プロフィールの文脈情報を活用したスカウト推薦の改善

2026年度 人工知能学会全国大会（第40回）インダストリアルセッション2 における登壇資料

https://pub.confit.atlas.jp/ja/event/jsai2026/presentation/1B5-IND-2-04

Transcript

1. © 2026 Wantedly, Inc. プロフィールの⽂脈情報を 活⽤したスカウト推薦の改善 JSAI 2026 インダストリアルセッション June.8 2026 - Naoto Sakamoto
2. © 2026 Wantedly, Inc. 坂元 直⼈ Sakamoto Naoto • 2026年3⽉より現職 • データサイエンティスト • 推薦システムの開発‧運⽤に従事 ウォンテッドリー株式会社 Dev Branch / Visit Recommendation Squad 自己紹介 2
3. © 2026 Wantedly, Inc. 01 会社‧プロダクト紹介 02 今⽇お話する取り組み 03 取り組みの意義 04 キーワード検索経路のスカウト推薦における課題 05 Multi-view 対照学習によるアプローチ 06 評価 07 今後の課題 CONTENTS
4. © 2026 Wantedly, Inc. 会社‧プロダクト紹介 01
5. © 2026 Wantedly, Inc. ウォンテッドリーは、⾃律‧共感‧挑戦のある適材適所を、 ⼀時的でも、局所的でもなく、構造的に⽣み出し続けることによって、 あらゆる⼈がシゴトに没頭し成果を上げ、その結果成⻑を実感できるような 「はたらくすべての⼈のインフラ」を構築していきます。 究極の適材適所により シゴトでココロオドル ひとをふやす ミッション 5
6. © 2026 Wantedly, Inc. iOS, Android and Web 気軽に会社訪問 ミッションや価値観への共感でマッチング • 給与や福利厚⽣などの条件ではなく、想いがあれば会社 の規模にとらわれない まず「話を聞きに⾏く」という新しい体験 • 個⼈と企業がフラットな⽬線で出会えることで、より魅⼒ 的な場所を⾒つけることが可能に 6 提供サービス Wantedly Visit
7. © 2026 Wantedly, Inc. Wantedly Visit における推薦 シゴトでココロオドルひとをふやすために相互推薦システムの開発 に注⼒している
8. © 2026 Wantedly, Inc. 今⽇お話する取り組み 02
9. © 2026 Wantedly, Inc. Wantedly Visit のスカウト機能における推薦 Wantedly Visit のスカウト機能はキーワード指定時と未指定時の 2つの経路でユーザーを推薦する Wantedly Visit の スカウト機能 キーワード未指定時の 推薦 キーワード指定時の 推薦 ② ① こちらに 焦点を当てます
10. © 2026 Wantedly, Inc. キーワード検索経路のスカウト推薦の概要 キーワード検索では同じキーワードでも企業‧採⽤担当者ごとに 結果が異なるようにパーソナライズされる Sales Ops。Pythonと SQLで商談データ分 析、売上予測、営業 KPI可視化を担当 マーケティングアナ リスト。Pythonで広 告効果分析、LTV分 析、リードスコアリ ングを実施 機械学習エンジニ ア。Python、 PyTorch、MLOps経 験あり ML基盤エンジニ ア。Python、 Airflow、Docker、 AWS経験あり アナリスト寄りの推薦 エンジニア寄りの推薦 採⽤担当A 採⽤担当B Python
11. © 2026 Wantedly, Inc. ランキング 今⽇お話すること キーワード検索経路のスカウト推薦で利⽤する埋め込みモデルの 改善を試みた キーワード 埋め込み ユーザー 埋め込み 採⽤担当者 埋め込み ランキング スコア 候補⽣成 キーワード 候補集合 採⽤担当者 候補集合 ユーザー 候補集合 集約 ※相互推薦に関わる処理は省略しています
12. © 2026 Wantedly, Inc. 取り組みの意義 03
13. © 2026 Wantedly, Inc. Wantedly Visit 上に存在するデータ ユーザープロフィールと募集には他のプラットフォームにはない ユニークな情報が豊富に存在する ユーザープロフィール 募集 好きな⾔葉‧座右の銘 職歴‧学歴 スキル 性格 この先やってみたいこと なにをやっているのか どうやっているのか こんなことやります 会社のカルチャー なぜやるのか ⾃⼰紹介 個⼈の実績
14. © 2026 Wantedly, Inc. プロフィールや募集情報を活⽤することの意義 スカウト推薦においてシゴトでココロオドル双⽅向マッチングを 実現するには募集やプロフィールを最⼤限活⽤することが重要 Tasks Skills 共感マッチ Will スキルマッチ タスクマッチ 共感 最適 挑戦 ⾃律 Competencies 資質マッチ シゴトでココロオドルために必要な要素 = ⾃律‧共感‧挑戦のある適材適所 Wantedly Visit 上のデータとの対応 募集 内容 ユーザー プロフィール こんなことやります なにをやっているのか どうやっているのか なぜやるのか この先やってみたいこと 職歴‧実績 スキル 性格 ⾃⼰紹介 Tasks Skills Competencies Will
15. © 2026 Wantedly, Inc. キーワード検索経路のスカウト推薦 における課題 04
16. © 2026 Wantedly, Inc. キーワード検索経路のスカウト推薦におけるパーソナライズの必要性 キーワードのみでは背後にある採⽤ニーズを表現しきれないため、 ⾏動履歴に基づき適切なユーザーを推薦する必要がある 検索結果 新規事業の PdMを経験 既存プロダクトの PdMを担当 PdMと密に連携して 成果を創出 採⽤担当 新規事業開始にあたり PdM経験が豊富な ユーザーを探したい 「PdM」で検索 明らかに採⽤ニーズに合わない ユーザーが上位にヒット スカウト体験の悪化に繋がる パーソナライズされていない結果
17. © 2026 Wantedly, Inc. パーソナライズされたスカウト検索の課題 ユーザープロフィールと採⽤ニーズとの整合性 （＝⽂脈⼀致度、意味的な近さ）がパーソナライズの質を左右する 検索結果 新規事業の PdMを経験 既存プロダクトの PdMを担当 PdMと密に連携して 成果を創出 採用担当 新規事業開始にあたり PdM経験が豊富な ユーザーを探したい 「PdM」で検索 採⽤担当者 埋め込み キーワード 埋め込み 未閲覧 インタラクション インタラクション インタラクション 未閲覧 ユーザー 採⽤担当者の⾏動 集約 ユーザー 埋め込み 時間 パーソナライズに影響 ユーザープロフィールと採⽤ニーズの整合性が重要
18. © 2026 Wantedly, Inc. 従来⼿法の課題 単語分散表現モデルでは⽂脈を考慮出来ず意味的な近さも学習出来 ないため、適切にパーソナライズ出来ない Python 機械学習 Django 分析 SQL 適切なパーソナライズの実現には ⽂脈の違いや意味の近さを学習出来るモデルが必要 単語分散表現モデルは単語の共起に基づく静的埋め込みモデル • 静的埋め込みのため⽂脈に応じた表現が作れない • 共起する単語の関連性は学習出来ても意味の近さを 学習出来ない
19. © 2026 Wantedly, Inc. Multi-view 対照学習によるアプ ローチ 05
20. © 2026 Wantedly, Inc. 採⽤ニーズの複数ビューをアンカーとした対照学習 募集とキーワードを同⼀採⽤ニーズの別断⾯（＝ビュー）とみな し、各ビューを基準にスカウト対象者を近づける対照学習を⾏う 通常の対照学習 今回の対照学習 キーワード スカウトしたいユーザー それ以外のユーザー キーワード スカウトしたいユーザー それ以外のユーザー 募集 近づける 遠ざける アンカー：何を近づけ、何を遠ざけるかを決める基準 採⽤ニーズ 断⾯ ＝ビュー プロフィールと募集間の対照学習で 埋め込みがよりリッチな⽂脈情報を 保持することを期待
21. © 2026 Wantedly, Inc. 学習⽅法 検索イベントごとに正例‧難負例をサンプリングし キーワード/ユーザー、募集/ユーザー間の損失を重み付けして統合 キーワード スカウト 紐付けた 募集 検索イベントからのサンプリング ‧‧‧ ユーザー キーワード 募集 正例 in-batch negative sampling バッチ構成 損失計算 Hard Negative 検索 スカウト Positive
22. © 2026 Wantedly, Inc. 評価 06
23. © 2026 Wantedly, Inc. ベースラインからの改善率 スカウト 送信 nDCG マッチ nDCG ユニーク ユーザー数 @1 ユニーク ユーザー数 @10 ベースライン - - - - キーワード/ユーザー間 の対照学習 +6.92% +8.88% +11.02% +9.92%  ＋募集/ユーザー間の  対照学習（本⼿法） +6.88% +8.55% +17.38% +14.82% オフライン評価: nDCG と ユニークユーザー数の評価 対照学習によりベースラインから検索精度と多様性指標が改善し、 Multi-view により多様性指標がさらに改善した キーワード/ユーザー間の 対照学習により、nDCGと 多様性指標が改善 募集/ユーザー間の対照学習を 組み合わせることで多様性指 標がさらに改善
24. © 2026 Wantedly, Inc. オフライン評価: ベースラインとの⽐較（定性評価） ベースラインで⾒られた⽂脈を考慮出来ず適切なパーソナライズが 出来ていない問題を緩和した エンジニア 開発プロジェクトを 任せられる エンジニアを探したい アプリ開発チームのリーダー。 開発経験はバックエンドがメイン フルスタックエンジニアとして開発 インターンを経験。在学中。 新モデル検索トップ ベースライン検索トップ 採用ニーズによりマッチしている
25. © 2026 Wantedly, Inc. オフライン評価: 異なる検索イベント間の⽐較（定性評価） 同じキーワードでも細かい採⽤ニーズの違いを踏まえた パーソナライズが出来るケースが増加した エンジニア 開発プロジェクトを 任せられる エンジニアを探したい アプリ開発チームのリーダー。 開発経験はバックエンドがメイン 新モデル検索トップ エンジニア 新規開発で活躍出来る フルスタック エンジニアを探したい フロントエンド、バックエンド開発 を中⼼にインフラ周りの開発‧運⽤ も担当。新規開発も経験 新モデル検索トップ 再 掲
26. © 2026 Wantedly, Inc. 今後の課題 07
27. © 2026 Wantedly, Inc. 今後の課題 未活⽤のテキスト情報の取り込み • 今回の施策ではまだ活⽤しきれていないテキスト情報があるため、そのような情報も取り 込み、多⾯的なマッチを強化する バイアスへの対処 • スカウトログは様々なバイアスを含むため、順位バイアスや露出バイアス、属性バイア ス、採⽤担当者‧検索イベント固有のバイアスなどに対処しつつ、より企業とユーザー双 ⽅にとって良いマッチング機会の創出を⾏う インタラクション履歴のモデリング • 採⽤担当者のインタラクション履歴とインタラクション対象となったユーザーを系列とし てモデリングし、短期嗜好‧⻑期嗜好を表現する埋め込みを構成するなど、より柔軟な パーソナライズが出来るようにする
28. © 2026 Wantedly, Inc. さいごに
29. © 2026 Wantedly, Inc. 気軽に話を聞きに来てください！ ブース番号105 で展⽰をしています