本研究では、人材マッチングシステム用の強化学習を用いた推薦システムを探求した。ジョブ推薦システムは求人を推薦するため、ものやサービスを推薦するシステムと比べ大きく異なる性質が必要とされる。一般の推薦システムの場合、ユーザーがどのアイテムに興味があるかを予測することで、ユーザーのクリック率や購入数を最大化する。一方、ジョブ推薦システムでは各求人の採用枠上限などの制約の中で、ユーザーと求人間のマッチング数を最大化することが求められている。従来のジョブ推薦システムでは、ユーザーの応募先の求人を分散させたり、数理最適化アルゴリズムを用いたりする手法が提案されているが、特定の仮定や条件を必要としており、マッチング数最大化を直接的に行っているわけではない。本研究では、マッチング数を報酬に組み込んだ強化学習を利用することで、直接的にマッチング数を最大化する手法を提案する。人工データでのシミュレーション実験で、提案手法は既存手法と比べ少なくともマッチング数を131.2%まで向上させ、性能が優れることが確認できた。
