CN109670023A - 人机自动面试方法、装置、设备和存储介质 - Google Patents
人机自动面试方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109670023A CN109670023A CN201811539976.0A CN201811539976A CN109670023A CN 109670023 A CN109670023 A CN 109670023A CN 201811539976 A CN201811539976 A CN 201811539976A CN 109670023 A CN109670023 A CN 109670023A
- Authority
- CN
- China
- Prior art keywords
- interview
- reply message
- question
- resume
- strategy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012360 testing method Methods 0.000 title claims abstract description 29
- 238000012797 qualification Methods 0.000 claims abstract description 9
- 230000007115 recruitment Effects 0.000 claims description 20
- 230000008921 facial expression Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 11
- 238000012790 confirmation Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000000712 assembly Effects 0.000 abstract description 2
- 238000000429 assembly Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
- G06Q10/1053—Employment or hiring
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种人机自动面试方法,包括以下步骤:接收终端发送的面试申请请求,确定所述面试申请请求对应的面试岗位和简历;在所述简历合格时,获取所述面试岗位对应的基础面试策略,及所述基础面试策略中的初始面试问题并输出;接收所述终端基于所述初始面试问题发送的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题,以供用户基于当前面试问题输入新的答复信息;在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,根据全部的答复信息,生成面试结论。本发明还公开了一种人机自动面试装置、设备和存储介质。本发明中对用户的答复信息进行语音分析,获取与答复信息匹配的面试问题,实现人机自动面试。
Description
技术领域
本发明涉及计算数据处理领域,尤其涉及人机自动面试方法、装置、设备和存储介质。
背景技术
随着我国经济社会的发展,人力资源对应社会经济的影响越来越大,人才招聘也变得至关重要。
当前,企业单位对于人员的招聘,都是要从很多应聘者的简历中挑选出合格的简历,然后通过一系列的面试步骤对应聘者进行面试和考察,每一个面试步骤都要对面试方式和面试时间进行精心安排,这样的面试存在有很多缺点,例如,大部分的面试过程都是需要人力资源师(HR及Human Resource)全程跟踪处理导致人力成本浪费,此外,这样的面试还会受制于时间约束,如何解决当前面试存在的问题,成为了当前亟待解决的问题。
发明内容
本发明的主要目的在于提供一种人机自动面试方法、装置、设备和存储介质,旨在解决当前面试过程中受不同因素影响,导致的面试效率低,人力资源浪费的问题。
为实现上述目的,本发明提供人机自动面试方法,所述人机自动面试方法包括以下步骤:
接收终端发送的面试申请请求,确定所述面试申请请求对应的面试岗位和简历;
获取所述面试岗位的需求信息,并基于所述简历与所述需求信息,判断所述简历是否合格;
在所述简历合格时,获取所述面试岗位对应的基础面试策略,及所述基础面试策略中的初始面试问题并输出;
接收所述终端基于所述初始面试问题发送的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题,以供用户基于当前面试问题输入新的答复信息;
在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,根据全部的答复信息,生成面试结论。
可选地,所述获取所述面试岗位的需求信息,并基于所述简历与所述需求信息,判断所述简历是否合格的步骤,包括:
获取所述简历中的简历内容,并获取所述面试岗位对应的需求信息,其中,所述需求信息包括岗位要求信息、招聘条件信息和招聘对象信息;
将所述简历内容与所述需求信息进行比对,并计算所述简历内容与所述需求信息的相似度;
在所述相似度高于预设相似度阈值时,判定所述简历合格。
可选地,所述接收所述终端基于所述初始面试问题发送的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题的步骤,包括:
在所述初始面试问题输出完成时,接收所述终端发送的面部表情信息和语音信息;
对所述面部表情信息进行微表情识别,得到所述面部表情信息对应的表情答复信息;
对所述语音信息进行语音识别,得到所述语音信息对应的文本答复信息;
将所述表情答复信息和所述文本答复信息作为所述初始面试问题对应的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题。
可选地,所述接收所述终端基于所述初始面试问题发送的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题的步骤,包括:
接收所述终端基于所述初始面试问题发送的答复信息,将所述答复信息进行分词处理,形成所述答复信息对应的关键词集合;
查询预设词向量字典,获取所述关键词集合中各关键词的词向量,并将各所述关键词的词向量进行组合,得到所述答复信息的答复向量;
获取所述基础面试策略中各预设面试问题,及所述预设面试问题的问题向量,计算所述答复向量与各所述问题向量的余弦距离;
在存在小于预设阈值的余弦距离时,获取与所述答复向量余弦距离最小的目标面试问题,并将所述目标面试问题作为当前面试问题。
可选地,所述接收所述终端基于所述初始面试问题发送的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题的步骤,包括:
接收所述终端基于所述初始面试问题发送的答复信息,将所述答复信息进行分词处理,形成所述答复信息对应的关键词集合;
查询预设词向量字典,获取所述关键词集合中各关键词的相似词,和各所述相似词的相似词向量;
将各所述相似词向量进行组合,得到所述答复信息对应的近似答复向量;
获取所述基础面试策略中各预设面试问题,及各所述预设面试问题的问题向量,计算所述近似答复向量与所述问题向量的余弦距离;
在存在小于预设阈值的余弦距离时,获取与所述相近答复向量余弦距离最小的目标面试问题,将所述目标面试问题作为当前面试问题。
可选地,所述在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,根据全部的答复信息,生成面试结论的步骤,包括:
在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,输出面试结束的提示信息;
在所述面试结束时获取全部的答复信息,并将所述答复信息与各自对应的预设标准答复信息进行比较,得到所述答复信息对应的答复得分;
在所述答复得分高于预设分值时,判定面试通过。
可选地,所述在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,根据全部的答复信息,生成面试结论的步骤之后,包括:
在所述面试结论为面试通过时,获取所述答复信息;
将所述答复信息和所述简历发送至预设终端,以供所述预设终端对应的人力资源师进行人工确认。
此外,为实现上述目的,本发明还提供一种人机自动面试装置,所述人机自动面试装置包括:
请求接收模块,用于接收终端发送的面试申请请求,确定所述面试申请请求对应的面试岗位和简历;
简历判断模块,用于获取所述面试岗位的需求信息,并基于所述简历与所述需求信息,判断所述简历是否合格;
问题输出模块,用于在所述简历合格时,获取所述面试岗位对应的基础面试策略,及所述基础面试策略中的初始面试问题并输出;
问题生成模块,用于接收所述终端基于所述初始面试问题发送的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题;
结论生成模块,用于在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,根据全部的答复信息,生成面试结论。
此外,为实现上述目的,本发明还提供一种人机自动面试设备;
所述人机自动面试设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中:
所述计算机程序被所述处理器执行时实现如上所述的人机自动面试方法的步骤。
此外,为实现上述目的,本发明还提供计算机存储介质;
所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的人机自动面试方法的步骤。
本发明实施例提出的一种人机自动面试方法、装置、设备和存储介质,通过接收终端发送的面试申请请求,确定所述面试申请请求对应的面试岗位和简历;获取所述面试岗位的需求信息,并基于所述简历与所述需求信息,判断所述简历是否合格;在所述简历合格时,获取所述面试岗位对应的基础面试策略,及所述基础面试策略中的初始面试问题并输出;接收所述终端基于所述初始面试问题发送的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题,以供用户基于当前面试问题输入新的答复信息;在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,根据全部的答复信息,生成面试结论。本发明中服务器预先设置不同岗位的基础面试策略,服务器对用户答复信息进行语音识别,并从基础面试策略中获取与用户的答复信息匹配的面试问题,实现人机自动面试,提高了面试的效率,减少了面试过程中人力资源的浪费,使得面试更加智能。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图;
图2为本发明人机自动面试方法第一实施例的流程示意图;
图3为本发明人机自动面试装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的服务器(又叫人机自动面试设备,其中,人机自动面试设备可以是由单独的人机自动面试装置构成,也可以是由其他装置与人机自动面试装置组合形成)结构示意图。
本发明实施例服务器指一个管理资源并为用户提供服务的计算机,通常分为文件服务器、数据库服务器和应用程序服务器。运行以上软件的计算机或计算机***也被称为服务器。相对于普通PC(personal computer)个人计算机来说,服务器在稳定性、安全性、性能等方面都要求较高;如图1所示,该服务器可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),网络接口1004,用户接口1003,存储器1005,通信总线1002、芯片组、磁盘***、网络等硬件等。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity,WIFI接口)。存储器1005可以是高速随机存取存储器(random access memory,RAM),也可以是稳定的存储器(non-volatilememory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,服务器还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块;输入单元,比显示屏,触摸屏;网络接口可选除无线接口中除WiFi外,蓝牙、探针等。本领域技术人员可以理解,图1中示出的服务器结构并不构成对服务器的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,该计算机软件产品存储在一个存储介质(存储介质:又叫计算机存储介质、计算机介质、可读介质、可读存储介质、计算机可读存储介质或者直接叫介质等,存储介质可以是非易失性可读存储介质,如RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法,作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及计算机程序。
在图1所示的服务器中,网络接口1004主要用于连接后台数据库,与后台数据库进行数据通信;用户接口1003主要用于连接客户端(客户端,又叫用户端或终端,本发明实施例终端可以固定终端也可以是移动终端,如,带联网功能的智能空调、智能电灯、智能电源、智能音箱、自动驾驶汽车、PC、智能手机、平板电脑、电子书阅读器、便携计算机等,终端中包含传感器比如光传感器、运动传感器以及其他传感器,在此不再赘述),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的计算机程序,并执行本发明以下实施例提供的人机自动面试方法中的步骤。
本实施例中公开了人机自动面试方法,应用于如图1所示的服务器。
参照图2,本发明人机自动面试方法的第一实施例中,所述人机自动面试方法包括:
步骤S10,接收终端发送的面试申请请求,确定所述面试申请请求对应的面试岗位和简历。
服务器接收终端基于简历触发的面试申请请求,其中,服务器接收的面试申请请求可以通过不同方式触发,例如,用户在终端查看企业公布的招聘信息,并按照招聘信息中的招聘岗位进行简历投递,终端将简历上传至服务器,服务器在接收到用户基于招聘岗位发送的简历时,自动触发该招聘岗位对应的面试申请请求,服务器接收面试申请请求,获取面试申请请求对应的简历和面试岗位。
步骤S20,获取所述面试岗位的需求信息,并基于所述简历与所述需求信息,判断所述简历是否合格;
在服务器获取到简历和面试岗位之后,服务器需要对简历进行分析,判断简历是否符合面试岗位的岗位需求信息中的岗位需求;若简历中的简历内容不符合面试岗位的岗位需求,则服务器判定简历不合格,服务器输出提示信息;若简历中的简历内容符合面试岗位的岗位需求,则服务器判定简历合格,服务器进行自动面试,具体地:
步骤S30,在所述简历合格时,获取所述面试岗位对应的基础面试策略,及所述基础面试策略中的初始面试问题并输出。
在所述简历合格时,服务器获取面试岗位对应的基础面试策略,其中,基础面试策略是指各个招聘岗位对应的面试问题模板,服务器获取招聘岗位对应的基础面试策略之后,输出基础面试策略中的初始面试问题,例如,服务器播放基础面试策略中的初始面试问题:欢迎参加xxx岗位面试,请你做一个简单的自我介绍?
步骤S40,接收所述终端基于所述初始面试问题发送的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题,以供用户基于当前面试问题输入新的答复信息。
在初始面试问题输出完成之后,服务器需要获取初始面试问题对应的答复信息,具体地,包括:
步骤a1,在所述初始面试问题输出完成时,接收所述终端发送的面部表情信息和语音信息;
步骤b1,对所述面部表情信息进行微表情识别,得到所述面部表情信息对应的表情答复信息;
步骤c1,对所述语音信息进行语音识别,得到所述语音信息对应的文本答复信息;
步骤d1,将所述表情答复信息和所述文本答复信息作为所述初始面试问题对应的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题。
即,在初始面试问题输出完成时,服务器控制终端启动预设采集装置,终端的预设采集装置(预设采集装置是指预先设置的采集装置,其中,预设采集装置包括用于用户表情采集的视频采集装置,例如,摄像头;用于用户声音采集的语音采集装置;例如,麦克风等)采集用户的面部表情信息和语音信息;终端将采集的面部表情信息和语音信息发送至服务器,服务器接收所述终端发送的面部表情信息和语音信息。
服务器对面部表情信息进行微表情识别,得到面部表情信息对应的表情答复信息;即,服务器中预先通过机器学习得到的微表情识别模型,服务器使用该微表情识别模型对面部表情信息进行检测和识别,本实施例中根据用户的微表情确定申请人的真实内心情况,以判断用户是否有说谎、用户是否紧张,服务器将识别得到的用户情绪信息,作为面部表情信息对应的表情答复信息,有利于提高面试的效率和准确率。
服务器对语音信息进行语音识别,得到所述语音信息对应的文本答复信息;其中,服务器对语音信息进行语音识别可以通过语音识别模型实现,即,服务器中预先设置有语音识别模型,语音识别模型可以对语音信息进行识别,得到语音信息对应的文本答复信息。
服务器将文本答复信息和表情答复信息作为初始面试问题对应的答复信息,服务器根据答复信息和基础面试策略获取当前面试问题,具体地:
服务器中基础面试策略以树形结构存储,包括根节点、叶节点和分支,根节点和结果节点无需关联上一分支,叶节点需要关联上一分支,根节点为面试的初始面试问题,叶节点为基于初始面试问题拓展的预设面试问题,服务器根据用户的答复信息从基础面试策略中选择对应的面试问题。
例如,初始面试问题是:欢迎参加xxx岗位面试,请你做一个简单的自我介绍?答复信息为:我是xxx大学xxx专业的应届毕业生……,服务器根据“xxx专业”和基础面试策略获取当前面试问题:你是“xxx专业”与本公司招聘的“xxx岗位”并不相关,你认为“xxx岗位”是干嘛的,你觉得有什么优势呢?”
在本实施例中服务器可以对采集的不同种类的答复信息进行处理,然后,服务器从基础面试策略中获取与答复信息匹配的当前面试问题,使得人机面试更加智能。
步骤S50,在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,根据全部的答复信息,生成面试结论。
在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,也就是说,服务器从基础面试策略中不可以查找到与用户答复信息匹配新的面试问题,或者说服务器已检索到基础面试策略对应树形结构存储的最下层时,没有与答复信息匹配的预设面试问题,服务器根据用户之前的回复的全部答题信息,生成面试结论,具体地:
步骤a2,在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,输出面试结束的提示信息;
步骤b2,在所述面试结束时获取全部的答复信息,并将所述答复信息与各自对应的预设标准答复信息进行比较,得到所述答复信息对应的答复得分;
步骤c2,在所述答复得分高于预设分值时,判定面试通过。
即,在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,服务器中输出面试结束的提示信息;在面试结束时服务器获取全部的答复信息,服务器将各个答复信息与各自对应的预设标准答复信息(预设标准答复信息为预先设置的标准答复信息)进行比较,得到答复信息对应的答复得分;服务器将答复得分与预设分值进行比较,在答复得分高于预设分值时,判定面试通过,反之。
在检测到基础面试策略中的面试问题输出完成时,服务器获取应聘者全部的答复信息,并对全部的答复信息进行分析,例如,服务器对答复信息进行评分,服务器将各个答复信息的评分进行加和,得到该应聘者的总评分,在应聘者的总评分低于一个预设的值时,直接输出面试结论:应聘者不符合需求信息。在本实施例中服务器根据用户的答复信息生成对应的描述结果,使得面试的效率更高。
进一步地,在本发明第一实施例的基础上,提出了本发明人机自动面试方法的第二实施例。
本实施例是第一实施例中步骤S20的细化,在本实施中具体说明了简历是否合格的判断方法,具体地:
步骤S21,获取所述简历中的简历内容,并获取所述面试岗位对应的需求信息。
服务器对简历进行解析,获取简历中的求职意向、工作经历和/或校验经历等信息,服务器将获取的求职意向、工作经历和/或校验经历等信息作为简历内容,然后,服务器获取面试申请请求对应的招聘岗位,和招聘岗位对应的需求信息,其中,需求信息是指预先设置的岗位要求信息、招聘条件信息和招聘对象信息。
步骤S22,将所述简历内容与所述需求信息进行比对,并计算所述简历内容与所述需求信息的相似度。
服务器将简历内容逐一与需求信息中的每一条要求进行比对,根据相似程度计算出该简历与需求信息的相似度。例如,当简历内容包含需求信息中的某一条要求时,则认为简历与该条要求相似度100%;当简历内容与需求信息中的某一条要求相似度为x%时,则认为简历与该条要求相似度x%。然后再将需求信息中的每一条要求的相似度进行综合运算,计算出简历的简历内容与所述需求信息的相似度。
例如,服务器将每一条要求的相似度进行累加,再除以所有要求的条数,例如,有三条要求,简历对应与该三条要求的相似度分别为70%,80%,90%,则简历对应于需求信息的相似度为(70%+80%+90%)/3=80%。
步骤S23,在所述相似度高于预设相似度阈值时,判定所述简历合格。
服务器将简历相似度与预设相似度阈值(预设相似度阈值是指预先设置的相似度阈值,例如,预设相似度阈值为85%)进行比较,在相似度高于预设相似度阈值时,服务器判定简历合格。
在本实施例中服务器将接收的简历进行解析,通过对简历的初步筛选,实现面试者的初步筛选,减少服务器的数据处理量,同时可以保证面试者的质量。
进一步地,在上述实施例的基础上,提出了本发明人机自动面试方法的第三实施例。
本实施例是第一实施例中步骤S40的细化,本实施例中给出了一种通过对用户答复信息分析,获取当前面试问题的方法,具体地:
步骤S41,接收所述终端基于所述初始面试问题发送的答复信息,将所述答复信息进行分词处理,形成所述答复信息对应的关键词集合。
服务器接收终端基于所述初始面试问题发送的答复信息,本实施例中的答复信息是指已经转换为文本信息的用户面试回复,服务器按预设的分词算法处理答复信息,形成所述答复信息对应的关键词集合。
步骤S42,查询预设词向量字典,获取所述关键词集合中各关键词的词向量,并将各所述关键词的词向量进行组合,得到所述答复信息的答复向量。
服务器查询预设词向量字典(预设词向量字典为预先设置的常用词和各个常用词的词向量,例如,服务器从网络上爬取的大量语料,得到词向量),服务器获取关键词集合中各关键词的词向量,并将各关键词的词向量进行组合,得到答复信息对应的句子向量(又叫答复向量)。
步骤S43,获取所述基础面试策略中各预设面试问题,及所述预设面试问题的问题向量,计算所述答复向量与各所述问题向量的余弦距离。
服务器获取所述基础面试策略中各预设面试问题,及预设面试问题对应的问题向量(问题向量即预设面试问题的句子向量),服务器将答复向量与各问题向量进行余弦距离的计算,例如:计算n维答复向量a(x11,x12,…,x1n)和n维问题向量b(x21,x22,…,x2n)的夹角余弦,服务器将计算得到的夹角余弦(即,余弦距离)作为答复信息与各面试问题的相似度。
即,服务器通过预设的计算公式,计算答复向量与各问题向量的余弦距离:
步骤S44,在存在小于预设阈值的余弦距离时,获取与所述答复向量余弦距离最小的目标面试问题,并将所述目标面试问题作为当前面试问题。
在存在小于预设阈值(预设阈值预先设置的余弦临界值,预设阈值可以根据具体场景设置,例如设置为0.1)的余弦距离时,即,服务器确定基础面试策略中存在与答复信息匹配的面试问题,服务器获取与所述答复向量余弦距离最小的目标面试问题,并将所述目标面试问题作为当前面试问题。在本实施例中服务器将通过计算答复信息与预设面试问题的余弦距离,来获取基础面试策略中答复信息对应的面试问题,使得面试问题更加准确。
进一步地,在上述实施例的基础上提出了本发明人机自动面试方法的第四实施例。
本实施例是第一实施例中步骤S40的细化,本实施例中给出了另一种通过对用户答复信息分析,获取当前面试问题的方法,具体地:
步骤S45,接收所述终端基于所述初始面试问题发送的答复信息,本实施例中的答复信息是指已经转换为文本信息的用户面试回复,将所述答复信息进行分词处理,形成所述答复信息对应的关键词集合。
服务器接收所述终端基于所述初始面试问题发送的答复信息,服务器按预设的分词算法处理答复信息,形成所述答复信息对应的关键词集合。
步骤S46,查询预设词向量字典,获取所述关键词集合中各关键词的相似词,和各所述相似词的相似词向量;将各所述相似词向量进行组合,得到所述答复信息对应的近似答复向量。
服务器查询预设词向量字典(预设词向量字典为预先设置的常用词和各个常用词的词向量,例如,服务器从网络上爬取的大量语料,得到词向量),服务器获取关键词集合中各关键词的相似词,和各所述相似词的相似词向量;将各所述相似词向量进行组合,得到所述答复信息对应的近似答复向量。
例如,答复信息为:请问该职位的工资是多少呢,分词形成请问、职位、工资、多少的关键词,服务器查询预设词向量字典,服务器获取与请问、职位、工资、多少相近的相似词,即,“请问”的相似词和相似得分为:询问:0.80、咨询:0.7…;“职位”的相似词和相似得分为:岗位:0.80、咨询:0.7…;“工资”的相似词和相似得分为:薪资:0.90…;“多少”的相似词和相似得分为:高低:0.50…;服务器将各个相似词进行组合,得到答复信息对应相近答复信息为:1、咨询岗位工资高低;2、询问职位薪资高低等等,服务器获取相近答复信息对应的近似答复向量。
步骤S47,获取所述基础面试策略中各预设面试问题,及各所述预设面试问题的问题向量,计算所述近似答复向量与所述问题向量的余弦距离。
服务器获取所述基础面试策略中各预设面试问题,及各所述预设面试问题的问题向量,服务器计算近似答复向量与问题向量的余弦距离,例如:计算n维近似答复向量c(x11,x12,…,x1n)和n维问题向量b(x21,x22,…,x2n)的夹角余弦,服务器将计算得到的夹角余弦(即,余弦距离)作为相近答复信息与各面试问题的相似度。
即,服务器通过预设的计算公式,计算近似答复向量与各问题向量的余弦距离:
步骤S48,在存在小于预设阈值的余弦距离时,获取与所述相近答复向量余弦距离最小的目标面试问题,将所述目标面试问题作为当前面试问题.
在存在小于预设阈值(预设阈值预先设置的余弦临界值,预设阈值可以根据具体场景设置,例如设置为0.1)的余弦距离时,即,服务器确定基础面试策略中存在与近似答复信息匹配的面试问题,服务器获取与近似答复向量余弦距离最小的目标面试问题,并将所述目标面试问题作为当前面试问题。在本实施例中服务器将通过计算答复信息与预设面试问题的余弦距离,来获取基础面试策略中答复信息对应的面试问题,使得面试问题更加准确。
进一步地,在本发明上述实施例的基础上,提出了本发明人机自动面试方法的第五实施例。
本实施例是第一实施例步骤S50之后的步骤,在本实施例中服务器确定面试合格之后,服务器将面试信息发送至公司人事部对应的终端,具体地:
步骤S60,在所述面试结论为面试通过时,获取所述答复信息;将所述答复信息和所述简历发送至预设终端,以供所述预设终端对应的人力资源师进行人工确认。
在服务器判定面试结论为面试通过时,服务器获取面试过程中用户全部的答复信息,服务器将答复信息和简历发送至预设终端,其中,预设终端是指服务器中预先设置的终端,例如,公司人事部对应的电脑,以供所述预设终端对应的人力资源师进行人工确认。本实施例中服务器将面试通过的答复信息和简历发送至公司人事部对应的电脑,不需要公司人事部对应人力资源管理者手动获取,使得人力资源管理者的工作更加便捷。
此外,参照图3,本发明实施例还提出一种人机自动面试装置,所述人机自动面试装置包括:
请求接收模块10,用于接收终端发送的面试申请请求,确定所述面试申请请求对应的面试岗位和简历;
简历判断模块20,用于获取所述面试岗位的需求信息,并基于所述简历与所述需求信息,判断所述简历是否合格;
问题输出模块30,用于在所述简历合格时,获取所述面试岗位对应的基础面试策略,及所述基础面试策略中的初始面试问题并输出;
问题生成模块40,用于接收所述终端基于所述初始面试问题发送的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题;
结论生成模块50,用于在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,根据全部的答复信息,生成面试结论。
可选地,所述的简历判断模块20,包括:
需求信息获取单元,用于获取所述简历中的简历内容,并获取所述面试岗位对应的需求信息,其中,所述需求信息包括岗位要求信息、招聘条件信息和招聘对象信息;
信息比对单元,用于将所述简历内容与所述需求信息进行比对,并计算所述简历内容与所述需求信息的相似度;
简历判定单元,用于在所述相似度高于预设相似度阈值时,判定所述简历合格。
可选地,所述问题生成模块40,包括:
信息接收单元,用于在所述初始面试问题输出完成时,接收所述终端发送的面部表情信息和语音信息;
表情识别单元,用于对所述面部表情信息进行微表情识别,得到所述面部表情信息对应的表情答复信息;
语音识别单元,用于对所述语音信息进行语音识别,得到所述语音信息对应的文本答复信息;
第一生成单元,用于将所述表情答复信息和所述文本答复信息作为所述初始面试问题对应的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题。
可选地,所述问题生成模块40,包括:
第一分词单元,用于接收所述终端基于所述初始面试问题发送的答复信息,将所述答复信息进行分词处理,形成所述答复信息对应的关键词集合;
第一向量获取单元,用于查询预设词向量字典,获取所述关键词集合中各关键词的词向量,并将各所述关键词的词向量进行组合,得到所述答复信息的答复向量;
第一计算单元,用于获取所述基础面试策略中各预设面试问题,及所述预设面试问题的问题向量,计算所述答复向量与各所述问题向量的余弦距离;
第二生成单元,用于在存在小于预设阈值的余弦距离时,获取与所述答复向量余弦距离最小的目标面试问题,并将所述目标面试问题作为当前面试问题。
可选地,所述问题生成模块40,包括:
第二分词单元,用于接收所述终端基于所述初始面试问题发送的答复信息,将所述答复信息进行分词处理,形成所述答复信息对应的关键词集合;
第二向量获取单元,用于查询预设词向量字典,获取所述关键词集合中各关键词的相似词,和各所述相似词的相似词向量,将各所述相似词向量进行组合,得到所述答复信息对应的近似答复向量;
第二计算单元,用于获取所述基础面试策略中各预设面试问题,及各所述预设面试问题的问题向量,计算所述近似答复向量与所述问题向量的余弦距离;
第三生成单元,用于在存在小于预设阈值的余弦距离时,获取与所述相近答复向量余弦距离最小的目标面试问题,将所述目标面试问题作为当前面试问题。
可选地,所述结论生成模块50,包括:
输出提示单元,用于在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,输出面试结束的提示信息;
评分单元,用于在所述面试结束时获取全部的答复信息,并将所述答复信息与各自对应的预设标准答复信息进行比较,得到所述答复信息对应的答复得分;
结果判定单元,用于在所述答复得分高于预设分值时,判定面试通过。
可选地,所述的人机自动面试装置,包括:
答复信息获取模块,用于在所述面试结论为面试通过时,获取所述答复信息;
信息发送模块,用于将所述答复信息和所述简历发送至预设终端,以供所述预设终端对应的人力资源师进行人工确认。
其中,人机自动面试装置的各个功能模块实现的步骤可参照本发明人机自动面试方法的各个实施例,此处不再赘述。
此外,本发明实施例还提出一种计算机存储介质。
所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例提供的人机自动面试方法中的操作。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来,而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序;术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种人机自动面试方法,其特征在于,所述人机自动面试方法包括以下步骤:
接收终端发送的面试申请请求,确定所述面试申请请求对应的面试岗位和简历;
获取所述面试岗位的需求信息,并基于所述简历与所述需求信息,判断所述简历是否合格;
在所述简历合格时,获取所述面试岗位对应的基础面试策略,及所述基础面试策略中的初始面试问题并输出;
接收所述终端基于所述初始面试问题发送的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题,以供用户基于当前面试问题输入新的答复信息;
在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,根据全部的答复信息,生成面试结论。
2.如权利要求1所述的人机自动面试方法,其特征在于,所述获取所述面试岗位的需求信息,并基于所述简历与所述需求信息,判断所述简历是否合格的步骤,包括:
获取所述简历中的简历内容,并获取所述面试岗位对应的需求信息,其中,所述需求信息包括岗位要求信息、招聘条件信息和招聘对象信息;
将所述简历内容与所述需求信息进行比对,并计算所述简历内容与所述需求信息的相似度;
在所述相似度高于预设相似度阈值时,判定所述简历合格。
3.如权利要求1所述的人机自动面试方法,其特征在于,所述接收所述终端基于所述初始面试问题发送的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题的步骤,包括:
在所述初始面试问题输出完成时,接收所述终端发送的面部表情信息和语音信息;
对所述面部表情信息进行微表情识别,得到所述面部表情信息对应的表情答复信息;
对所述语音信息进行语音识别,得到所述语音信息对应的文本答复信息;
将所述表情答复信息和所述文本答复信息作为所述初始面试问题对应的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题。
4.如权利要求1所述的人机自动面试方法,其特征在于,所述接收所述终端基于所述初始面试问题发送的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题的步骤,包括:
接收所述终端基于所述初始面试问题发送的答复信息,将所述答复信息进行分词处理,形成所述答复信息对应的关键词集合;
查询预设词向量字典,获取所述关键词集合中各关键词的词向量,并将各所述关键词的词向量进行组合,得到所述答复信息的答复向量;
获取所述基础面试策略中各预设面试问题,及所述预设面试问题的问题向量,计算所述答复向量与各所述问题向量的余弦距离;
在存在小于预设阈值的余弦距离时,获取与所述答复向量余弦距离最小的目标面试问题,并将所述目标面试问题作为当前面试问题。
5.如权利要求1所述的人机自动面试方法,其特征在于,所述接收所述终端基于所述初始面试问题发送的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题的步骤,包括:
接收所述终端基于所述初始面试问题发送的答复信息,将所述答复信息进行分词处理,形成所述答复信息对应的关键词集合;
查询预设词向量字典,获取所述关键词集合中各关键词的相似词,和各所述相似词的相似词向量;
将各所述相似词向量进行组合,得到所述答复信息对应的近似答复向量;
获取所述基础面试策略中各预设面试问题,及各所述预设面试问题的问题向量,计算所述近似答复向量与所述问题向量的余弦距离;
在存在小于预设阈值的余弦距离时,获取与所述相近答复向量余弦距离最小的目标面试问题,将所述目标面试问题作为当前面试问题。
6.如权利要求1所述的人机自动面试方法,其特征在于,所述在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,根据全部的答复信息,生成面试结论的步骤,包括:
在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,输出面试结束的提示信息;
在所述面试结束时获取全部的答复信息,并将所述答复信息与各自对应的预设标准答复信息进行比较,得到所述答复信息对应的答复得分;
在所述答复得分高于预设分值时,判定面试通过。
7.如权利要求1所述的人机自动面试方法,其特征在于,所述在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,根据全部的答复信息,生成面试结论的步骤之后,包括:
在所述面试结论为面试通过时,获取所述答复信息;
将所述答复信息和所述简历发送至预设终端,以供所述预设终端对应的人力资源师进行人工确认。
8.一种人机自动面试装置,其特征在于,所述人机自动面试装置包括:
请求接收模块,用于接收终端发送的面试申请请求,确定所述面试申请请求对应的面试岗位和简历;
简历判断模块,用于获取所述面试岗位的需求信息,并基于所述简历与所述需求信息,判断所述简历是否合格;
问题输出模块,用于在所述简历合格时,获取所述面试岗位对应的基础面试策略,及所述基础面试策略中的初始面试问题并输出;
问题生成模块,用于接收所述终端基于所述初始面试问题发送的答复信息,获取所述基础面试策略中与所述答复信息匹配的当前面试问题;
结论生成模块,用于在所述基础面试策略中不存在与新的答复信息匹配的新的面试问题时,根据全部的答复信息,生成面试结论。
9.一种人机自动面试设备,其特征在于,所述人机自动面试设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中:
所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的人机自动面试方法的步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的人机自动面试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811539976.0A CN109670023A (zh) | 2018-12-14 | 2018-12-14 | 人机自动面试方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811539976.0A CN109670023A (zh) | 2018-12-14 | 2018-12-14 | 人机自动面试方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109670023A true CN109670023A (zh) | 2019-04-23 |
Family
ID=66144447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811539976.0A Pending CN109670023A (zh) | 2018-12-14 | 2018-12-14 | 人机自动面试方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109670023A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210301A (zh) * | 2019-04-26 | 2019-09-06 | 平安科技(深圳)有限公司 | 基于微表情评价面试者的方法、装置、设备和存储介质 |
CN110298597A (zh) * | 2019-07-03 | 2019-10-01 | 广东倍智测聘网络科技股份有限公司 | 一种测评方法、装置及存储介质 |
CN110321409A (zh) * | 2019-06-03 | 2019-10-11 | 平安科技(深圳)有限公司 | 基于人工智能的辅助面试方法、装置、设备及存储介质 |
CN110335014A (zh) * | 2019-06-03 | 2019-10-15 | 平安科技(深圳)有限公司 | 面试方法、装置及计算机可读存储介质 |
CN110400119A (zh) * | 2019-06-18 | 2019-11-01 | 平安科技(深圳)有限公司 | 基于人工智能的面试方法、装置、计算机设备和存储介质 |
CN110569356A (zh) * | 2019-08-14 | 2019-12-13 | 中国平安人寿保险股份有限公司 | 基于智能面试交互***的面试方法、装置和计算机设备 |
CN110728182A (zh) * | 2019-09-06 | 2020-01-24 | 平安科技(深圳)有限公司 | 基于ai面试***的面试方法、装置和计算机设备 |
CN110782221A (zh) * | 2019-09-19 | 2020-02-11 | 丁玥 | 一种面试智能评测***及方法 |
CN112418779A (zh) * | 2020-10-30 | 2021-02-26 | 济南浪潮高新科技投资发展有限公司 | 一种基于自然语言理解的在线自助面试方法 |
WO2021139278A1 (zh) * | 2020-05-28 | 2021-07-15 | 平安科技(深圳)有限公司 | 一种智能面试方法、装置及终端设备 |
CN113505604A (zh) * | 2021-07-16 | 2021-10-15 | 牡丹江医学院 | 一种用于心理学教育的在线辅助实验方法、装置及设备 |
CN113782200A (zh) * | 2021-08-19 | 2021-12-10 | 刘欣 | 心理风险筛查测定方法、装置及计算机设备及存储介质 |
CN113807103A (zh) * | 2021-09-16 | 2021-12-17 | 平安普惠企业管理有限公司 | 基于人工智能的招聘方法、装置、设备及存储介质 |
CN117114475A (zh) * | 2023-08-21 | 2023-11-24 | 广州红海云计算股份有限公司 | 基于多维度人才评估策略的综合能力测评*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102231195A (zh) * | 2011-03-02 | 2011-11-02 | 深圳市莱科电子技术有限公司 | 一种在线面试***及方法 |
JP2018032164A (ja) * | 2016-08-23 | 2018-03-01 | 株式会社ユニバーサルエンターテインメント | 面接システム |
CN108428100A (zh) * | 2017-11-17 | 2018-08-21 | 平安科技(深圳)有限公司 | 面试方法、服务器及计算机可读存储介质 |
-
2018
- 2018-12-14 CN CN201811539976.0A patent/CN109670023A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102231195A (zh) * | 2011-03-02 | 2011-11-02 | 深圳市莱科电子技术有限公司 | 一种在线面试***及方法 |
JP2018032164A (ja) * | 2016-08-23 | 2018-03-01 | 株式会社ユニバーサルエンターテインメント | 面接システム |
CN108428100A (zh) * | 2017-11-17 | 2018-08-21 | 平安科技(深圳)有限公司 | 面试方法、服务器及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
鲍金勇;: "电话面试的特点和应对策略" * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210301B (zh) * | 2019-04-26 | 2023-10-03 | 平安科技(深圳)有限公司 | 基于微表情评价面试者的方法、装置、设备和存储介质 |
CN110210301A (zh) * | 2019-04-26 | 2019-09-06 | 平安科技(深圳)有限公司 | 基于微表情评价面试者的方法、装置、设备和存储介质 |
CN110321409A (zh) * | 2019-06-03 | 2019-10-11 | 平安科技(深圳)有限公司 | 基于人工智能的辅助面试方法、装置、设备及存储介质 |
CN110335014A (zh) * | 2019-06-03 | 2019-10-15 | 平安科技(深圳)有限公司 | 面试方法、装置及计算机可读存储介质 |
CN110321409B (zh) * | 2019-06-03 | 2024-05-14 | 平安科技(深圳)有限公司 | 基于人工智能的辅助面试方法、装置、设备及存储介质 |
CN110400119A (zh) * | 2019-06-18 | 2019-11-01 | 平安科技(深圳)有限公司 | 基于人工智能的面试方法、装置、计算机设备和存储介质 |
CN110298597A (zh) * | 2019-07-03 | 2019-10-01 | 广东倍智测聘网络科技股份有限公司 | 一种测评方法、装置及存储介质 |
CN110569356A (zh) * | 2019-08-14 | 2019-12-13 | 中国平安人寿保险股份有限公司 | 基于智能面试交互***的面试方法、装置和计算机设备 |
WO2021042842A1 (zh) * | 2019-09-06 | 2021-03-11 | 平安科技(深圳)有限公司 | 基于ai面试***的面试方法、装置和计算机设备 |
CN110728182B (zh) * | 2019-09-06 | 2023-12-26 | 平安科技(深圳)有限公司 | 基于ai面试***的面试方法、装置和计算机设备 |
CN110728182A (zh) * | 2019-09-06 | 2020-01-24 | 平安科技(深圳)有限公司 | 基于ai面试***的面试方法、装置和计算机设备 |
CN110782221A (zh) * | 2019-09-19 | 2020-02-11 | 丁玥 | 一种面试智能评测***及方法 |
WO2021139278A1 (zh) * | 2020-05-28 | 2021-07-15 | 平安科技(深圳)有限公司 | 一种智能面试方法、装置及终端设备 |
CN112418779A (zh) * | 2020-10-30 | 2021-02-26 | 济南浪潮高新科技投资发展有限公司 | 一种基于自然语言理解的在线自助面试方法 |
CN113505604A (zh) * | 2021-07-16 | 2021-10-15 | 牡丹江医学院 | 一种用于心理学教育的在线辅助实验方法、装置及设备 |
CN113505604B (zh) * | 2021-07-16 | 2023-04-18 | 牡丹江医学院 | 一种用于心理学教育的在线辅助实验方法、装置及设备 |
CN113782200A (zh) * | 2021-08-19 | 2021-12-10 | 刘欣 | 心理风险筛查测定方法、装置及计算机设备及存储介质 |
CN113807103A (zh) * | 2021-09-16 | 2021-12-17 | 平安普惠企业管理有限公司 | 基于人工智能的招聘方法、装置、设备及存储介质 |
CN113807103B (zh) * | 2021-09-16 | 2024-04-09 | 陈雪刚 | 基于人工智能的招聘方法、装置、设备及存储介质 |
CN117114475A (zh) * | 2023-08-21 | 2023-11-24 | 广州红海云计算股份有限公司 | 基于多维度人才评估策略的综合能力测评*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109670023A (zh) | 人机自动面试方法、装置、设备和存储介质 | |
CN110085225B (zh) | 语音交互方法、装置、智能机器人及计算机可读存储介质 | |
CN109726974A (zh) | 智能招聘方法、装置、设备及计算机可读存储介质 | |
CN108052605A (zh) | 一种基于客户特征库的智能问答*** | |
WO2021056837A1 (zh) | 服务质量评测产品定制平台及方法 | |
CN109960723A (zh) | 一种用于心理机器人的交互***及方法 | |
Gao | [Retracted] Research and Implementation of Intelligent Evaluation System of Teaching Quality in Universities Based on Artificial Intelligence Neural Network Model | |
CN109165274A (zh) | 一种在线自动客服方法、***及电子设备 | |
CN111222837A (zh) | 智能化面试的方法、***、设备及计算机存储介质 | |
CN110532363A (zh) | 一种基于决策树的任务导向型自动对话方法 | |
CN114418023A (zh) | 一种岗位匹配方法、***、设备及存储介质 | |
CN116542233A (zh) | 法律文书生成方法及装置 | |
CN111405054A (zh) | 智能助教***及方法 | |
Zhou et al. | The power of AI-enabled chatbots as an organizational social listening tool | |
CN111079894B (zh) | Bp神经网络模型构建、商家评价方法与装置 | |
CN111353728A (zh) | 一种风险分析方法和*** | |
CN114418366B (zh) | 一种智能云面试的数据处理方法和装置 | |
KR20200109704A (ko) | 논문심사 스케줄별 논문지도 콘텐츠를 제공하는 논문 컨설팅 서비스 제공 시스템 | |
CN115544234A (zh) | 用户交互方法、装置、电子设备及存储介质 | |
CN109660679A (zh) | 催收坐席端的监控方法、装置、设备和存储介质 | |
CN110955727B (zh) | 学生作业自动记录*** | |
CN112307186A (zh) | 基于情绪识别的问答服务方法、***、终端设备及介质 | |
Shan | A Smart Campus System based on Intention Recognition and Internet of Things | |
CN111177283A (zh) | 一种基于强化学习的智能人事模型构建方法及装置 | |
CN114220055B (zh) | 辅助用户面谈的方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190423 |
|
WD01 | Invention patent application deemed withdrawn after publication |