文献

J-GLOBAL ID：201902240053797084   整理番号：19A2418378

新しいレストラン従業員の参加記録と属性からの早期ターンオーバー予測【JST・京大機械翻訳】

Early Turnover Prediction of New Restaurant Employees from Their Attendance Records and Attributes

著者 (3件)： Sato Koya (Graduate School of Systems and Information Engineering, University of Tsukuba, Tsukuba, Japan) ,  Oka Mizuki (Graduate School of Systems and Information Engineering, University of Tsukuba, Tsukuba, Japan) ,  Kato Kazuhiko (Graduate School of Systems and Information Engineering, University of Tsukuba, Tsukuba, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11706  ページ： 277-286  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 新しい従業員のターンオーバー率は高いことが広く知られている。いくつかの研究が,早期に残っている可能性のあるハイリング従業員を避けるために,補充過程の間のフィルタリング候補について行われてきた。しかしながら,適切な介入を可能にする新しい従業員の早期ターンオーバーの予測に関する研究は少ない。労働不足に悩まされるレストラン産業において,フィルタリング候補は現実的ではなく,新しい従業員を維持することが重要である。本研究では,リカレントニューラルネットワークに基づく新しいモデルを提案した。これは,それらの注意記録と属性を用いることにより,新しいレストラン従業員の早期ターンオーバーを予測する。日本のレストランチェーンからの匿名化データを用いて提案モデルの有効性を評価し,提案モデルがベースラインモデルよりも優れていることを確認した。さらに,著者らの分析は,性別とヒリングチャネルが初期のターンオーバーにほとんど影響を及ぼさず,予測性能を低下させることを明らかにした。著者らは,これらの結果が,早期に残ることから新しいレストラン従業員を予防するための効率的な介入の設計に役立つと信じる。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： チェーン ,  フィルタリング ,  *予測 ,  基準線 ,  *ターンオーバー ,  *レストラン ,  有効性
準シソーラス用語： 深層学習 ,  予測性能 ,  性別 ,  匿名 ,  リカレントニューラルネットワーク ,  *従業員 , 【Automatic Indexing@JST】

著者キーワード (3件)： ターンオーバ予測 ,  レストラン産業 ,  深層学習

分類 (2件)： 人工知能  (JE08000Z) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (7件)： レストラン ,  従業員 ,  参加 ,  属性 ,  早期 ,  ターンオーバー ,  予測