CN111723180A - 一种面试方法和装置 - Google Patents

一种面试方法和装置 Download PDF

Info

Publication number
CN111723180A
CN111723180A CN202010514087.XA CN202010514087A CN111723180A CN 111723180 A CN111723180 A CN 111723180A CN 202010514087 A CN202010514087 A CN 202010514087A CN 111723180 A CN111723180 A CN 111723180A
Authority
CN
China
Prior art keywords
interview
interviewer
keyword information
video
test
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
Application number
CN202010514087.XA
Other languages
English (en)
Inventor
吴昀蓁
冯程
郑邦东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Construction Bank Corp
Original Assignee
China Construction Bank Corp
CCB Finetech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Construction Bank Corp, CCB Finetech Co Ltd filed Critical China Construction Bank Corp
Priority to CN202010514087.XA priority Critical patent/CN111723180A/zh
Publication of CN111723180A publication Critical patent/CN111723180A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3343—Query execution using phonetics
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Strategic Management (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种面试方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：从面试者简历中提取出第一关键字信息，从岗位需要中提取出第二关键字信息；根据所述第一关键字信息和所述第二关键字信息从面试题库中筛选出若干个试题；采集所述面试者回答所述若干个试题时的面试视频；基于所述面试视频的音频和视频帧计算所述面试者的面试结果。该实施方式能够解决面试结果不准确和面试效率低的技术问题。

Description

一种面试方法和装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种面试方法和装置。
背景技术
目前大多数企业面试流程复杂，招聘人员需要从数以万计的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。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
大部分的面试过程都是繁杂并且耗时的，企业招聘人员需要精心安排面试官和应聘者的时间，以及面试地点。这一系列复杂的招聘流程浪费了招聘人员和参与面试的相关人员的时间，浪费了企业的资源，导致面试效率低。
除了上述的传统面试流程，当前也有一些智能面试***，但是现有智能面试技术所包含的面试问题千篇一律，使用时间过长后，准备面试人员很容易在网上找到对应题库提前准备，而且没有针对面试者的实际情况针对性的提问，导致面试结果不够准确。
发明内容
有鉴于此，本发明实施例提供一种面试方法和装置，以解决面试结果不准确和面试效率低的技术问题。
为实现上述目的，根据本发明实施例的一个方面，提供了一种面试方法，包括：
从面试者简历中提取出第一关键字信息，从岗位需要中提取出第二关键字信息；
根据所述第一关键字信息和/或所述第二关键字信息从面试题库中筛选出若干个试题；
采集所述面试者回答所述若干个试题时的面试视频；
基于所述面试视频的音频和视频帧计算所述面试者的面试结果。
可选地，基于所述面试视频的音频和视频帧计算所述面试者的面试结果，包括：
对于所述若干个试题中的每个试题：
利用语音识别技术将所述面试视频中的音频转换为文本信息，将所述文本信息与所述试题的答案文本进行比对，得到初始面试结果；
对所述面试视频的音频和视频帧进行信用识别，以获得信用值参数；
基于所述信用值参数修正所述初始面试结果；
将每个试题的修正后的所述初始面试结果相加，从而得到所述面试者的面试结果。
可选地，对所述面试视频的音频和视频帧进行信用识别，以获得信用值参数，包括：
利用声音特征识别技术对所述面试视频的音频进行声纹特征检测，以获得声纹信用值参数；
利用微表情识别技术识别所述面试视频的视频帧中面试者的微表情，以获得微表情信用值参数；
利用肢体识别技术识别所述面试视频的视频帧中面试者的肢体，以获得肢体信用值参数。
可选地，基于所述信用值参数修正所述初始面试结果，包括：
将所述声纹信用值参数、所述微表情信用值参数和所述肢体信用值参数分别作为所述初始面试结果的权重，通过所述权重修正所述初始面试结果。
可选地，根据所述第一关键字信息和/或所述第二关键字信息从面试题库中筛选出若干个试题，包括：
从面试题库中筛选出标签与所述第一关键字信息匹配和/或所述第二关键字信息匹配的若干个试题；
其中，所述面试题库中的每个试题标记有至少一个标签。
可选地，所述面试题库包括若干个子面试题库，各个子面试题库之间的试题难度等级各不相同；
根据所述第一关键字信息和所述第二关键字信息从面试题库中筛选出若干个试题，包括：
从每个子面试题库中分别筛选出标签与所述第一关键字信息匹配和/或所述第二关键字信息匹配的若干个试题。
可选地，各个子面试题库分别配置有试题权重；
将每个试题的修正后的所述初始面试结果相加，从而得到所述面试者的面试结果，包括：
基于若干个试题中的每个试题的试题权重，每个试题的修正后的所述初始面试结果进行加权求和，从而得到所述面试者的面试结果。
另外，根据本发明实施例的另一个方面，提供了一种面试装置，包括：
提取模块，用于从面试者简历中提取出第一关键字信息，从岗位需要中提取出第二关键字信息；
筛选模块，用于根据所述第一关键字信息和/或所述第二关键字信息从面试题库中筛选出若干个试题；
采集模块，用于采集所述面试者回答所述若干个试题时的面试视频；
计算模块，用于基于所述面试视频的音频和视频帧计算所述面试者的面试结果。
可选地，所述计算模块还用于：
对于所述若干个试题中的每个试题：
利用语音识别技术将所述面试视频中的音频转换为文本信息，将所述文本信息与所述试题的答案文本进行比对，得到初始面试结果；
对所述面试视频的音频和视频帧进行信用识别，以获得信用值参数；
基于所述信用值参数修正所述初始面试结果；
将每个试题的修正后的所述初始面试结果相加，从而得到所述面试者的面试结果。
可选地，所述计算模块还用于：
利用声音特征识别技术对所述面试视频的音频进行声纹特征检测，以获得声纹信用值参数；
利用微表情识别技术识别所述面试视频的视频帧中面试者的微表情，以获得微表情信用值参数；
利用肢体识别技术识别所述面试视频的视频帧中面试者的肢体，以获得肢体信用值参数。
可选地，所述计算模块还用于：
将所述声纹信用值参数、所述微表情信用值参数和所述肢体信用值参数分别作为所述初始面试结果的权重，通过所述权重修正所述初始面试结果。
可选地，所述筛选模块还用于：
从面试题库中筛选出标签与所述第一关键字信息匹配和/或所述第二关键字信息匹配的若干个试题；
其中，所述面试题库中的每个试题标记有至少一个标签。
可选地，所述面试题库包括若干个子面试题库，各个子面试题库之间的试题难度等级各不相同；
可选地，所述筛选模块还用于：
从每个子面试题库中分别筛选出标签与所述第一关键字信息匹配和/或所述第二关键字信息匹配的若干个试题。
可选地，各个子面试题库分别配置有试题权重；
所述计算模块还用于：
基于若干个试题中的每个试题的试题权重，每个试题的修正后的所述初始面试结果进行加权求和，从而得到所述面试者的面试结果。
根据本发明实施例的另一个方面，还提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，所述一个或多个处理器实现上述任一实施例所述的方法。
根据本发明实施例的另一个方面，还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果：因为采用采集面试者回答所述若干个试题时的面试视频，基于面试视频的音频和视频帧计算面试者的面试结果的技术手段，所以克服了现有技术中面试结果不准确和面试效率低的技术问题。本发明实施例首先通过面试者简历和岗位需求中的关键字信息筛选出合适的试题，然后从音频和视频维度进行分析计算，并根据计算结果修正初始面试结果，不但提高了面试效率，还能够提高面试结果的准确性。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的面试方法的主要流程的示意图；
图2是根据本发明实施例的关键信息提取和筛选试题的流程示意图；
图3是根据本发明实施例的生成面试结果的流程示意图；
图4是根据本发明一个可参考实施例的面试方法的主要流程的示意图；
图5是根据本发明实施例的面试装置的主要模块的示意图；
图6是本发明实施例可以应用于其中的示例性***架构图；
图7是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的面试方法的主要流程的示意图。作为本发明的一个实施例，如图1所示，所述面试方法可以包括：
步骤101，从面试者简历中提取出第一关键字信息，从岗位需要中提取出第二关键字信息。
为了筛选出合适的试题，首先通过自然语言处理技术提取出面试者简历中的第一关键字信息，比如工作经验、项目经验、掌握技术、学历等关键字信息，以及招聘公司的岗位需求中的第二关键字信息，比如工作经验、项目经验、掌握技术、学历等关键字信息。
步骤102，根据所述第一关键字信息和/或所述第二关键字信息从面试题库中筛选出若干个试题。
根据第一关键字信息和/或所述第二关键字信息从面试题库中筛选出试题，能够准确地把握面试者的能力和招聘公司的需求，有利于筛选出合适的试题，从而了解面试者更真实的特点和能力。
可选地，步骤102可以包括：从面试题库中筛选出标签与所述第一关键字信息匹配和/或所述第二关键字信息匹配的若干个试题；其中，所述面试题库中的每个试题标记有至少一个标签。在本发明的实施例中，优选筛选出标签与所述第一关键字信息匹配和所述第二关键字信息均匹配的若干个试题，若筛选出的试题数量少于预设阈值，则再考虑筛选出与所述第一关键字信息匹配或者所述第二关键字信息匹配的试题，直到试题数量达到预设阈值。
可选地，所述面试题库包括若干个子面试题库，各个子面试题库之间的试题难度等级各不相同。面试***可以随机地从若干个子面试题库中筛选出试题，也可以按照预设规则从若干个子面试题库中筛选出试题。由于每个子面试题库之间的试题难度各不相同，因此可以针对不同的面试者，从不同的子面试题库中筛选出符合不同面试者的试题。可选地，各个子面试题库分别配置有试题权重，为了准确地计算最终的面试结果，可以预先为各个子面试题库配置试题权重，同一个子面试题库内的试题的权重相同。
可选地，根据所述第一关键字信息和所述第二关键字信息从面试题库中筛选出若干个试题，包括：从每个子面试题库中分别筛选出标签与所述第一关键字信息匹配和/或所述第二关键字信息匹配的若干个试题。为了全面的考核面试者，可以从每个子面试题库中分别筛选出标签与所述第一关键字信息匹配和/或所述第二关键字信息匹配的若干个试题，同时结合各个子面试题库的试题权重，准确地计算出面试者的面试结果。
举例来说，如图2所示，为了全面了解面试者更真实的特点和能力，本发明实施例将试题分为几个大类：常规题、公司需求题、简历相关题、提升题。
然后从对应的子面试题库中分别筛选出标签与所述第一关键字信息匹配和/或所述第二关键字信息匹配的若干个试题。每一类占有不同的试题权重，而且题库会时常更新，加大获取答案的成本，这样可以有效提高筛选合格面试者的概率。
步骤103，采集所述面试者回答所述若干个试题时的面试视频。
筛选出试题后，面试者自动接入远程面试***，面试***让面试者回答步骤102中筛选出的试题，同时采集该面试者回答这些试题时的视频。
步骤104，基于所述面试视频的音频和视频帧计算所述面试者的面试结果。
采集到面试者的面试视频后，基于所述面试视频的音频和视频帧分别计算面试相关的结果，从而得到面试者最终的面试结果。本发明实施例分别从音频维度和视频帧维度对面试视频进行分析计算，有助于提高面试结果的计算准确性。
可选地，步骤104可以包括：对于所述若干个试题中的每个试题：利用语音识别技术将所述面试视频中的音频转换为文本信息，将所述文本信息与所述若干个试题的答案文本进行比对，得到初始面试结果；对所述面试视频的音频和视频帧进行信用识别，以获得信用值参数；基于所述信用值参数修正所述初始面试结果；将每个试题的修正后的所述初始面试结果相加，从而得到所述面试者的面试结果。在本发明的实施例中，对于若干个试题中的每个试题，在语义识别结果的基础上，进一步从音频和视频帧维度对面试视频进行分析计算，有助于提高面试结果的计算准确性。
可选地，对所述面试视频的音频和视频帧进行信用识别，以获得信用值参数，包括：利用声音特征识别技术对所述面试视频的音频进行声纹特征检测，以获得声纹信用值参数；利用微表情识别技术识别所述面试视频的视频帧中面试者的微表情，以获得微表情信用值参数；利用肢体识别技术识别所述面试视频的视频帧中面试者的肢体，以获得肢体信用值参数。如图3所示，利用语音识别技术将面试视频中的音频转换为文本信息，将各个试题的文本信息与答案文本进行对比后得到初始面试结果。然后利用声音特征识别对面试者每个试题的音频进行声纹特征检测，比如是否拖音、卡顿等现象来分析面试者对简历中提到的内容是否真的熟悉知晓，从而获得声纹信用值参数。同时抽取视频内的关键帧，利用微表情识别和肢体识别技术，识别每个关键帧中微表情和肢体动作信息，如是否挠头、扣手、摸鼻子等，判断面试者回答的信息是否真实有效，从而获得微表情信用值参数和肢体信用值参数。
可选地，基于所述信用值参数修正所述初始面试结果，包括：将所述声纹信用值参数、所述微表情信用值参数和所述肢体信用值参数分别作为所述初始面试结果的权重，通过所述权重修正所述初始面试结果。如图3所示，得到声纹信用值参数、微表情信用值参数和肢体信用值参数之后，以这些参数作为权重，通过权重来修正初始面试结果，从而得到每个试题的真实面试结果。
将每个试题的修正后的所述初始面试结果相加，从而得到所述面试者的面试结果，包括：基于若干个试题中的每个试题的试题权重，每个试题的修正后的所述初始面试结果进行加权求和，从而得到所述面试者的面试结果。由于不同的试题配置有不同的试题权重，因此在得到了每个试题的真实面试结果之后，还要将每个试题的真实面试结果加权求和，从而得到所述面试者的最终面试结果。
根据上面所述的各种实施例，可以看出本发明实施例通过采集面试者回答所述若干个试题时的面试视频，基于面试视频的音频和视频帧计算面试者的面试结果的技术手段，解决了现有技术中面试结果不准确和面试效率低的技术问题。本发明实施例首先通过面试者简历和岗位需求中的关键字信息筛选出合适的试题，然后从音频和视频维度进行分析计算，并根据计算结果修正初始面试结果，不但提高了面试效率，还能够提高面试结果的准确性。
图4是根据本发明一个可参考实施例的面试方法的主要流程的示意图。作为本发明的另一个实施例，如图4所示，所述面试方法可以包括：
步骤401，从面试者简历中提取出第一关键字信息，从岗位需要中提取出第二关键字信息。
首先通过自然语言处理技术提取出面试者简历中的第一关键字信息，比如工作经验、项目经验、掌握技术、学历等关键字信息，以及招聘公司的岗位需求中的第二关键字信息，比如工作经验、项目经验、掌握技术、学历等关键字信息。
步骤402，从每个子面试题库中分别筛选出标签与所述第一关键字信息匹配和/或所述第二关键字信息匹配的若干个试题。
优选筛选出标签与所述第一关键字信息匹配和所述第二关键字信息均匹配的若干个试题，若筛选出的试题数量少于预设阈值，则再考虑筛选出与所述第一关键字信息匹配或者所述第二关键字信息匹配的试题，直到试题数量达到预设阈值。
所述面试题库包括若干个子面试题库，各个子面试题库之间的试题难度等级各不相同。面试***可以随机地从若干个子面试题库中筛选出试题，也可以按照预设规则从若干个子面试题库中筛选出试题。由于每个子面试题库之间的试题难度各不相同，因此可以针对不同的面试者，从不同的子面试题库中筛选出符合不同面试者的试题。可选地，各个子面试题库分别配置有试题权重，为了准确地计算最终的面试结果，可以预先为各个子面试题库配置试题权重，同一个子面试题库内的试题的权重相同。
步骤403，利用语音识别技术将所述面试视频中的音频转换为文本信息，将所述文本信息与所述试题的答案文本进行比对，得到初始面试结果。
步骤404，利用声音特征识别技术对所述面试视频的音频进行声纹特征检测，以获得声纹信用值参数。
比如是否拖音、卡顿等现象来分析面试者对简历中提到的内容是否真的熟悉知晓，从而获得声纹信用值参数。
步骤405，利用微表情识别技术识别所述面试视频的视频帧中面试者的微表情，以获得微表情信用值参数。
步骤406，利用肢体识别技术识别所述面试视频的视频帧中面试者的肢体，以获得肢体信用值参数。
利用微表情识别和肢体识别技术，识别每个关键帧中微表情和肢体动作信息，如是否挠头、扣手、摸鼻子等，判断面试者回答的信息是否真实有效，从而获得微表情信用值参数和肢体信用值参数。
对于每个试题，依次执行步骤403-406，从而得到每个试题对应的声纹信用值参数、微表情信用值参数和肢体信用值参数。
需要指出的是，步骤403-406可以按照任意顺序执行，也可以同时执行，本发明实施例对此不作限制。
步骤407，将所述声纹信用值参数、所述微表情信用值参数和所述肢体信用值参数分别作为所述初始面试结果的权重，通过所述权重修正所述初始面试结果。
得到每个试题对应的声纹信用值参数、微表情信用值参数和肢体信用值参数之后，以这些参数作为权重，通过权重来修正初始面试结果，从而得到每个试题的真实面试结果。
步骤408，基于若干个试题中的每个试题的试题权重，每个试题的修正后的所述初始面试结果进行加权求和，从而得到所述面试者的面试结果。
由于不同的试题配置有不同的试题权重，因此在得到了每个试题的真实面试结果之后，还要将每个试题的真实面试结果加权求和，从而得到所述面试者的最终面试结果。
另外，在本发明一个可参考实施例中面试方法的具体实施内容，在上面所述面试方法中已经详细说明了，故在此重复内容不再说明。
图5是根据本发明实施例的面试装置的主要模块的示意图，如图5所示，所述面试装置500包括提取模块501、筛选模块502、采集模块503和计算模块504；其中，提取模块501用于从面试者简历中提取出第一关键字信息，从岗位需要中提取出第二关键字信息；筛选模块502用于根据所述第一关键字信息和/或所述第二关键字信息从面试题库中筛选出若干个试题；采集模块503用于采集所述面试者回答所述若干个试题时的面试视频；计算模块504用于基于所述面试视频的音频和视频帧计算所述面试者的面试结果。
可选地，所述计算模块504还用于：
对于所述若干个试题中的每个试题：
利用语音识别技术将所述面试视频中的音频转换为文本信息，将所述文本信息与所述试题的答案文本进行比对，得到初始面试结果；
对所述面试视频的音频和视频帧进行信用识别，以获得信用值参数；
基于所述信用值参数修正所述初始面试结果；
将每个试题的修正后的所述初始面试结果相加，从而得到所述面试者的面试结果。
可选地，所述计算模块504还用于：
利用声音特征识别技术对所述面试视频的音频进行声纹特征检测，以获得声纹信用值参数；
利用微表情识别技术识别所述面试视频的视频帧中面试者的微表情，以获得微表情信用值参数；
利用肢体识别技术识别所述面试视频的视频帧中面试者的肢体，以获得肢体信用值参数。
可选地，所述计算模块504还用于：
将所述声纹信用值参数、所述微表情信用值参数和所述肢体信用值参数分别作为所述初始面试结果的权重，通过所述权重修正所述初始面试结果。
可选地，所述筛选模块502还用于：
从面试题库中筛选出标签与所述第一关键字信息匹配和/或所述第二关键字信息匹配的若干个试题；
其中，所述面试题库中的每个试题标记有至少一个标签。
可选地，所述面试题库包括若干个子面试题库，各个子面试题库之间的试题难度等级各不相同；
可选地，所述筛选模块502还用于：
从每个子面试题库中分别筛选出标签与所述第一关键字信息匹配和/或所述第二关键字信息匹配的若干个试题。
可选地，各个子面试题库分别配置有试题权重；
所述计算模块504还用于：
基于若干个试题中的每个试题的试题权重，每个试题的修正后的所述初始面试结果进行加权求和，从而得到所述面试者的面试结果。
根据上面所述的各种实施例，可以看出本发明实施例通过采集面试者回答所述若干个试题时的面试视频，基于面试视频的音频和视频帧计算面试者的面试结果的技术手段，解决了现有技术中面试结果不准确和面试效率低的技术问题。本发明实施例首先通过面试者简历和岗位需求中的关键字信息筛选出合适的试题，然后从音频和视频维度进行分析计算，并根据计算结果修正初始面试结果，不但提高了面试效率，还能够提高面试结果的准确性。
需要说明的是，在本发明所述面试装置的具体实施内容，在上面所述面试方法中已经详细说明了，故在此重复内容不再说明。
图6示出了可以应用本发明实施例的面试方法或面试装置的示例性***架构600。
如图6所示，***架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、物品信息——仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的面试方法一般由服务器605执行，相应地，所述面试装置一般设置在服务器605中。本发明实施例所提供的面试方法也可以由终端设备601、602、603执行，相应地，所述面试装置可以设置在终端设备601、602、603中。
应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图7，其示出了适于用来实现本发明实施例的终端设备的计算机***700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，计算机***700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有***700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本发明的***中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的***、方法和计算机程序的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括提取模块、筛选模块、采集模块和计算模块，其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，该设备实现如下方法：从面试者简历中提取出第一关键字信息，从岗位需要中提取出第二关键字信息；根据所述第一关键字信息和/或所述第二关键字信息从面试题库中筛选出若干个试题；采集所述面试者回答所述若干个试题时的面试视频；基于所述面试视频的音频和视频帧计算所述面试者的面试结果。
根据本发明实施例的技术方案，因为采用采集面试者回答所述若干个试题时的面试视频，基于面试视频的音频和视频帧计算面试者的面试结果的技术手段，所以克服了现有技术中面试结果不准确和面试效率低的技术问题。本发明实施例首先通过面试者简历和岗位需求中的关键字信息筛选出合适的试题，然后从音频和视频维度进行分析计算，并根据计算结果修正初始面试结果，不但提高了面试效率，还能够提高面试结果的准确性。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种面试方法，其特征在于，包括：
从面试者简历中提取出第一关键字信息，从岗位需要中提取出第二关键字信息；
根据所述第一关键字信息和/或所述第二关键字信息从面试题库中筛选出若干个试题；
采集所述面试者回答所述若干个试题时的面试视频；
基于所述面试视频的音频和视频帧计算所述面试者的面试结果。
2.根据权利要求1所述的方法，其特征在于，基于所述面试视频的音频和视频帧计算所述面试者的面试结果，包括：
对于所述若干个试题中的每个试题：
利用语音识别技术将所述面试视频中的音频转换为文本信息，将所述文本信息与所述试题的答案文本进行比对，得到初始面试结果；
对所述面试视频的音频和视频帧进行信用识别，以获得信用值参数；
基于所述信用值参数修正所述初始面试结果；
将每个试题的修正后的所述初始面试结果相加，从而得到所述面试者的面试结果。
3.根据权利要求2所述的方法，其特征在于，对所述面试视频的音频和视频帧进行信用识别，以获得信用值参数，包括：
利用声音特征识别技术对所述面试视频的音频进行声纹特征检测，以获得声纹信用值参数；
利用微表情识别技术识别所述面试视频的视频帧中面试者的微表情，以获得微表情信用值参数；
利用肢体识别技术识别所述面试视频的视频帧中面试者的肢体，以获得肢体信用值参数。
4.根据权利要求3所述的方法，其特征在于，基于所述信用值参数修正所述初始面试结果，包括：
将所述声纹信用值参数、所述微表情信用值参数和所述肢体信用值参数分别作为所述初始面试结果的权重，通过所述权重修正所述初始面试结果。
5.根据权利要求2所述的方法，其特征在于，根据所述第一关键字信息和/或所述第二关键字信息从面试题库中筛选出若干个试题，包括：
从面试题库中筛选出标签与所述第一关键字信息匹配和/或所述第二关键字信息匹配的若干个试题；
其中，所述面试题库中的每个试题标记有至少一个标签。
6.根据权利要求5所述的方法，其特征在于，所述面试题库包括若干个子面试题库，各个子面试题库之间的试题难度等级各不相同；
根据所述第一关键字信息和所述第二关键字信息从面试题库中筛选出若干个试题，包括：
从每个子面试题库中分别筛选出标签与所述第一关键字信息匹配和/或所述第二关键字信息匹配的若干个试题。
7.根据权利要求6所述的方法，其特征在于，各个子面试题库分别配置有试题权重；
将每个试题的修正后的所述初始面试结果相加，从而得到所述面试者的面试结果，包括：
基于若干个试题中的每个试题的试题权重，每个试题的修正后的所述初始面试结果进行加权求和，从而得到所述面试者的面试结果。
8.一种面试装置，其特征在于，包括：
提取模块，用于从面试者简历中提取出第一关键字信息，从岗位需要中提取出第二关键字信息；
筛选模块，用于根据所述第一关键字信息和/或所述第二关键字信息从面试题库中筛选出若干个试题；
采集模块，用于采集所述面试者回答所述若干个试题时的面试视频；
计算模块，用于基于所述面试视频的音频和视频帧计算所述面试者的面试结果。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN202010514087.XA 2020-06-08 2020-06-08 一种面试方法和装置 Pending CN111723180A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010514087.XA CN111723180A (zh) 2020-06-08 2020-06-08 一种面试方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010514087.XA CN111723180A (zh) 2020-06-08 2020-06-08 一种面试方法和装置

Publications (1)

Publication Number Publication Date
CN111723180A true CN111723180A (zh) 2020-09-29

Family

ID=72567203

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010514087.XA Pending CN111723180A (zh) 2020-06-08 2020-06-08 一种面试方法和装置

Country Status (1)

Country Link
CN (1) CN111723180A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112434144A (zh) * 2020-11-23 2021-03-02 京东数字科技控股股份有限公司 生成目标问题的方法、装置、电子设备和计算机可读介质
CN113327104A (zh) * 2021-08-04 2021-08-31 深圳市启程教育科技有限公司 基于图像处理的人才面试筛选***及方法
CN114862106A (zh) * 2022-03-25 2022-08-05 国家电投集团科学技术研究院有限公司 人才能力测评方法、装置、电子设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109544104A (zh) * 2018-11-01 2019-03-29 平安科技（深圳）有限公司 一种招聘数据处理方法及装置
CN110135692A (zh) * 2019-04-12 2019-08-16 平安普惠企业管理有限公司 智能评级控制方法、装置、计算机设备及存储介质
CN110135800A (zh) * 2019-04-23 2019-08-16 南京葡萄诚信息科技有限公司 一种人工智能视频面试方法及***
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109544104A (zh) * 2018-11-01 2019-03-29 平安科技（深圳）有限公司 一种招聘数据处理方法及装置
CN110135692A (zh) * 2019-04-12 2019-08-16 平安普惠企业管理有限公司 智能评级控制方法、装置、计算机设备及存储介质
CN110135800A (zh) * 2019-04-23 2019-08-16 南京葡萄诚信息科技有限公司 一种人工智能视频面试方法及***
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

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112434144A (zh) * 2020-11-23 2021-03-02 京东数字科技控股股份有限公司 生成目标问题的方法、装置、电子设备和计算机可读介质
CN113327104A (zh) * 2021-08-04 2021-08-31 深圳市启程教育科技有限公司 基于图像处理的人才面试筛选***及方法
CN114862106A (zh) * 2022-03-25 2022-08-05 国家电投集团科学技术研究院有限公司 人才能力测评方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN107491534B (zh) 信息处理方法和装置
CN109460513B (zh) 用于生成点击率预测模型的方法和装置
CN107680019B (zh) 一种考试方案的实现方法、装置、设备及存储介质
CN111428010B (zh) 人机智能问答的方法和装置
CN109976997B (zh) 测试方法和装置
CN110390408B (zh) 交易对象预测方法和装置
CN108121699B (zh) 用于输出信息的方法和装置
CN107193974B (zh) 基于人工智能的地域性信息确定方法和装置
CN109766418B (zh) 用于输出信息的方法和装置
CN111723180A (zh) 一种面试方法和装置
CN106354856B (zh) 基于人工智能的深度神经网络强化搜索方法和装置
CN108228567B (zh) 用于提取组织机构的简称的方法和装置
CN108268450B (zh) 用于生成信息的方法和装置
CN109190123B (zh) 用于输出信息的方法和装置
CN112163081A (zh) 标签确定方法、装置、介质及电子设备
CN110738056B (zh) 用于生成信息的方法和装置
CN107766498B (zh) 用于生成信息的方法和装置
CN114970540A (zh) 训练文本审核模型的方法和装置
CN111078849A (zh) 用于输出信息的方法和装置
CN110826327A (zh) 情感分析方法、装置、计算机可读介质及电子设备
CN114398466A (zh) 基于语义识别的投诉分析方法、装置、计算机设备及介质
CN112148841B (zh) 一种对象分类以及分类模型构建方法和装置
CN114090601A (zh) 一种数据筛选方法、装置、设备以及存储介质
CN113392920A (zh) 生成作弊预测模型的方法、装置、设备、介质及程序产品
CN116048463A (zh) 基于标签管理的需求项内容智能推荐方法及装置

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
TA01 Transfer of patent application right

Effective date of registration: 20220928

Address after: 25 Financial Street, Xicheng District, Beijing 100033

Applicant after: CHINA CONSTRUCTION BANK Corp.

Address before: 25 Financial Street, Xicheng District, Beijing 100033

Applicant before: CHINA CONSTRUCTION BANK Corp.

Applicant before: Jianxin Financial Science and Technology Co.,Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20200929

RJ01 Rejection of invention patent application after publication