混合回帰に基づく就職ポータルサイトの被エントリ数分析モデルに関する一考察

• Item type: Journal(1)
• 公開日: 2018-04-15
• タイトル: 混合回帰に基づく就職ポータルサイトの被エントリ数分析モデルに関する一考察
• タイトル / 言語: en
• タイトル: A Study of Analysis Model of Number of Students' Applications on Internet Portal Site for Job-hunting Based on Mixture Regression
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文] 回帰モデル，予測モデル，潜在クラスモデル，確率モデル，就職ポータルサイト
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 早稲田大学
• 著者所属: 上智大学
• 著者所属: 株式会社リクルートキャリア
• 著者所属: 早稲田大学
• 著者所属(英): en
• 著者所属(英): Waseda University
• 著者所属(英): en
• 著者所属(英): Sophia University
• 著者所属(英): en
• 著者所属(英): Recruit Career Co., Ltd.
• 著者所属(英): en
• 著者所属(英): Waseda University
• 著者名: 永森, 誠矢; 山下, 遥; 荻原, 大陸; 後藤, 正幸
• 著者名(英): Seiya, Nagamori; Haruka, Yamashita; Tairiku, Ogihara; Masayuki, Goto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，企業は就職ポータルサイトを用いて学生に採用情報を提供している．その際，就職ポータルサイトを活用しようとする企業は採用活動の被エントリ数への影響とその予測値に関心がある．そこで本研究では，就職ポータルサイトに蓄積されている履歴データを活用し，新規企業が獲得できる被エントリ数の予測と被エントリ数の影響要因分析のためのモデルを構築する方法について検討する．具体的には，精度の高い予測とともに，影響要因の効果を分析可能とするモデルとして，各企業が持つ潜在的要因を考慮した混合回帰モデルを提案する．提案したモデルを就職ポータルサイト上の実データに適用し，企業の採用活動と学生の被エントリ数の関係性を解析し，その有効性を示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In recent years, many Japanese companies use Internet portal sites for job-hunting for efficient recruitment. From the companies' viewpoints, there are mainly two interests for using Internet portal sites for job hunting: the predicted number of application from students through the sites and the effect of recruitment activities on the sites. In this study, for the prediction of number of students' applications, we propose a new predictable regression model considering each company's potential factor. In order to verify the effectiveness of proposed model, we demonstrate an analysis of the relation between the companies' recruitment activities and the number of students' application.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 59, 号 4, p. 1273-1285, 発行日 2018-04-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764