世界の産業構造の変化により，新しい職業や新たな職業キャリアを構築する個人が増えている．一方で，採用する企業も，転職する個人も，自社・自分の経験以上の情報をもつことが難しい．より適切な情報提供により，意外で新しい職業キャリアを持つ人材が活躍する社会を望めるかもしれない．これまで，転職・採用に関わるデータを学習した予測モデルをもちいた仕事推薦システムの提案はあるが，人材や職業の構造を明にいれた予測モデルの研究は少ない．本研究の目的は，職業経験の移り変わり情報を利用した，職業キャリアの予測モデル構築である．本研究では，実際の膨大な転職データ，職業-スキルセット辞書，Weisfeiler–Lehmanカーネル法をもちいて，職業キャリアをグラフ構造として表現した．さらに，グラフ構造をもつ任意の職業キャリア間の距離を測るために最適輸送理論を採用した．その上で，ある職業キャリアをもつ個人が次に就ける職業の予測（職業ノード予測）について精度評価をおこない，職業をノードにしたグラフ構造である職業キャリア表現の有用性を検証した．結果として，職業予測において先行研究と比較して，より高い精度を示した．
