CN111222837A - 智能化面试的方法、***、设备及计算机存储介质 - Google Patents
智能化面试的方法、***、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN111222837A CN111222837A CN201910968962.9A CN201910968962A CN111222837A CN 111222837 A CN111222837 A CN 111222837A CN 201910968962 A CN201910968962 A CN 201910968962A CN 111222837 A CN111222837 A CN 111222837A
- Authority
- CN
- China
- Prior art keywords
- candidate
- information
- text information
- resume
- emotion
- 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 41
- 230000008451 emotion Effects 0.000 claims abstract description 91
- 238000012795 verification Methods 0.000 claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims abstract description 40
- 238000012360 testing method Methods 0.000 claims abstract description 20
- 230000002996 emotional effect Effects 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 20
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008909 emotion recognition Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 230000007115 recruitment Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000003867 tiredness Effects 0.000 description 3
- 208000016255 tiredness Diseases 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种智能化面试方法，包括：获取候选人简历信息，通过预设网站的应用程序编程接口验证所述简历信息的真实性并记录验证结果；接收面试现场传回的所述候选人语音数据，识别所述语音数据所对应的文本信息并将所述文本信息进行情感标注，分析标注后的文本信息得到所述候选人的素质模型；接收所述候选人上传的***，校验其正确性并得到答题评分，记录所述评分所对应的专业等级；将记录得到的所述候选人对应的各项校验结果进行加权运算，得到所述候选人的最终评估结果。本发明节省了人工面试的时间成本且提高了候选人评估的精准度。
Description
技术领域
本发明实施例涉及人机交互领域，尤其涉及一种智能化面试的方法、***、计算机设备及计算机可读存储介质。
背景技术
招聘是人力资源管理的一个重要环节，每逢用人单位招人高峰期，从大量的候选人中筛选出适合公司相应岗位的人才，企业需要担负较大的时间成本以及人力成本。在目前，企业可通过软件设置粗略的筛选条件如学历专业、工作经验等剔除一部分人选，减少相应的时间成本，但是，候选人的性格，谈吐及部分岗位所需要的抗压能力无法在简历上真实体现，仍需进行人工面试进而确认候选人表达沟通能力以及抗压能力，人力成本消耗仍旧较大。
发明内容
有鉴于此，本发明实施例的目的是提供一种智能化面试的方法、***、计算机设备及计算机可读存储介质，能够更加精确的评估面试候选人相对于应聘岗位的匹配度，进而替代人工面试的环节，节省人力成本。
为实现上述目的，本发明实施例提供了一种智能化面试的方法，包括以下步骤：
获取面试者终端上传的候选人简历信息，通过预设网站的应用程序编程接口获取所述预设网站上的信息以验证所述简历信息的真实性并记录简历信息验证结果；
接收面试现场终端传回的所述候选人语音数据，识别所述语音数据所对应的文本信息并将所述文本信息进行情感标注，分析标注后的文本信息得到所述候选人的素质模型；
接收所述候选人终端上传的***，校验所述***的正确性并得到答题评分，记录所述评分所对应的专业等级；
根据所述简历信息验证结果、所述素质模型以及所述专业等级进行加权运算，得到所述候选人的最终评估结果，将所述评估结果发送至所述面试者终端。
优选地，获取面试者终端上传的候选人简历信息，通过预设网站的应用程序编程接口获取所述预设网站上的信息以验证所述简历信息的真实性并记录简历信息验证结果的步骤包括：
获取所述面试者终端上传的候选人简历信息；
通过预设网站的应用程序编程接口，调用所述候选人在所述预设网站数据库中所对应的真实履历数据；
提取所述候选人简历信息中的指定条目，以所述真实履历数据作为基准，对所述指定条目验证其正确性，并将各条目的验证结果进行存储。
优选地，所述识别所述语音数据所对应的文本信息并将所述文本信息进行情感标注的步骤包括：
识别所述语音数据，生成其对应的文本信息；
对所述生成的文本信息进行分词处理，计算每个分词的情感得分；
以单句为单位，将句子内各分词情感得分进行统计计算，得到各句子的情感得分并对其赋予相应标注。
优选地，所述识别所述语音数据所对应的文本信息并将所述文本信息进行情感标注的步骤还包括：
识别所述语音数据，生成其对应的文本信息；
识别所述文本信息中情感倾向字段，对所述情感倾向字段进行频率计算；
参照预置的预料分析库，对所述情感倾向字段及其频率值赋予权重，计算生成最终情感值，并依据所述最终情感值对所述文本信息赋予相应情感标注。
优选地，所述将所述文本信息进行情感标注的步骤包括：
查找预存储的情感得分与情感标注之间的关系表，得到各句子所对应的情感标注，对各句子的数据首部或尾部增添所对应情感标注的存放地址指针一并存储。
优选地，所述分析标注后的文本信息得到所述候选人的素质模型的步骤包括：
根据所述文本信息对应的面试问题，向预置的素质模型库中查找素质模型集合；
将所述标注后的文本信息与所述集合中各模型进行匹配度计算，选取匹配度最高项作为所述候选人的素质模型。
优选地，所述根据所述简历信息验证结果、所述素质模型以及所述专业等级进行加权运算，得到所述候选人的最终评估结果，将所述评估结果发送至所述面试者终端包括：
对所述简历验证结果、所述素质模型信息以及所述专业等级信息赋予权重值并计算最终评估得分，其中，所述简历验证权重大于所述素质模型信息权重，所述素质模型信息权重大于所述专业等级信息权重；
判断所述最终评估得分是否大于预设阈值，若大于预设阈值，则将所述候选人定义为可以录取。
为实现上述目的，本发明实施例还提供了智能化面试***，包括：
简历验证模块，用于获取面试者终端上传的候选人简历信息，通过预设网站的应用程序编程接口获取所述预设网站上的信息以验证所述简历信息的真实性并记录简历信息验证结果；
素质模型筛选模块，用于接收面试现场终端传回的所述候选人语音数据，识别所述语音数据所对应的文本信息并将所述文本信息进行情感标注，分析标注后的文本信息得到所述候选人的素质模型；
答题评级模块，用于接收所述候选人终端上传的***，校验所述***的正确性并得到答题评分，记录所述评分所对应的专业等级；
加权评估模块，用于根据所述简历信息验证结果、所述素质模型以及所述专业等级进行加权运算，得到所述候选人的最终评估结果，将所述评估结果发送至所述面试者终端。
为实现上述目的，本发明实施例还提供了一种计算机设备，所述计算机设备包括存储器、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，所述计算机程序被处理器执行时实现如上所述的智能化面试方法的步骤。
为实现上述目的，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如上所述的智能化面试方法的步骤。
本发明实施例提供的智能化面试方法、***、计算机设备及计算机可读存储介质，通过利用计算机设备与智能交互的设计，替代了传统的人工面试环节，另外，本发明的针对问答环节配置有情感分析以及候选人素质模型选取步骤，使得对候选人的评估结果更加匹配相应的应聘岗位，例如，工作抗压性等，使得评估结果更加精准，即节省了人工面试的时间成本，又提高了候选人选取的精准度。
附图说明
图1为本发明智能化面试方法实施例一对应的步骤流程图；
图2为本发明智能化面试方法实施例一中步骤S100的流程示意图；
图3为本发明智能化面试方法实施例一中步骤S200的流程示意图；
图4为本发明智能化面试方法实施例一中步骤S200另一实施方式的流程示意图；
图5为本发明智能化面试方法实施例一种步骤S200的流程示意图；
图6为本发明智能化面试方法实施例一种步骤S400的流程示意图；
图7为本发明智能化面试***实施例二程序模块示意图；
图8为本发明计算机设备实施例三的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
应当理解，尽管在本发明实施例中可能采用术语第一、第二等来描述指定关键字，但指定关键字不应限于这些术语。这些术语仅用来将指定关键字彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一指定关键字也可以被称为第二指定关键字，类似地，第二指定关键字也可以被称为第一指定关键字。
取决于语境，如在此所使用的词语“如果”可以被解释称为“在……时”或“当……时”或“相应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或时间)”可以被解释成“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
实施例一
参考图1，
步骤S100获取面试者终端上传的候选人简历信息，通过预设网站的应用程序编程接口获取所述预设网站上的信息以验证所述简历信息的真实性并记录简历信息验证结果。
招聘过程中难免会出现简历造假等现象，因此，对候选人简历中例如学历等信息进行验证是必要的。
示例性的，现有一面试候选人叫张三，其上传的简历信息中，学历为北京大学本科毕业。提取张三简历信息中的人名“张三”作为检索要素，调用学信网API查询接口，从学信网数据库中获取张三所对应的真实学历信息并与候选人上传的简历进行校验。
步骤S200接收面试现场终端传回的所述候选人语音数据，识别所述语音数据所对应的文本信息并将所述文本信息进行情感标注，分析标注后的文本信息得到所述候选人的素质模型。
基于本发明替代人工面试的思想下，与候选人的沟通环节同样利用智能交互进而实现。在面试现场设置有音频采集器例如麦克风，音频播放器例如喇叭等，处理单元将预置好的基础提问发送至面试现场，通过屏幕显示文字或喇叭播放提问的形式告知候选人，候选人在回答问题时，麦克风会将采集到的候选人语音数据通过传输线反馈至处理单元，处理单元将模拟信号的语音数据还原，识别其中的语音文本信息。
识别其中的语音文本信息之后，对语音文本信息进行情感分析并做情感标注。情感分析在计算机技术领域中也叫做情感识别，它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。本发明提供三种专门针对智能化面试***所需要的情感识别方式，在后续段落中会做出阐述。
对文本信息进行情感分析后，参照分析结果对文本信息添加情感标注，情感标注是以一种特定的数字、字符、表情图片等数据添加至文本信息中用以辅助其他处理单元或模块识别其文本信息所蕴含的情感内容。情感标注通常只有几个字节。情感标注的基本单位可以是一个词，一个字，一句话，一个段落甚至整个文本，本发明对此不作限定。
情感标注作为候选人素质模型的一个选定参考，候选人素质模型为用以反映候选人心理素质、情感倾向等非物理属性的一系列数据集合，示例性的，
步骤300接收所述候选人终端上传的***，校验所述***的正确性并得到答题评分，记录所述评分所对应的专业等级。
专业等级也是各用人单位针对应聘人员必不可缺的一环，而校验专业等级的最佳方法便是试题测验。
在试题作答环节，候选人通过计算机设备对预设的试卷进行作答，作答完毕后上传答案，处理单元获取上传的***，根据预置的校对数据对候选人作答数据进行校验并计算其得分。
其中，针对试题得分可以设置对应的专业等级评级，示例性的，预置有评级策略，90-100分段评级为A，70-90分段评级为B，40-70分段评级为C，是否运用该策略根据实际需求场景而定，本发明仅为满足更多需求场景从而提出该策略构思，并不对此进行限定。
另外，步骤300，步骤200以及步骤100可以顺序打乱，本发明对该三个步骤并不做顺序限定。
步骤S400根据所述简历信息验证结果、所述素质模型以及所述专业等级进行加权运算，得到所述候选人的最终评估结果，将所述评估结果发送至所述面试者终端。
具体的，校验结果可以包括前述这步骤中的简历验证结果，候选人素质模型选定，专业等级评定结果，还可以包括其余额外附加结果，例如：根据候选人的薪资要求判断是否符合预期，根据离职原因判断候选人是否稳定等，技术人员可根据需求场景增加校验步骤和校验参数。
对各校验结果赋予权重值进行加权运算，生成候选人的最终评估结果。
本发明通过利用计算机设备与智能交互的设计，替代了传统的人工面试环节，另外，本发明的针对问答环节配置有情感分析以及候选人素质模型选取步骤，使得对候选人的评估结果更加匹配相应的应聘岗位，例如，工作抗压性等，使得评估结果更加精准，即节省了人工面试的时间成本，又提高了候选人选取的精准度。
可选的，参考图2，步骤S100获取面试者终端上传的候选人简历信息，通过预设网站的应用程序编程接口获取所述预设网站上的信息以验证所述简历信息的真实性并记录简历信息验证结果的步骤包括：
步骤S110获取所述面试者终端上传的候选人简历信息。
获取候选人简历信息的方式可以为候选人主动投递或从相关招聘网站拉取数据，但通常的，候选人在面试中上传的简历较于招聘网站中候选人的简历要更加全面，因此获取候选人简历信息的方式也可以为对候选人面试递交的纸质版简历进行扫描，生成PDF文件，处理单元再识别PDF文件中各文本字段，以进行后续的简历校验步骤。
步骤S120通过预设网站的应用程序编程接口，调用所述候选人在所述预设网站数据库中所对应的真实履历数据；
校验候选人简历真实性需要能够作为基准对比的真实数据，例如学信网等官方认证的数据库网站，其中，应用程序编程接口在计算机技术中又名API接口，具体的利用候选人名称等作为查询条件，调用学信网数据库接口，获取与候选人名称对应的学历信息。
步骤S130提取所述候选人简历信息中的指定条目，以所述真实履历数据作为基准，对所述指定条目验证其正确性，并将各条目的验证结果进行存储。
示例性的，候选人简历中提及候选人本科毕业于“北京大学”，提取“北京大学”字段，对学信网拉取的候选人学历信息中各文本字段进行遍历，进而验证其真实性,下提供简易代码方便理解：
if(value！＝“北京大学”)
System.out.println(候选简历真实)
可选的，参考图3,
步骤S200接收面试现场传回的所述候选人语音数据，识别所述语音数据所对应的文本信息并将所述文本信息进行情感标注，分析标注后的文本信息得到所述候选人的素质模型步骤包括：
步骤S210识别所述语音数据，生成其对应的文本信息；
通过麦克风等音频采集的语音数据为模拟型号模式，处理单元将其转换成计算机可识别的数字信号，或通过其他模块例如信号处理模块等将其转换，转换完毕后，处理单元再读取其数字信号中的文本信息，将所述文本信息加载至缓存区中，以便进行后续情感标注处理。
步骤S220对所述生成的文本信息进行分词处理，计算每个分词的情感得分；
具体的，情感分析对象的最小粒度是词汇，但表达一个情感的基本单位是句子，词汇虽然能够面熟情感的基本信息，但是单一的词汇缺少对象，缺少关联程度，并且不同的词汇组合在一起所得到的情感程度不同甚至情感倾向都相反，所以以句子为最基本的情感分析粒度是较为合理的，拥有较高的准确性。
示例性的，分词处理如下：
我/上家/公司/福利/还可以/，/但是/加班/太多了/。
针对各分词，技术人员预置有设定好的预料数据库，其中数据库中定义了每个情感词的权值，所述权值跟其程度有关。
具体的，“还可以”为褒义词，“太多了”为贬义词，并且“太多了”的情感程度级别很高，体现了候选人对加班的极度抱怨的情绪，其中隐含了候选人的工作抗压心里素质不高，如果应聘岗位的加班频率很高，则录用该候选人容易产生不稳定的问题，候选人入职后容易出现离职。
语料数据库中褒义词记为正数，贬义词记录为负数，上述句子中，“还可以”在数据库中为“+1”，“太多了”为“-2”。
步骤S230以单句为单位，将句子内各分词情感得分进行统计计算，得到各句子的情感得分并对其赋予相应标注。
接续上述内容，通过统计各分词情感得分进而计算单句的情感得分，“我/上家/公司/福利/还可以/，/但是/加班/太多了/”仅有两个情感词“还可以”，“太多了”，“还可以”分数为“+1”，“太多了”为“-2”，则该句情感得分为1-2＝-1，该句子所对应的情感内容为褒义。
当分析出情感信息后，将其作为所述文本信息的标签进行设置，与该句子简历映射关系一并存储。
可选的，参考图4，
步骤S200接收面试现场传回的所述候选人语音数据，识别所述语音数据所对应的文本信息并将所述文本信息进行情感标注，分析标注后的文本信息得到所述候选人的素质模型步骤还包括：
步骤S240识别所述语音数据，生成其对应的文本信息。
步骤S250识别所述文本信息中情感倾向字段，对所述情感倾向字段进行频率计算。
情感倾向字段进行频率计算的方式为本发明为文本信息情感精准识别的设计的第二种实施方式，在下文开始进一步阐述该实施方式时，首先想想人看到一句话是如何思考的。
比如：他昨天加了一天班，看起来很累。对于加班和很累，只是具体的对话对象，表明讨论的是今天的天气，而真正起作用的是“很累”，因此才会得出句子是负面的评价，“很累”在文本信息中可以定义为情感倾向字段
步骤S260参照预置的预料分析库，对所述情感倾向字段及其频率值赋予权重，计算生成最终情感值，并依据所述最终情感值对所述文本信息赋予相应情感标注。
依据上述思想，计算所述情感倾向字段在单句或整体文本信息中的出现的频率，并参照频率值和其对应的预置权值计算该情感倾向字段的情感得分。统计所有情感倾向字段的情感得分进行value值计算，进而得到最终情感值。
可选的，步骤220中的将所述文本信息进行情感标注的步骤包括：
查找预存储的情感得分与情感标注之间的关系表，得到各句子所对应的情感标注，对各句子的数据首部或尾部增添所对应情感标注的存放地址指针一并存储。。
由于表情符号能够对情感信息进行表示，因此可对情感信息进行匹配来获得对应的表情符号，示例性的，预置数据库中存储有多种表情符号以及每种表情符号对应的情感信息，从而在匹配时，可以在该数据库中匹配到与前述步骤计算的得到的情感得分所对应的表情符号。例如，短句“以前工作加班比较多”，识别到的是负面情绪，用一个用以表示负面情绪的表情符号，与该短句建立映射关系并作为该短句的标签进行存储。
在另一个实施例中，也可采用添加符号用以表示标签，具体如下：
实例文档：
<none>这次我们选择住在了一家五星级酒店。
<+S>那很不错
<-N>就是中午自助餐，哎，无论去多少人，那边也不加食品的。
表1
如表1，上述标签主要作用为标注句子的情感倾向性。标注位置在句首。标签的表示方法含义如上述。
具体的，查找预存储的情感得分与情感标注之间的关系表，得到各句子所对应的情感标注，对各句子的数据首部或尾部增添所对应情感标注的存放地址指针一并存储。
选取“<none>这次我们选择住在了一家五星级酒店”做例子，经分析得到“这次我们选择住在了一家五星级酒店”的情感为none，none的存放地址为0010，则对句子数据“我们选择住在了一家五星级酒店”首部或尾部增添0010，其形式为“0010我们选择住在了一家五星级酒店”或“我们选择住在了一家五星级酒店0010”，当然，“我们选择住在了一家五星级酒店”在存储形式同样为0和1组成的字节数据，为方便阐述这里采用文字代替，由于指针比实际情感的表征数据的字节数要少，因此，利用指针进行增添存储能够减少存储空间的占用。
可选的，参考图5，步骤S200中分析标注后的文本信息得到所述候选人的素质模型的步骤包括：
步骤S270根据所述文本信息对应的面试问题，向预置的素质模型库中查找素质模型集合；
步骤S280将所述标注后的文本信息与所述集合中各模型进行匹配度计算，选取匹配度最高项作为所述候选人的素质模型。
具体的，对于标注后的文本信息，可通过预先构建的素质模型库，寻找相匹配的素质模型，即可得到候选人所对应能够反映其自身素质的素质模型。素质模型所表征的参数包括人的性格、谈吐、沟通能力以及抗压能力等。
可选的，参考图6，步骤S400包括：
S410对所述简历验证结果、所述素质模型信息以及所述专业等级信息赋予权重值并计算最终评估得分，其中，所述简历验证权重大于所述素质模型信息权重，所述素质模型信息权重大于所述专业等级信息权重；
S420判断所述最终评估得分是否大于预设阈值，若大于预设阈值，则将所述候选人定义为可以录取。
示例性的，预先设置的加权算法为，候选人的素质模型分数占比10％，专业成绩分数占比80％，其余简历要素(例如学历等)占比10％，若张三素质模型得30分，专业成绩得100分，其余简历要素得50分，则张三的评估结果为30*10％+100*80+50*10＝88分，面试官可通过查询处理单元所给出的各候选人评估结果来进行择优录取，另外，评估结果并不仅限于具体分数，在另一个实施例中，评估结果可以报告的形式展现，例如，候选人素质模型用六边形模型展示，配合专业成绩具体分数以及其余简历要素形成可视性报告进行显现。加权算法的占比以及算法本身可以由开发人员进行调整。
另外，在另一种实施例中，本发明还提供情感识别的第三种逻辑思路作为补充，包括：
其一为利用候选人说话时的情绪定义情感信息，即提取语音数据中的声学特征，分析进而识别语音数据所对应的情感信息，声学特征对应参数可参考LPCC线性预测倒谱系数，MFCC参数，共振峰参数、基于韵律特征的基频参数、能量方面的特征参数、说话时长以及振幅参数进行提取。
其二为利用候选人所说的话的语义本身来定义情感信息，比如候选人不带强烈情感的说：以前工作加班比较多，这是向以前工作表达一种不满，应为负面情绪，把“工作”、“多”连成一块儿，做成一个预设对比模板，当处理单元检测到候选人说出此类语句，且音调正常时，可识别候选人所表达的应是负面情绪。在其它的实施例中，处理单元还可通过会议室的摄像头，提取候选者的脸部特征点，对候选者的表情以及喉结蠕动等各个细节进行分析检测，完成情感信息识别。
实施例二
参阅图7，示出了本发明智能化面试***实施例二的程序模块示意图。在本实施例中，基于智能化面试***20可以包括或被分割成一个或多个程序模块，一个或者多个程序模块被存储于存储介质中，并由一个或多个处理器所执行，以完成本发明，并可实现上述智能化面试方法。本发明实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序本身更适合于描述基于智能化面试***20在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能：
简历验证模块200，用于获取面试者终端上传的候选人简历信息，通过预设网站的应用程序编程接口获取所述预设网站上的信息以验证所述简历信息的真实性并记录简历信息验证结果；
在示例性的实施例中，所述简历验证模块200进一步用于获取所述候选人所提交的简历信息；
通过预设网站的应用程序编程接口，调用所述候选人在所述预设网站数据库中所对应的真实履历数据；
提取所述候选人简历信息中的指定条目，以所述真实履历数据作为基准，对所述指定条目验证其正确性，并将各条目的验证结果进行存储。
素质模型筛选模块210，用于接收面试现场终端传回的所述候选人语音数据，识别所述语音数据所对应的文本信息并将所述文本信息进行情感标注，分析标注后的文本信息得到所述候选人的素质模型；
在示例性的实施例中，所述素质模型筛选模块210进一步用于识别所述语音数据，生成其对应的文本信息；
对所述生成的文本信息进行分词处理，计算每个分词的情感得分；
以单句为单位，将句子内各分词情感得分进行统计计算，得到各句子的情感得分并对其赋予相应标注。
在示例性的实施例中，所述素质模型筛选模块210还进一步用于识别所述语音数据，生成其对应的文本信息；
识别所述文本信息中情感倾向字段，对所述情感倾向字段进行频率计算；
参照预置的预料分析库，对所述情感倾向字段及其频率值赋予权重，计算生成最终情感值，并依据所述最终情感值对所述文本信息赋予相应情感标注。
可选的，所述素质模型筛选模块210针对情感标注的定义形式包括表情符号标签、***数字标签以及字母标签。
在示例性的实施例中，所述素质模型筛选模块210还进一步用于根据所述文本信息对应的面试问题，向预置的素质模型库中查找素质模型集合；
将所述标注后的文本信息与所述集合中各模型进行匹配度计算，选取匹配度最高项作为所述候选人的素质模型。
答题评级模块220，用于接收所述候选人终端上传的***，校验所述***的正确性并得到答题评分，记录所述评分所对应的专业等级；
加权评估模块230，用于根据所述简历信息验证结果、所述素质模型以及所述专业等级进行加权运算，得到所述候选人的最终评估结果，将所述评估结果发送至所述面试者终端。
在示例性的实施例中，所述加权评估模块230还进一步用于对所述简历验证结果、所述素质模型信息以及所述专业等级信息赋予权重值并计算最终评估得分，其中，所述简历验证权重大于所述素质模型信息权重，所述素质模型信息权重大于所述专业等级信息权重；
判断所述最终评估得分是否大于预设阈值，若大于预设阈值，则将所述候选人定义为可以录取。
实施例三
参阅图8，是本发明实施例三之计算机设备的硬件架构示意图。本实施例中，所述计算机设备2是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。该计算机设备2可以是个人计算机、平板计算机、移动电话等，也可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等用于提供虚拟客户端的云设备。如图所示，所述计算机设备2至少包括，但不限于，可通过***总线相互通信连接存储器21、处理器22、网络接口23、以及基于智能化面试***20。其中：
本实施例中，存储器21至少包括一种类型的计算机可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器21可以是计算机设备2的内部存储单元，例如该计算机设备2的硬盘或内存。在另一些实施例中，存储器21也可以是计算机设备2的外部存储设备，例如该计算机设备2上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中，存储器21通常用于存储安装于计算机设备2的操作***和各类应用软件，例如实施例一的智能化面试方法的程序代码等。此外，存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备2的总体操作。本实施例中，处理器22用于运行存储器21中存储的程序代码或者处理数据，例如智能化***20，以实现实施例一的智能化面试方法。
所述网络接口23可包括无线网络接口或有线网络接口，该网络接口23通常用于在所述计算机设备2与其他电子装置之间建立通信连接。例如，所述网络接口23用于通过网络将所述计算机设备2与外部终端相连，在所述计算机设备2与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯***(Global System of Mobile communication，GSM)、宽带码分多址(WidebandCode Division Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是，图8仅示出了具有部件20-23的计算机设备2，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。
在本实施例中，存储于存储器21中的所述智能化面试***20还可以被分割为一个或者多个程序模块，所述一个或者多个程序模块被存储于存储器21中，并由一个或多个处理器(本实施例为处理器22)所执行，以完成本发明。
例如，附图示出了所述实现智能化面试***20实施例四的程序模块示意图，该实施例中，所述智能化面试***20可以被划分为简历验证模块200、素质模型筛选模块210、答题评级模块220、加权评估模块230。其中，本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述所述智能化***20在所述计算机设备2中的执行过程。所述程序模块200-230的具体功能在实施例二中已有详细描述，在此不再赘述。
实施例四
本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储智能化面试***20，被处理器执行时实现实施例一的基于智能化面试方法。
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。
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)
1.一种智能化面试方法，其特征在于，包括：
获取面试者终端上传的候选人简历信息，通过预设网站的应用程序编程接口获取所述预设网站上的信息以验证所述简历信息的真实性并记录简历信息验证结果；
接收面试现场终端传回的所述候选人语音数据，识别所述语音数据所对应的文本信息并将所述文本信息进行情感标注，分析标注后的文本信息得到所述候选人的素质模型；
接收所述候选人终端上传的***，校验所述***的正确性并得到答题评分，记录所述评分所对应的专业等级；
根据所述简历信息验证结果、所述素质模型以及所述专业等级进行加权运算，得到所述候选人的最终评估结果，将所述评估结果发送至所述面试者终端。
2.根据权利要求1所述的智能化面试方法，其特征在于，所述获取面试者终端上传的候选人简历信息，通过预设网站的应用程序编程接口获取所述预设网站上的信息以验证所述简历信息的真实性并记录简历信息验证结果的步骤包括：
获取所述面试者终端上传的候选人简历信息；
通过预设网站的应用程序编程接口，调用所述候选人在所述预设网站数据库中所对应的真实履历数据；
提取所述候选人简历信息中的指定条目，以所述真实履历数据作为基准，对所述指定条目验证其正确性，并将各条目的验证结果进行存储。
3.根据权利要求1所述的智能化面试方法，其特征在于，所述识别所述语音数据所对应的文本信息并将所述文本信息进行情感标注的步骤包括：
识别所述语音数据，生成其对应的文本信息；
对所述生成的文本信息进行分词处理，计算每个分词的情感得分；
以单句为单位，将句子内各分词情感得分进行统计计算，得到各句子的情感得分并对其赋予相应标注。
4.根据权利要求1所述的智能化面试方法，其特征在于，所述识别所述语音数据所对应的文本信息并将所述文本信息进行情感标注的步骤还包括：
识别所述语音数据，生成其对应的文本信息；
识别所述文本信息中情感倾向字段，对所述情感倾向字段进行频率计算；
参照预置的预料分析库，对所述情感倾向字段及其频率值赋予权重，计算生成最终情感值，并依据所述最终情感值对所述文本信息赋予相应情感标注。
5.根据权利要求3所述的智能化面试方法，其特征在于，所述将所述文本信息进行情感标注的步骤包括：
查找预存储的情感得分与情感标注之间的关系表，得到各句子所对应的情感标注，对各句子的数据首部或尾部增添所对应情感标注的存放地址指针一并存储。
6.根据权利要求1所述的智能化面试方法，其特征在于，所述分析标注后的文本信息得到所述候选人的素质模型的步骤包括：
根据所述文本信息对应的面试问题，向预置的素质模型库中查找素质模型集合；
将所述标注后的文本信息与所述集合中各模型进行匹配度计算，选取匹配度最高项作为所述候选人的素质模型。
7.根据权利要求1所述的智能化面试方法，其特征在于，所述根据所述简历信息验证结果、所述素质模型以及所述专业等级进行加权运算，得到所述候选人的最终评估结果，将所述评估结果发送至所述面试者终端的步骤包括：
对所述简历验证结果、所述素质模型信息以及所述专业等级信息赋予权重值并计算最终评估得分，其中，所述简历验证权重大于所述素质模型信息权重，所述素质模型信息权重大于所述专业等级信息权重；
判断所述最终评估得分是否大于预设阈值，若大于预设阈值，则将所述候选人定义为可以录取。
8.一种智能化面试***，其特征在于，包括：
简历验证模块，用于获取面试者终端上传的候选人简历信息，通过预设网站的应用程序编程接口获取所述预设网站上的信息以验证所述简历信息的真实性并记录简历信息验证结果；
素质模型筛选模块，用于接收面试现场终端传回的所述候选人语音数据，识别所述语音数据所对应的文本信息并将所述文本信息进行情感标注，分析标注后的文本信息得到所述候选人的素质模型；
答题评级模块，用于接收所述候选人终端上传的***，校验所述***的正确性并得到答题评分，记录所述评分所对应的专业等级；
加权评估模块，用于根据所述简历信息验证结果、所述素质模型以及所述专业等级进行加权运算，得到所述候选人的最终评估结果，将所述评估结果发送至所述面试者终端。
9.一种计算机设备，所述计算机设备包括存储器、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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的智能化面试方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个存储器所执行，以使所述至少一个处理器执行如权利要求1至7中任一项所述的智能化面试方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910968962.9A CN111222837A (zh) | 2019-10-12 | 2019-10-12 | 智能化面试的方法、***、设备及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910968962.9A CN111222837A (zh) | 2019-10-12 | 2019-10-12 | 智能化面试的方法、***、设备及计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111222837A true CN111222837A (zh) | 2020-06-02 |
Family
ID=70828954
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910968962.9A Pending CN111222837A (zh) | 2019-10-12 | 2019-10-12 | 智能化面试的方法、***、设备及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111222837A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111833010A (zh) * | 2020-06-12 | 2020-10-27 | 北京网聘咨询有限公司 | 一种智能面试方法、***、设备和存储介质 |
| CN112786054A (zh) * | 2021-02-25 | 2021-05-11 | 深圳壹账通智能科技有限公司 | 基于语音的智能面试评估方法、装置、设备及存储介质 |
| CN114418366A (zh) * | 2022-01-06 | 2022-04-29 | 北京博瑞彤芸科技股份有限公司 | 一种智能云面试的数据处理方法和装置 |
| 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 (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106991172A (zh) * | 2017-04-05 | 2017-07-28 | 安徽建筑大学 | 一种多模态情感交互数据库的建立方法 |
| CN107909339A (zh) * | 2017-11-01 | 2018-04-13 | 平安科技（深圳）有限公司 | 应聘人员验证定级方法、应用服务器及计算机可读存储介质 |
| CN109298779A (zh) * | 2018-08-10 | 2019-02-01 | 济南奥维信息科技有限公司济宁分公司 | 基于虚拟代理交互的虚拟训练***与方法 |
| CN109325124A (zh) * | 2018-09-30 | 2019-02-12 | 武汉斗鱼网络科技有限公司 | 一种情感分类方法、装置、服务器和存储介质 |
| CN109766917A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 面试视频数据处理方法、装置、计算机设备和存储介质 |
| CN109960725A (zh) * | 2019-01-17 | 2019-07-02 | 平安科技（深圳）有限公司 | 基于情感的文本分类处理方法、装置和计算机设备 |
| CN110162599A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 招聘面试方法、装置及计算机可读存储介质 |
| CN110211591A (zh) * | 2019-06-24 | 2019-09-06 | 卓尔智联(武汉)研究院有限公司 | 基于情感分类的面试数据分析方法、计算机装置及介质 |
-
2019
- 2019-10-12 CN CN201910968962.9A patent/CN111222837A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106991172A (zh) * | 2017-04-05 | 2017-07-28 | 安徽建筑大学 | 一种多模态情感交互数据库的建立方法 |
| CN107909339A (zh) * | 2017-11-01 | 2018-04-13 | 平安科技（深圳）有限公司 | 应聘人员验证定级方法、应用服务器及计算机可读存储介质 |
| CN109298779A (zh) * | 2018-08-10 | 2019-02-01 | 济南奥维信息科技有限公司济宁分公司 | 基于虚拟代理交互的虚拟训练***与方法 |
| CN109325124A (zh) * | 2018-09-30 | 2019-02-12 | 武汉斗鱼网络科技有限公司 | 一种情感分类方法、装置、服务器和存储介质 |
| CN109766917A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 面试视频数据处理方法、装置、计算机设备和存储介质 |
| CN109960725A (zh) * | 2019-01-17 | 2019-07-02 | 平安科技（深圳）有限公司 | 基于情感的文本分类处理方法、装置和计算机设备 |
| CN110162599A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 招聘面试方法、装置及计算机可读存储介质 |
| CN110211591A (zh) * | 2019-06-24 | 2019-09-06 | 卓尔智联(武汉)研究院有限公司 | 基于情感分类的面试数据分析方法、计算机装置及介质 |
Non-Patent Citations (2)
| Title |
|---|
| 周鸣争: "《大数据导论》", 31 March 2018, 中国铁道出版社, pages: 114 * |
| 昵称败给了备注: ""根据某某数量加权，是什么意思？"", pages 1, Retrieved from the Internet <URL:https://www.zhihu.com/question/24656722> * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111833010A (zh) * | 2020-06-12 | 2020-10-27 | 北京网聘咨询有限公司 | 一种智能面试方法、***、设备和存储介质 |
| CN112786054A (zh) * | 2021-02-25 | 2021-05-11 | 深圳壹账通智能科技有限公司 | 基于语音的智能面试评估方法、装置、设备及存储介质 |
| CN112786054B (zh) * | 2021-02-25 | 2024-06-11 | 深圳壹账通智能科技有限公司 | 基于语音的智能面试评估方法、装置、设备及存储介质 |
| CN114418366A (zh) * | 2022-01-06 | 2022-04-29 | 北京博瑞彤芸科技股份有限公司 | 一种智能云面试的数据处理方法和装置 |
| CN114418366B (zh) * | 2022-01-06 | 2022-08-26 | 北京博瑞彤芸科技股份有限公司 | 一种智能云面试的数据处理方法和装置 |
| 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 |
|---|---|---|
| CN112346567B (zh) | 基于ai的虚拟交互模型生成方法、装置及计算机设备 | |
| CN109767787B (zh) | 情绪识别方法、设备及可读存储介质 | |
| CN111222837A (zh) | 智能化面试的方法、***、设备及计算机存储介质 | |
| CN110597952A (zh) | 信息处理方法、服务器及计算机存储介质 | |
| CN110874716A (zh) | 面试测评方法、装置、电子设备及存储介质 | |
| CN109360550A (zh) | 语音交互***的测试方法、装置、设备和存储介质 | |
| WO2021056837A1 (zh) | 服务质量评测产品定制平台及方法 | |
| CN108268450B (zh) | 用于生成信息的方法和装置 | |
| CN111783471B (zh) | 自然语言的语义识别方法、装置、设备及存储介质 | |
| CN111695338A (zh) | 基于人工智能的面试内容精炼方法、装置、设备及介质 | |
| KR102476099B1 (ko) | 회의록 열람 문서 생성 방법 및 그 장치 | |
| CN111177307A (zh) | 一种基于语义理解相似度阀值配置的测试方案及*** | |
| CN112235470B (zh) | 基于语音识别的来电客户跟进方法、装置及设备 | |
| CN111190946A (zh) | 报告生成方法、装置、计算机设备和存储介质 | |
| CN113807103A (zh) | 基于人工智能的招聘方法、装置、设备及存储介质 | |
| CN107844531B (zh) | 答案输出方法、装置和计算机设备 | |
| CN112395887A (zh) | 对话应答方法、装置、计算机设备和存储介质 | |
| CN115641101A (zh) | 一种智能化招聘的方法、装置及计算机可读介质 | |
| CN109408175B (zh) | 通用高性能深度学习计算引擎中的实时交互方法及*** | |
| KR102280490B1 (ko) | 상담 의도 분류용 인공지능 모델을 위한 훈련 데이터를 자동으로 생성하는 훈련 데이터 구축 방법 | |
| Pandey et al. | Interview bot with automatic question generation and answer evaluation | |
| KR20210009266A (ko) | 음성 인식 기반의 세일즈 대화 분석 방법 및 장치 | |
| CN113609833B (zh) | 文件的动态生成方法、装置、计算机设备及存储介质 | |
| CN114528851B (zh) | 回复语句确定方法、装置、电子设备和存储介质 | |
| KR20130073709A (ko) | 영상 및 음성 정보를 이용한 명함 인식 방법 및 장치 |
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 |