにおける学習データは、特に限定されない。当該学習データは、例えば、以下のいずれか１以上を含む。以下、学習データの例及び当該学習データに基づいて機械学習ステップで行われる機械学習が説明される。

機械学習ステップにおける学習データは、就業条件を説明変数として含み、当該就業条件と矛盾しない待遇希望条件と関連付けられた再就職希望者であるとの条件（第１条件）を目的変数として含む学習データを含むことが好ましい。これにより、機械学習ステップは、就業条件を入力とする、第１条件の生成を大規模言語モデル１３１に機械学習させることができる。当該学習データにおける第１条件は、再就職希望者データベース１３２から再就職希望者情報を抽出するために用いられるデータベース言語で記述されていることが好ましい。これにより、機械学習ステップは、再就職希望者データベース１３２からの抽出に用いられるデータベース言語で記述された第１条件の生成を大規模言語モデル１３１に機械学習させることができる。

機械学習ステップにおける学習データは、待遇希望条件を説明変数として含み、当該待遇希望条件と関連付けられた再就職希望者へ宛てた勧誘文を目的変数として含む学習データを含むことが好ましい。これにより、機械学習ステップは、第１再就職希望者情報と関連付けられた待遇希望条件を入力とする、第１再就職希望者情報に係る再就職希望者へ宛てた勧誘文の生成を大規模言語モデル１３１に機械学習させることができる。

機械学習ステップにおける学習データは、就業条件を説明変数として含み、当該就業条件が反映された求人広告（第１求人広告）を目的変数として含む学習データを含むことが好ましい。これにより、機械学習ステップは、就業条件を入力とする、第１求人広告の生成を大規模言語モデル１３１に機械学習させることができる。

機械学習ステップにおける学習データは、求人広告及び当該求人広告に対する評価（広告評価）を説明変数として含み、好意的な広告評価に係る求人広告と内容が類似する求人広告であるとの条件（第２条件）を目的変数として含む学習データを含むことが好ましい。これにより、機械学習ステップは、広告評価を入力とする、第２条件の生成を大規模言語モデル１３１に機械学習させることができる。当該学習データにおける第１条件は、求人広告データベース１３３から求人広告を抽出するために用いられるデータベース言語で記述されていることが好ましい。これにより、機械学習ステップは、求人広告データベース１３３からの抽出に用いられるデータベース言語で記述された第２条件の生成を大規模言語モデル１３１に機械学習させることができる。

機械学習ステップにおける学習データは、広告評価テキストを説明変数として含み、当該広告評価テキストの分析結果を目的変数として含む学習データを含むことが好ましい。これにより、機械学習ステップは、広告評価テキストを入力とする、広告評価テキストの分析結果の生成を大規模言語モデル１３１に機械学習させることができる。

機械学習ステップにおける学習データは、複数の職場評価を説明変数として含み、当該複数の職場評価の分析結果を目的変数として含む学習データを含むことが好ましい。これにより、機械学習ステップは、複数の職場評価を入力とする、当該複数の職場評価に係る分析結果の生成を大規模言語モデル１３１に機械学習させることができる。

支援装置１は、大規模言語モデル１３１を用いて就業条件から第１条件を生成する等して再就職希望者データベース１３２から再就職希望者を抽出する一連の処理（ステップＳ３からステップＳ５）を含むことが好ましい。これにより、支援装置１は、データベース言語を用いて操作される従来技術のデータベースを再就職希望者データベース１３２として利用することと、自然言語で記載された多様な就業条件及び多様な待遇希望条件に基づいて第１再就職希望者情報を再就職希望者データベース１３２から抽出することとを両立できる。

［ステップＳ３：就業条件を受信したか判別］
制御部１１は、記憶部１３及び通信部１４と協働して、条件受信部１１２を実行する。そして、制御部１１は、条件受信部１１２により、端末Ｔ等から就業条件を受信したか判別する処理を実行する（ステップＳ３、条件受信ステップ）。受信したと判別したならば、制御部１１は、受信された就業条件を記憶部１３に格納し、処理をステップＳ４に移す。受信したと判別しなかったならば、制御部１１は、処理をステップＳ１１に移す。

（就業条件）
条件受信ステップにおいて受信される就業条件は、大規模言語モデル１３１に入力テキストとして与えることが可能であれば、特に限定されない。当該就業条件は、例えば、業務内容、勤務地、転勤の有無及びその詳細、勤務時間帯（曜日によって異なる希望時間帯、特定の日だけ異なる希望時間帯等の定型的でない希望時間帯を含む）、勤務日（曜日等）、契約期間、雇用形態（契約社員、正社員等）、給与及び昇給システム、社会保険の有無及びその詳細、保育施設の有無及びその詳細、育児支援の有無及びその詳細、再訓練支援の有無及びその詳細、資格取得支援の有無及びその詳細、並びに、コンプライアンス遵守に関する取り組み（労働災害対策、セクシュアルハラスメント対策、パワーハラスメント対策、健康管理支援等）、職場の雰囲気、上司の趣味、職場の慣習等によって例示される、多種多様な条件を含む。

［ステップＳ４：第１条件を生成］
制御部１１は、記憶部１３及び通信部１４と協働して、条件生成部１１３を実行する。そして、制御部１１は、条件生成部１１３により、ステップＳ３で受信された就業条件を含む入力を大規模言語モデル１３１に与え、当該就業条件と矛盾しない待遇希望条件と関連付けられた再就職希望者であるとの条件（第１条件）を大規模言語モデル１３１に生成させる処理を実行する（ステップＳ４、第１条件生成ステップ）。制御部１１は、処理をステップＳ５に移す。

上述のように、本実施形態の大規模言語モデル１３１は、各国の言語、データベース言語等の各種言語で記載された大量のテキストを用いた事前学習が行われている。このような事前学習により、大規模言語モデル１３１は、育児と勤務との両立に関する要望を示す文章等によって例示される多様な就業条件及び多様な待遇希望条件に係る自然言語に基づいて同様の内容のテキストを事前学習に用いられた他の言語で生成する創発的能力を得ている。

よって、第１条件生成ステップは、就業条件と矛盾しない待遇希望条件と関連付けられた再就職希望者であるとの条件（第１条件）を大規模言語モデル１３１に生成させることにより、自然言語で記載された多様な就業条件及び多様な待遇希望条件に基づいてデータベース言語で記載された第１条件を生成できる。

［ステップＳ５：第１条件を満たす再就職希望者を抽出］
制御部１１は、記憶部１３及び通信部１４と協働して、再就職希望者抽出部１１４を実行する。そして、制御部１１は、再就職希望者抽出部１１４により、ステップＳ４で生成された第１条件を満たす再就職希望者情報（第１再就職希望者情報）を再就職希望者データベース１３２から抽出する処理を実行する（ステップＳ５、再就職希望者抽出ステップ）。制御部１１は、処理をステップＳ６に移す。

上述の大規模言語モデル１３１における事前学習及び当該事前学習が行われた大規模言語モデル１３１を用いた第１条件の生成により、支援装置１は、データベース言語を用いて操作される従来技術のデータベースを利用することと、自然言語で記載された多様な就業条件及び多様な待遇希望条件に基づいて第１再就職希望者情報をデータベースから抽出することとを両立できる。

支援処理は、勧誘文の送付に関する一連の処理（ステップＳ６からステップＳ７）を含むことが好ましい。これにより、支援装置１は、再就職希望者へ宛てた勧誘文を自動的に送付することで求人担当者の負担を低減するとの支援を行える。このとき、大規模言語モデル１３１は、待遇希望条件を説明変数として含み、当該待遇希望条件と関連付けられた再就職希望者へ宛てた勧誘文を目的変数として含む学習データを用いた機械学習が行われていることが好ましい。

［ステップＳ６：勧誘文を生成］
制御部１１は、記憶部１３及び通信部１４と協働して、勧誘文生成部１１５を実行する。そして、制御部１１は、勧誘文生成部１１５により、ステップＳ５で抽出された第１再就職希望者情報に係る待遇希望条件等に基づいて、当該第１再就職希望者情報に係る再就職希望者へ宛てた勧誘文を大規模言語モデル１３１に生成させる処理を実行する（ステップＳ６、勧誘文生成ステップ）。制御部１１は、処理をステップＳ７に移す。

上述の大規模言語モデル１３１における事前学習及び当該事前学習が行われた大規模言語モデル１３１を用いた勧誘文の生成により、支援装置１は、待遇希望条件等に基づき、第１再就職希望者情報に係る再就職希望者の興味を引き付ける勧誘文を生成する。勧誘文生成ステップは、上述の待遇希望条件及びステップＳ３に係る就業条件に基づいて、第１再就職希望者情報に係る再就職希望者の興味を引き付ける勧誘文であって、当該就業条件と矛盾しない勧誘文を大規模言語モデル１３１に生成させる手順を含むことが好ましい。これにより、支援装置１は、再就職に係る両者の都合が反映された勧誘文を生成できる。

［ステップＳ７：勧誘文を送付］
制御部１１は、記憶部１３及び通信部１４と協働して、ステップＳ５で抽出された第１再就職希望者情報に係る再就職希望者が利用する端末ＴにステップＳ６で生成された勧誘文を送付する処理を実行する（ステップＳ７、勧誘文送付ステップ）。制御部１１は、処理をステップＳ８に移す。

支援処理は、求人広告の生成及び提供に関する一連の処理（ステップＳ８からステップＳ１０）を含むことが好ましい。これにより、支援装置１は、求人広告を自動的に提供することで求人担当者の負担を低減するとの支援を行える。このとき、大規模言語モデル１３１は、就業条件を説明変数として含み、当該就業条件と関連付けられた求人広告を目的変数として含む学習データを用いた機械学習が行われていることが好ましい。

［ステップＳ８：求人広告を生成するか判別］
制御部１１は、記憶部１３及び通信部１４と協働して、求人広告生成部１１６を実行する。そして、制御部１１は、求人広告生成部１１６により、ステップＳ３で受信された就業条件に基づいて求人広告を生成するか判別する処理を実行する（ステップＳ８、求人広告生成判別ステップ）。生成すると判別したならば、制御部１１は、処理をステップＳ９に移す。生成すると判別しなかったならば、制御部１１は、処理をステップＳ１１に移す。

求人広告生成判別ステップにおける判別の手順は、特に限定されない。当該手順は、例えば、当該就業条件と関連付けられた広告生成を指示するデータが受信された場合に、求人広告を生成すると判別する手順等でよい。

［ステップＳ９：求人広告を生成］
制御部１１は、記憶部１３及び通信部１４と協働して、求人広告生成部１１６を実行する。そして、制御部１１は、求人広告生成部１１６により、ステップＳ３で受信された就業条件に基づいて、当該就業条件が反映された求人広告（第１求人広告）を大規模言語モデル１３１に生成させる処理を実行する（ステップＳ９、求人広告生成ステップ）。制御部１１は、処理をステップＳ１０に移す。

上述の大規模言語モデル１３１における事前学習及び当該事前学習が行われた大規模言語モデル１３１を用いた求人広告の生成により、支援装置１は、就業条件等に基づき、就業条件が反映された求人広告を生成する。これにより、支援装置１は、求人担当者の労力を低減できる。

求人広告生成ステップで生成される求人広告は、例えば、求人広告サイトのランディングページ、再就職希望者ＳＮＳに投稿される求人広告投稿、再就職希望者に電子メール等を介して送付される求人のダイレクトメール等を含む。

［ステップＳ１０：求人広告を提供］
制御部１１は、記憶部１３及び通信部１４と協働して広告提供部１１７を実行する。そして、制御部１１は、広告提供部１１７により、ステップＳ９で生成された求人広告を端末Ｔ等に提供する処理を実行する（ステップＳ１０、第１広告提供ステップ）。制御部１１は、処理をステップＳ１１に移す。

第１広告提供ステップにおける求人広告の提供先は、特に限定されない。当該求人広告の提供先は、各種求人広告サイトの他、後述するＳＮＳ管理ステップにおいて管理されるＳＮＳ（再就職希望者ＳＮＳ）を含むことが好ましい。これにより、支援装置１は、ＳＮＳを介した求人広告の提供に係る求人担当者の労力を低減できる。提供先がＳＮＳの中でも再就職希望者ＳＮＳであることにより、支援装置１は、再就職に係る情報を求めていると期待される再就職希望者ＳＮＳに求人広告を提供できる。これにより、支援装置１は、求人広告の数、頻度に対する求職数が求人広告サイトより大きい求人広告の提供を実現できる。

求人広告生成ステップで求人広告サイトのランディングページが生成された場合、第１広告提供ステップにおける求人広告の提供先は、求人広告サイトであることが好ましい。求人広告生成ステップで再就職希望者ＳＮＳに投稿される求人広告投稿が生成された場合、第１広告提供ステップにおける求人広告の提供先は、再就職希望者ＳＮＳであることが好ましい。求人広告生成ステップで求人のダイレクトメールが生成された場合、第１広告提供ステップにおける求人広告の提供先は、再就職希望者であることが好ましい。

［ステップＳ１１：広告評価を受信したか判別］
制御部１１は、記憶部１３及び通信部１４と協働して、広告評価受信部１１８を実行する。そして、制御部１１は、広告評価受信部１１８により、端末Ｔ等から広告評価を受信したか判別する処理を実行する（ステップＳ１１、広告評価受信ステップ）。受信したと判別したならば、制御部１１は、受信された広告評価を記憶部１３に格納し、処理をステップＳ１２に移す。受信したと判別しなかったならば、制御部１１は、処理をステップＳ１５に移す。

［ステップＳ１２：第２条件を生成］
制御部１１は、記憶部１３及び通信部１４と協働して、条件生成部１１３を実行する。そして、制御部１１は、条件生成部１１３により、ステップＳ１１で受信された広告評価のうち、好意的な広告評価に係る求人広告と内容が類似する求人広告であるとの条件（第２条件）を大規模言語モデル１３１に生成させる処理を実行する（ステップＳ１２、第２条件生成ステップ）。制御部１１は、処理をステップＳ１３に移す。

上述のように、本実施形態の大規模言語モデル１３１は、各国の言語、データベース言語等の各種言語で記載された大量のテキストを用いた事前学習が行われている。このような事前学習により、大規模言語モデル１３１は、テキストで表現可能な多様な評価及び多様な就業条件が反映された求人広告において示された就業条件を理解し、当該理解において好意的であると判別された評価に係る求人広告において示されている就業条件と同様の内容のテキストを事前学習に用いられた他の言語で生成する創発的能力を得ている。

よって、第２条件生成ステップは、好意的な広告評価に係る求人広告と内容が類似する求人広告であるとの条件（第２条件）を大規模言語モデル１３１に生成させることにより、データベース言語で記載された第２条件を生成できる。

広告評価受信ステップにおいて受信され、第２条件生成ステップで参照される広告評価は、テキストで表現可能であれば、特に限定されない。当該広告評価として、例えば、ＳＮＳにおける「いいね！」によって例示される求人広告に対する好意的な評価を示す情報、求人広告に対して付されたコメント、求人広告へのレビュー等が挙げられる。第２条件生成ステップが第２条件を大規模言語モデル１３１に生成させることにより、支援装置１は、テキストで表現可能な多様な評価について、好意的な評価であるか否かを判別できる。そして、大規模言語モデル１３１は、当該判別に基づいて、好意的な広告評価に係る求人広告と内容が類似する求人広告であるとの条件である第２条件を生成できる。

［ステップＳ１３：求人広告を抽出］
制御部１１は、記憶部１３及び通信部１４と協働して求人広告抽出部１１９を実行する。そして、制御部１１は、求人広告抽出部１１９により、ステップＳ１２で生成された第２条件を満たす求人広告（第２求人広告）を求人広告データベース１３３から抽出する処理を実行する（ステップＳ１３、求人広告抽出ステップ）。制御部１１は、処理をステップＳ１４に移す。

上述の大規模言語モデル１３１における事前学習及び当該事前学習が行われた大規模言語モデル１３１を用いた第２条件の生成により、支援装置１は、データベース言語を用いて操作される従来技術のデータベースを利用することと、テキストで表現可能な多様な評価及び自然言語で記載された多様な就業条件に基づいて求人広告をデータベースから抽出することとを両立できる。

［ステップＳ１４：求人広告を提供］
制御部１１は、記憶部１３及び通信部１４と協働して広告提供部１１７を実行する。そして、制御部１１は、広告提供部１１７により、ステップＳ１３で抽出された求人広告を端末Ｔ等に提供する処理を実行する（ステップＳ１４、第２広告提供ステップ）。制御部１１は、処理をステップＳ１５に移す。

［広告評価分析ステップ］
支援処理は、広告評価分析生成部（図示せず）に係る処理として、第１広告提供ステップ又は第２広告提供ステップにおいて提供された求人広告への評価である広告評価であって、自然言語で記述された広告評価（広告評価テキスト）を受信し、当該広告評価テキストの分析結果を大規模言語モデル１３１に生成させる広告評価分析生成ステップを含むことが好ましい。これにより、支援装置１は、求人広告の改善に係る資料として、当該分析の結果を求人担当者に提供できる。

［就業体験管理ステップ］
支援装置１は、ステップＳ５で抽出された再就職希望者のうち再就職に係る就業体験を希望した再就職希望者、あるいは、ステップＳ１０又はステップＳ１４で提供された求人広告を見て再就職に係る就業体験を希望した再就職希望者である就業体験希望者について、就業体験プログラムを管理する就業体験管理ステップを実行することが好ましい。

就業体験管理ステップは、当該再就職希望者に係る待遇希望条件及び就業体験が行われる職場に係る就業条件に矛盾しない就業体験プログラムを生成するステップ（就業体験プログラム生成ステップ）、当該就業体験プログラムの内容を通知するステップ（就業体験プログラム通知ステップ）、当該就業体験プログラムの進捗状況を記憶部１３に格納し、当該就業体験希望者又は当該職場から提供される情報に基づいて進捗状況を更新するステップ（就業体験プログラム進捗状況更新ステップ）を含むことが好ましい。

就業体験管理ステップが就業体験プログラム生成ステップを含むことにより、求人担当者は、就業体験プログラムを一から生成する労力を費やすことなく、生成された就業体験プログラム又は生成された就業体験プログラムに求人担当者等が手を加えたプログラムに沿って、就業体験希望者に対する就業体験を進めることができる。就業体験プログラム生成ステップは、上述の待遇希望条件及び就業条件に基づいて、就業体験プログラムを大規模言語モデル１３１に生成させる手順を含むことが好ましい。これにより、支援装置１は、多様な待遇希望条件及び就業条件が反映された就業体験プログラムを生成できる。

就業体験管理ステップが就業体験プログラム通知ステップを含むことにより、求人担当者は、通知を一から生成する労力を費やすことなく、生成された通知又は生成された通知に求人担当者等が手を加えた通知を、就業体験希望者に提供することができる。就業体験プログラム通知ステップは、上述の就業体験プログラムに基づいて、就業体験プログラムに係る通知を大規模言語モデル１３１に生成させる手順を含むことが好ましい。これにより、支援装置１は、多様な待遇希望条件及び就業条件が反映された就業体験プログラムについての通知を生成できる。

就業体験管理ステップが就業体験プログラム進捗状況更新ステップを含むことにより、求人担当者は、就業体験プログラムの進捗状況を逐一手作業で管理する労力を費やすことなく、就業体験プログラムの進捗状況を管理できる。また、これにより、支援装置１は、就業体験プログラム通知ステップにおいて進捗状況に応じた通知を生成できる。

［再就職管理ステップ］
支援装置１は、ステップＳ５で抽出された再就職希望者のうち再就職した再就職希望者、あるいは、ステップＳ１０又はステップＳ１４で提供された求人広告を見て再就職した再就職希望者である再就職者について、再就職後のキャリア等を管理する再就職管理ステップを実行することが好ましい。

再就職管理ステップを実行することにより、支援装置１は、例えば、再就職後に設定された所与の期間（例えば、３年間から４年間程度）又は所与の勤務回数について再就職者を非常勤として扱い、その後、自動的に再就職者を正社員登用する管理を行える。また、再就職管理ステップにおいて、支援装置１は、再就職者から再就職に係るコメント（復職後口コミ）を取得する管理を行える。

支援処理は、就業体験希望者から当該就業体験が行われた職場への評価又は再就職者から再就職先への評価である職場評価を受信し、当該職場評価を分析する一連の処理（ステップＳ１５からステップＳ１７）を含むことが好ましい。これにより、支援装置１は、当該就業体験希望者又は再就職者の採用プロセス・キャリア管理に係る資料として、当該分析の結果を求人担当者に提供できる。

［ステップＳ１５：職場評価を受信したか判別］
制御部１１は、記憶部１３及び通信部１４と協働して、職場評価受信部１２０を実行する。そして、制御部１１は、職場評価受信部１２０により、端末Ｔ等から職場評価を受信したか判別する処理を実行する（ステップＳ１５、職場評価受信ステップ）。受信したと判別したならば、制御部１１は、受信された職場評価を記憶部１３に格納し、処理をステップＳ１６に移す。受信したと判別しなかったならば、制御部１１は、処理をステップＳ１に戻し、ステップＳ１からステップＳ１７の処理を繰り返す。

［ステップＳ１６：職場評価の分析結果を生成］
制御部１１は、記憶部１３及び通信部１４と協働して、職場評価分析生成部１２１を実行する。そして、制御部１１は、職場評価分析生成部１２１により、ステップＳ１５で受信された職場評価に関し、複数の職場評価の分析結果を大規模言語モデル１３１に生成させる処理を実行する（ステップＳ１６、職場評価分析生成ステップ）。制御部１１は、処理をステップＳ１７に移す。

職場評価受信ステップにおいて受信され、職場評価分析生成ステップで分析される職場評価は、テキストで表現可能であれば、特に限定されない。当該職場評価として、例えば、職場に対する評価を示す得点、職場へのコメント・レビュー等が挙げられる。職場評価分析生成ステップが分析結果を大規模言語モデル１３１に生成させることにより、支援装置１は、テキストで表現可能な多様な職場評価について、その分析結果を生成できる。

職場評価分析生成ステップで生成される分析結果は、職場評価に係る職場の就業環境改善に係る助言を含むことが好ましい。職場評価は、当該職場の就業環境を示すテキスト、就業環境改善のヒントを示すテキスト等を含んでいることが期待される。しかしながら、多数の職場評価を人間の求人担当者が逐一チェックし、就業環境改善のヒントを得るためには、膨大な労力が求められ得る。職場評価分析生成ステップで生成される分析結果が就業環境改善に係る助言を含むことにより、支援装置１は、当該助言を求人担当者に提供できる。

職場評価分析生成ステップで生成される分析結果は、当該複数の職場評価を提供した再就職希望者の性格傾向に関する分析結果を含むことが好ましい。ＳＮＳ等に否定的なコメント等を投稿する投稿者は、職場等においても他の労働者の就労意欲を削ぐ否定的な言動を行う性格傾向であることが懸念されるとの考え方がある。職場評価分析生成ステップで生成される分析結果が就職希望者の性格傾向に関する分析結果を含むことにより、支援装置１は、当該再就職希望者の採用プロセスに係る資料として、当該再就職希望者の性格傾向に係る分析結果を求人担当者に提供できる。

［ステップＳ１７：職場評価の分析結果を提供］
制御部１１は、記憶部１３及び通信部１４と協働して、ステップＳ１６で生成された分析結果を端末Ｔ等に提供する処理を実行する（ステップＳ１７、職場評価分析提供ステップ）。制御部１１は、処理をステップＳ１に戻し、ステップＳ１からステップＳ１７の処理を繰り返す。

［ＳＮＳ管理ステップ］
支援処理は、再就職希望者を主たるメンバーとするＳＮＳである再就職希望者ＳＮＳを管理するＳＮＳ管理ステップを含むことが好ましい。当該管理は、例えば、再就職希望者ＳＮＳを実現するプログラムを支援装置１で実行する手段の他、再就職希望者ＳＮＳを実現する外部サーバとＡＰＩを介して情報を送受信する手段で実現されてもよい。

ＳＮＳ管理ステップにより、支援装置１は、勧誘文送付ステップにおいて、再就職希望者ＳＮＳを介して勧誘文を送付できる。加えて、ＳＮＳ管理ステップにより、支援装置１は、広告提供ステップにおいて、再就職希望者ＳＮＳを介して求人広告を提供できる。

ＳＮＳ管理ステップは、再就職希望者ＳＮＳのメンバーのプロフィールに記載された待遇希望条件に関する情報及び個人情報を、再就職希望者データベース１３２に反映させる手順を含むことが好ましい。これにより、支援装置１は、再就職希望者ＳＮＳのメンバー及びメンバーのプロフィール等を再就職希望者データベース１３２に反映させることができる。

広告提供ステップにおいて再就職希望者ＳＮＳを介して求人広告を提供する場合、ＳＮＳ管理ステップは、提供された求人広告に関するメンバーのアクティビティ（当該求人広告等のＳＮＳへの投稿の閲覧履歴、当該求人広告に対するコメント・レビューの投稿、当該求人広告への評価等）を、広告評価受信ステップにおける広告評価として、再就職希望者ＳＮＳから受信することが好ましい。これにより、支援装置１は、再就職に係る関心が高いことが期待される再就職希望者ＳＮＳから求人広告に対する評価を取得し、再就職に係る支援に利用できる。

広告提供ステップにおいて再就職希望者ＳＮＳを介して求人広告を提供する場合、ＳＮＳ管理ステップは、再就職希望者の当該求人広告に対するアクティビティを含む入力を大規模言語モデル１３１に与え、当該アクティビティと矛盾しない求人広告であるとの条件（第３条件）を大規模言語モデル１３１に生成させ、第３条件を満たす求人広告を求人広告データベース１３３から抽出する一連の処理（マッチングステップ）を含むことが好ましい。

上述のように、本実施形態の大規模言語モデル１３１は、各国の言語、データベース言語等の各種言語で記載された大量のテキストを用いた事前学習が行われている。このような事前学習により、大規模言語モデル１３１は、テキストで示されたアクティビティに基づいて同様の内容のテキストを事前学習に用いられた他の言語で生成する創発的能力を得ている。

マッチングステップは、当該アクティビティと矛盾しない求人広告であるとの条件（第３条件）を大規模言語モデル１３１に生成させることにより、多様なアクティビティに基づいてデータベース言語で記載された第３条件を生成できる。これにより、支援装置１は、再就職希望者ＳＮＳにおけるアクティビティに基づいて、抽出された求人広告に係る就業先を当該再就職希望者に紹介する処理（リコメンドステップ）、抽出された求人広告に係る就業先の求人担当者に当該再就職希望者を紹介する処理（スカウトステップ）等を実現できる。

［再就職書類生成ステップ］
再就職希望者は、再就職希望者の退職の事情に係る背景等によって例示される多様な背景を有し得る。そのため、再就職希望者は、例えば、履歴書、職務経歴書等によって例示される、当該背景を含めた情報を再就職先に提出する書類（再就職書類）に記載することに困難を覚える場合がある。そこで、支援処理は、再就職書類を自動生成する再就職書類生成ステップを含むことが好ましい。再就職書類は、例えば、履歴書、職務経歴書等である。

当該自動生成は、例えば、再就職希望者により入力された再就職書類に関する情報を入力として、再就職書類の作成に必要な情報の提供を促すテキスト（情報提供依頼テキスト）を大規模言語モデル１３１に生成させる対話型の情報収集ステップと、情報提供依頼テキストに応じて再就職希望者が入力した情報等を入力として、再就職書類を大規模言語モデル１３１に生成させる再就職書類生成実行ステップとを含む一連の処理によって実現される。

本実施形態の大規模言語モデル１３１は、事前学習に用いられたテキスト量に応じて獲得される、情報提供依頼テキストの生成及び再就職書類の生成に係る創発的能力を得ている。そのため、支援装置１は、再就職希望者の退職の事情に係る背景からもたらされた待遇希望条件等によって例示される多様な情報を再就職希望者から引き出し、それらの情報が反映された再就職書類を生成できる。そして、支援装置１は、当該再就職書類に基づいて、再就職希望者に係る情報を再就職希望者データベース１３２に登録できる。これにより、支援装置１は、再就職希望者が再就職書類を作成することを支援できる。よって、支援装置１は、再就職希望者の負担を低減し、再就職希望者の退職の事情に係る背景からもたらされた待遇希望条件等によって例示される多様な情報が反映された再就職支援を行える。

［採用面接支援ステップ］
支援処理は、採用面接で再就職先が再就職希望者に対して行う質問項目を自動生成する採用面接支援ステップを含むことが好ましい。当該自動生成は、例えば、再就職希望者データベース１３２に格納された当該再就職希望者に関する情報を入力として、質問項目を大規模言語モデル１３１に生成させる手順によって実現される。

本実施形態の大規模言語モデル１３１は、事前学習に用いられたテキスト量に応じて獲得される、採用面接の質問項目の生成に係る創発的能力を得ている。そのため、支援装置１は、再就職希望者の退職の事情に係る背景からもたらされた待遇希望条件及び再就職先における就業条件等によって例示される多様な情報が反映された質問項目を生成できる。これにより、支援装置１は、再就職先の求人担当者の負担を低減し、再就職希望者の退職の事情に係る背景からもたらされた待遇希望条件等によって例示される多様な情報が反映された再就職支援を行える。

［自動応対ステップ］
支援処理は、再就職希望者から着信した電話、チャット等での連絡に自動応対する採用自動応対ステップを含むことが好ましい。当該自動応対は、例えば、必要に応じて着信した連絡を音声認識モジュールによってテキスト化し、再就職希望者データベース１３２に格納された当該再就職希望者に関する情報及びテキストの態様の連絡を入力として、当該連絡に応対する応対テキストを大規模言語モデル１３１に生成させ、生成された応対テキストを必要に応じて音声合成モジュールによって音声化し、応対テキストに基づく応対を、着信があった連絡手段に応じた態様（電話なら音声、チャットならテキスト等）で送信する対話型の情報収集ステップと、情報提供依頼テキストに応じて再就職希望者が入力した情報等を入力として、質問項目を大規模言語モデル１３１に生成させる手順によって実現される。

本実施形態の大規模言語モデル１３１は、事前学習に用いられたテキスト量に応じて獲得される、応対テキストの生成に係る創発的能力を得ている。そのため、支援装置１は、再就職希望者の退職の事情に係る背景からもたらされた待遇希望条件及び再就職先における就業条件等によって例示される多様な情報が反映された応対テキストを生成できる。これにより、支援装置１は、再就職先の求人担当者の負担を低減し、再就職希望者の退職の事情に係る背景からもたらされた待遇希望条件等によって例示される多様な情報が反映された再就職支援を行える。

［支援処理の効果］
上述の支援処理において、再就職希望者抽出部１１４は、再就職希望者の待遇希望条件が再就職希望者情報と関連付けられて格納される再就職希望者データベース１３２（所定データベース）から、就業条件を満たす再就職希望者の情報を抽出する。

ところで、データベースからの情報の抽出は、通常、ＳＱＬ（Ｓｔｒｕｃｔｕｒｅｄ Ｑｕｅｒｙ Ｌａｎｇｕａｇｅ）によって例示される、データベースにおいてデータの操作等を行うための問い合わせ言語（データベース言語）で記載されたデータ抽出指令又はＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）を介したソフトウェア処理等のデータベース言語で記載された指令に基づく処理を用いて行われる。よって、多様な就業条件及び多様な待遇希望条件が反映された条件でデータ抽出を行うのは、容易ではない。

本実施形態の大規模言語モデル１３１は、各国の言語、データベース言語等の各種言語で記載された大量のテキストを用いた事前学習が行われた言語モデルである。このような事前学習により、大規模言語モデル１３１は、育児と勤務との両立に関する要望を示す文章等によって例示される多様な就業条件及び多様な待遇希望条件に係る自然言語に基づいて同様の内容のテキストを事前学習に用いられた他の言語で生成する創発的能力を得ている。

上述の支援処理において、条件生成部１１３は、就業条件と矛盾しない待遇希望条件と関連付けられた再就職希望者であるとの条件（第１条件）を大規模言語モデル１３１に生成させることにより、自然言語で記載された多様な就業条件及び多様な待遇希望条件に基づいてデータベース言語で記載された第１条件を生成できる。これにより、本実施形態の支援装置１は、データベース言語を用いて操作される従来技術のデータベースを利用することと、自然言語で記載された多様な就業条件及び多様な待遇希望条件に基づいて第１再就職希望者情報を再就職希望者データベース１３２から抽出することとを両立できる。

よって、本実施形態の支援装置１は、再就職希望者の退職の事情に係る背景からもたらされた待遇希望条件等によって例示される多様な情報が反映された再就職支援を行うことができる。

＜使用例＞
以下は、本実施形態の支援装置１の使用例である。

〔データベースの更新〕
支援装置１は、再就職希望者から提供された待遇希望条件・個人情報、再就職希望者ＳＮＳから取得したメンバーのプロフィール等によって再就職希望者データベース１３２に格納された情報を更新する。

〔求人プラットフォームの提供〕
支援装置１は、再就職希望者を紹介するサービスの定額購読（サブスクリプション）を行っている再就職先の求人担当者が利用する端末Ｔ等から、就業条件を受信する。支援装置１は、就業条件と矛盾しない待遇希望条件と関連付けられた再就職希望者であるとの条件（第１条件）を大規模言語モデル１３１に生成させ、第１条件を満たす第１再就職希望者情報を再就職希望者データベース１３２から抽出する。これにより、支援装置１は、就業条件に対応する再就職希望者を求人担当者等に紹介する求人プラットフォームを提供できる。

〔再就職に係るマッチング〕
支援装置１は、待遇希望条件の他、再就職希望者ＳＮＳにおける再就職希望者の求人広告に対するアクティビティ（例えば、「いいね！」を行った求人広告・就業先、好意的なコメントを付した求人広告・就業先、好意的なレビューを行った求人広告・就業先等）に基づいて、アクティビティと矛盾しない求人広告であるとの条件（第３条件）を大規模言語モデル１３１に生成させ、第３条件を満たす求人広告を求人広告データベース１３３から抽出する。そして、支援装置１は、第３条件に基づいて抽出された、当該アクティビティに係る再就職希望者との相性が良いと考えられる求人広告に基づいて、当該求人広告に係る再就職先へスカウトする勧誘文を再就職希望者に送る、当該再就職希望者を当該求人広告に係る求人担当者にリコメンドする等のマッチングを行う。

〔就業体験登録〕
支援装置１は、上述の求人プラットフォーム、マッチングを介して再就職先への就業体験を希望するようになった就業体験希望者を記憶部１３に登録する。そして、支援装置１は、就業体験プログラムを生成し、当該就業体験プログラムに係る通知を就業体験希望者に送信し、当該就業体験プログラムに係る進捗状況を管理する。また、支援装置１は、当該就業体験に関する口コミ（就業体験口コミ）等を職場評価として受信し、その分析結果を生成して、就業環境改善に係る助言及び再就職希望者の性格傾向に係る分析結果等を求人担当者に提供する。

〔復職後の管理〕
支援装置１は、上述の求人プラットフォーム、マッチングを介して再就職先に就職（復職）した再就職者（復職者）を記憶部１３に登録する。そして、支援装置１は、就業体験プログラムを生成し、当該再就職者に係るキャリア等を管理する。また、支援装置１は、当該再就職先に関する口コミ（復職後口コミ）等を職場評価として受信し、その分析結果を生成して、就業環境改善に係る助言及び再就職希望者の性格傾向に係る分析結果等を求人担当者に提供する。

なお、本発明の思想の範疇において、当業者であれば各種の変更例及び修正例に想到し得るものである。よって、それら変更例及び修正例は、本発明の範囲に属するものと了解される。例えば、前述の実施の形態に対して、当業者が適宜、構成要素の追加、削除若しくは設計変更を行ったもの、又は、工程の追加、省略若しくは条件変更を行ったものも、本発明の要旨を備えている限り、本発明の範囲に含まれる。

Ｓ システム
１ 支援装置
１１ 制御部
１１１ 機械学習部
１１２ 条件受信部
１１３ 条件生成部
１１４ 再就職希望者抽出部
１１５ 勧誘文生成部
１１６ 求人広告生成部
１１７ 広告提供部
１１８ 広告評価受信部
１１９ 求人広告抽出部
１２０ 職場評価受信部
１２１ 職場評価分析生成部
１３ 記憶部
１３１ 大規模言語モデル
１３２ 再就職希望者データベース（所定データベース）
１３３ 求人広告データベース（特定データベース）
１４ 通信部
Ｎ ネットワーク
Ｔ 端末

Claims (6)

1. 再就職希望者の待遇希望条件が含まれる前記再就職希望者に係る情報（再就職希望者情報）が格納される所定データベースから、指定された条件を満たす前記再就職希望者情報を抽出する再就職希望者抽出部と、
   就業条件を受信する条件受信部と、
   前記就業条件が受信された場合に、ＡＰＩを介して、前記就業条件を含む入力を大規模言語モデルに与え、待遇希望条件が全てにおいて前記就業条件と矛盾しない再就職希望者を抽出する条件（第１条件）を前記大規模言語モデルに生成させる条件生成部と、
   を備え、
   前記第１条件は、前記再就職希望者情報を前記所定データベースから抽出するために用いられるデータベース言語で記述され、
   前記就業条件を説明変数として含み、前記第１条件を目的変数として含む学習データを用いて前記大規模言語モデルを事前学習させ、
   前記再就職希望者抽出部は、前記第１条件が生成された場合に、前記第１条件を満たす第１再就職希望者情報を所定データベースから抽出する、
   再就職の支援装置。
2. 前記第１再就職希望者情報が所定データベースから抽出された場合に、ＡＰＩを介して、前記第１再就職希望者情報と関連付けられた待遇希望条件に基づいて、前記第１再就職希望者情報に係る再就職希望者へ宛てた勧誘文を、待遇希望条件を説明関数として含み、当該待遇希望条件と関連付けられた再就職希望者へ宛てた勧誘文を目的変数として含む学習データを用いた事前学習が行われた前記大規模言語モデルに生成させる勧誘文生成部をさらに備える、請求項１に記載の支援装置。
3. 前記就業条件が受信された場合に、ＡＰＩを介して、前記就業条件に基づいて、前記就業条件が反映された第１求人広告を、就業条件を説明関数として含み、第１求人広告を目的変数として含む学習データを用いた事前学習が行われた前記大規模言語モデルに生成させる求人広告生成部をさらに備える、
   請求項１に記載の支援装置。
4. 前記再就職希望者が用いる所定端末に前記第１求人広告を提供する広告提供部と、
   前記第１求人広告に対する評価（広告評価）を前記所定端末から受信する広告評価受信部と、
   前記第１求人広告が格納される特定データベースから、指定された条件を満たす第２求人広告を抽出する求人広告抽出部と、
   をさらに備え、
   求人広告及び当該求人広告に対する評価を説明変数として含み、好意的であると判別された評価に係る求人広告で示される就業条件と類似の内容のテキストをデータベース言語で記載した条件を目的変数として含む学習データを用いて前記大規模言語モデルを事前学習させ、
   前記条件生成部は、前記大規模言語モデルに、テキストで表現された多様な評価及び多様な就業条件が反映された求人広告を含む入力を与え、好意的であると判別された評価に係る求人広告で示される就業条件と類似の内容のテキストをデータベース言語で記載した条件（第２条件）を前記大規模言語モデルに生成させ、
   前記求人広告抽出部は、前記第２条件が生成された場合に、前記第２条件を満たす第２求人広告を特定データベースから抽出する、
   請求項３に記載の支援装置。
5. 前記広告評価は、自然言語で記述された広告評価（広告評価テキスト）を含み、
   前記支援装置は、
   広告評価テキストを説明関数として含み、当該広告評価テキストの分析結果を目的変数として含む学習データを用いた事前学習が行われた前記大規模言語モデルに、前記広告評価テキストを含む入力を与え、当該広告評価テキストの分析結果を前記大規模言語モデルに生成させる広告評価分析生成部をさらに備える、
   請求項４に記載の支援装置。
6. 再就職先の職場に対する評価（職場評価）を前記再就職希望者から受信する職場評価受信部と、
   複数の職場評価を説明関数として含み、当該複数の職場評価の分析結果を目的変数として含む学習データを用いた事前学習が行われた前記大規模言語モデルに、前記職場評価を含む入力を与え、当該職場評価の分析結果を前記大規模言語モデルに生成させる職場評価分析生成部と、
   をさらに備える、
   請求項１に記載の支援装置。