연구개발 직무 추천을 위한 KoBERT 기반의 분류 모델 연구
A Kobert-based classification model study for automotive R&D job recommendation
- 주제어 (키워드) 인사 , 채용 , 구인구직 , 이공계 , 연구개발 , 자연어처리 , Human resource , Recruitment , Attention , Transformer , BERT , KoBERT
- 발행기관 서강대학교 정보통신대학원
- 지도교수 구명완
- 발행년도 2022
- 학위수여년월 2022. 8
- 학위명 석사
- 학과 및 전공 정보통신대학원 데이터사이언스 · 인공지능
- 실제 URI http://www.dcollection.net/handler/sogang/000000066930
- UCI I804:11029-000000066930
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록
최근 국내 취업시장은 청년 취업률이 낮음에도 불구하고 조기 퇴사하는 비율이 높은 아이러니한 현상이 나타나고 있다. 이러한 현상의 주요 사유 중 하나는 수행하는 업무가 자신의 전공과 맞지 않기 때문인데, 이는 이공계 전공자에게 더 두드러지게 나타나고 있다. 본 연구에 목적은 이러한 이공계 구직자에게 적합한 직무를 추천하는 모델을 연구 및 개발하고 함이다. 이를 위해 본 연구에서는 Attention 메커니즘과 Transformer 아키텍처를 기반으로 하는 BERT 언어모델을 한국어로 Pre training한 KoBERT를 이용한다. 실제 약 1,000여 명의 연구 이력서를 자연어 처리하고 자동차 산업의 3가지 연구개발 직무인 전자제어, PE시스템, 연료전지/배터리로 분류하도록 Fine tuning을 하였다. 이후 약 평균 80% 정확도를 갖는 분류 모델과 더불어 희망하는 분야에 얼마나 적합한지, 이력서 중 가장 높은 적합성을 가지는 문장은 어떤 것인지 출력하는 차별화 된 모델을 구현하였다. 본 모델은 구직자에게 적합한 직무를 추천해 줄 수 있고, 특정 기술 분야의 인재를 확보해야 하는 채용담당자에게 적합한 인재 추천도 가능한 장점이 있다. 본 연구는 구직자와 채용담당자 모두에게 시행착오로 인한 기회비용 문제를 개선할 뿐만 아니라 정보의 갭을 해소하는데 도움을 줄 수 있어 연구개발직군의 취업 시장에 긍정적인 영향을 줄 것으로 기대한다.
more초록
Recently, there has been an ironical phenomenon happening in the Korean job market. Younger generations have been easily quitting their jobs in the midst of very low youth employment. One of the main reasons is because their jobs do not match up with their major. This has been especially prevalent in the fields of science and engineering. In order to solve this problem, this study is aimed at organizing and developing a model which can recommend the most optimal job-fit for each student. The model to be used is KoBERT, which is the Korean version of BERT Language Model based on ‘Attention Mechanism’ and ‘Transformer Architecture’. After NLP (natural language processing) of 1,000 sample R&D resumes, the results are put into 3 core categories; automotive industry : electronic control, PE system, and fuel cell/battery. As a result, The model has an accuracy rate of 80%, will be utilized. This AI system can judge what the best fit will be from analyzing resumes. This model will have a beneficial effect on both job seekers and hiring managers by recommending suitable job positions. Plus, job seekers can discover the most suitable position and hiring managers can find job focused talents. In conclusion, this study is expected to have a positive impact on the job market in the R&D field, not only saving opportunity costs but also minimizing information gaps between job seekers and a company.
more