CN113806516A - 匹配度确定方法、装置、电子设备及计算机可读存储介质 - Google Patents
匹配度确定方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113806516A CN113806516A CN202111105618.0A CN202111105618A CN113806516A CN 113806516 A CN113806516 A CN 113806516A CN 202111105618 A CN202111105618 A CN 202111105618A CN 113806516 A CN113806516 A CN 113806516A
- Authority
- CN
- China
- Prior art keywords
- interview
- difficulty
- questions
- interviewee
- interviewer
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012360 testing method Methods 0.000 claims abstract description 225
- 230000008569 process Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 12
- 241000209202 Bromus secalinus Species 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000013215 result calculation Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000012149 noodles Nutrition 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/338—Presentation of query results
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种匹配度确定方法、装置、电子设备及计算机可读存储介质。方法包括:当中等题测试结果未达到第一预设结果时,判断面试者回答的中等难度的面试题的数量是否小于m道;若面试者回答的中等难度的面试题的数量小于m道,则继续输出一道中等难度的面试题,并在面试者回答完成后,重新获取中等题测试结果,判断重新获取的中等题测试结果是否达到第一预设结果;若面试者回答的中等难度的面试题的数量等于m道,则输出低等难度的面试题,在面试者回答完所有低等难度的面试题后,确定面试者的低等题测试结果;根据中等题测试结果和低等题测试结果,确定面试者与面试主题的匹配度。通过该方式,能改善现有技术中对面试者能力评估不准确的问题。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种匹配度确定方法、装置、电子设备及计算机可读存储介质。
背景技术
目前,在对面试者进行面试时,通常会通过面试者回答几道面试题来判断该面试者与其面试的岗位的匹配度。但仅通过几道面试题去评估面试者的能力,会存在评估不全面、不准确的问题,使得面试者与其面试岗位匹配度不高。
发明内容
本申请实施例的目的在于提供一种匹配度确定方法、装置、电子设备及计算机可读存储介质,以改善“现有技术中对面试者能力评估不准确”的问题。
本发明是这样实现的:
第一方面,本申请实施例提供一种匹配度确定方法,所述方法包括:输出n道与面试主题对应的中等难度的面试题,其中,n为任一正整数;根据面试者针对所述面试题的答案,确定所述面试者的中等题测试结果;当所述中等题测试结果未达到第一预设结果时,判断所述面试者回答的中等难度的面试题的数量是否小于m道;若所述面试者回答的中等难度的面试题的数量小于m道,则继续输出一道中等难度的面试题,并在所述面试者回答完成后,重新获取所述面试者的中等题测试结果,并判断重新获取的中等题测试结果是否达到所述第一预设结果;若所述面试者回答的中等难度的面试题的数量等于m道,则输出与所述面试主题对应的低等难度的面试题,并在所述面试者回答完所有低等难度的面试题后,确定所述面试者的低等题测试结果,其中,m为大于n的正整数;根据最新获取的中等题测试结果和低等题测试结果,确定所述面试者与所述面试主题的匹配度。
通过上述方式,能在面试者回答完n道中等难度的面试题之后,根据面试者的答题情况判断是否需要追问中等难度的面试题,即在面试者在回答完n道中等难度的面试题后,若该面试者的能力水平未达到预设的能力水平,则继续向其追问中等难度的面试题,从而避免面试题太少,造成对面试者提问不够全面的情况出现。并且,通过对面试者追问中等难度的面试题,还能对面试者的能力评估更准确。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,输出与所述面试主题对应的低等难度的面试题,包括:输出i道与所述面试主题对应的低等难度的面试题,其中,i为任一正整数;根据所述面试者针对所述低等难度的面试题的答案,确定所述面试者的低等题测试结果;当所述低等题测试结果达到第二预设结果时,表征所述面试者回答完所有低等难度的面试题;当所述低等题测试结果未达到所述第二预设结果时,判断所述面试者回答的低等难度的面试题的数量是否小于j道;若所述面试者回答的低等难度的面试题的数量小于j道,则继续输出一道低等难度的面试题,并在所述面试者回答完成后,重新确定所述面试者的低等题测试结果,并判断重新获取的低等题测试结果是否达到所述第二预设结果;若所述面试者回答的低等难度的面试题的数量等于j道,则表征所述面试者回答完所有低等难度的面试题,其中,j为大于i的正整数。
在本申请实施例中,通过判断面试者针对i道低等难度的面试题的低等题测试结果是否达到第二预设结果,从而判断是否需要对面试者追问低等难度的面试题,即若上述低等题测试结果未达到第二预设结果,则继续向面试者追问低等难度的面试题。通过上述方式,能避免提问低等难度的面试题的数量不够,而造成对面试者提问不够全面的情况出现。并且,通过对面试者追问低难度的面试题,还能对面试者的评估更准确。此外,在面试者回答完i道低等难度的面试题后,若确定的低等题测试结果达到第二预设结果,则不再向该面试者追问低等难度的面试题,从而提高面试的效率。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,在所述输出n道与面试主题对应的中等难度的面试题之前,所述方法还包括:根据所述面试者的简历和其所面试的岗位对应的岗位需求,获取x个面试主题,其中,x为任一正整数;从所述x个面试主题中选择任一面试主题,根据从所述x个面试主题中选择出的面试主题,在预设的知识图谱中获取对应的面试题,所述知识图谱为根据全部面试主题设计的面试题题库,所述面试题包括多道所述中等难度的面试题和多道所述低等难度的面试题;所述n道与面试主题对应的中等难度的面试题为多道所述中等难度的面试题中的面试题。
在本申请实施例中,通过上述方式,能获取到与面试者对应的多个面试主题。并且,通过从获取到的多个面试主题中选择任一面试主题,再根据选择出的面试主题在预设的知识图谱获取对应的多道不同类型的面试题,能更方便、更便捷的获取到面试者在面试中需要的各种难度的面试题。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述根据所述面试者的简历和其所面试的岗位对应的岗位需求,获取x个面试主题,包括:获取所述简历中的技能关键字;将所述岗位需求和所述技能关键字进行匹配,获取所述x个面试主题。
在本申请实施例中,通过获取简历中的技能关键字,并将岗位需求与该技能关键字进行匹配的方式,获取多个面试主题,能更准确、更快捷地获取到与面试者对应的多个面试主题。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述根据所述面试者针对所述面试题的答案,确定所述面试者的中等题测试结果,包括:接收所述面试者回答所述面试题的语音信息;将所述语音信息转换为文字信息,并将所述文字信息与标准答案进行语义相似度匹配,获取所述中等题测试结果。
在本申请实施例中,通过上述方式,能更方便、更快捷地获取到面试者的中等题测试结果。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述方法还包括:在所述面试者回答全部面试题的过程中,实时获取所述面试者的视频监控画面;根据所述视频监控画面,检测所述面试者是否作弊。
在本申请实施例中,通过在面试者回答全部面试题的过程中,实时获取该面试者的视频监控画面,并根据上述视频监控画面,检测该面试者是否作弊,从而确保面试者在面试过程中没有寻求其他帮助,进而能真实且准确地确定出面试者与面试主题的匹配度。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述方法还包括:当检测到所述面试者作弊时,判断所述面试者已作弊的题目数量是否小于y道;若是,则将其作弊的面试题不纳入该面试题对应的测试结果计算中;若否,则结束所述面试主题的面试,其中,y为任一正整数。
在本申请实施例中,根据面试者已作弊的题目的数量对面试者的作弊行为进行不同的处理,从而能对面试者进行合理的考量。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述方法还包括:当所述面试者回答完的中等难度的面试题获得的中等题测试结果达到第一预设结果时,输出p道与所述面试主题对应的高等难度的面试题,其中,p为任一正整数;根据所述面试者针对所述高等难度的面试题的答案,确定所述面试者的高等题测试结果;当所述高等题测试结果达到第三预设结果时,表征所述面试者回答完所有高等难度的面试题;当所述高等题测试结果未达到所述第三预设结果时,判断所述面试者回答的高等难度的面试题的数量是否小于k道;若所述面试者回答的高等难度的面试题的数量小于k道,则继续输出一道高等难度的面试题,并在所述面试者回答完成后,重新确定所述面试者的高等题测试结果,并判断重新获取的高等题测试结果是否达到所述第三预设结果;若所述面试者回答的高等难度的面试题的数量等于k道,则表征所述面试者回答完所有高等难度的面试题,其中,k为大于p的正整数;在所述面试者回答完所有高等难度的面试题后,确定所述面试者的高等题测试结果,并根据最新获取的中等题测试结果和高等题测试结果,确定所述面试者与所述面试主题的匹配度。
在本申请实施例中,在面试者的中等题测试结果达到第一预设结果时,向面试者提问高等难度的面试题,使对面试者的提问更符合其能力水平,从而更准确地评估面试者与其所面试的岗位的匹配度。并且,通过上述方式能避免提问高等难度的面试题的数量不够,而造成对面试者提问不够全面的情况出现。此外,在面试者回答完p道高等难度的面试题后,若确定的高等题测试结果达到第三预设结果,则不再向该面试者追问高等难度的面试题,从而提高面试的效率。
第二方面,本申请实施例提供一种匹配度确定装置,所述装置包括:处理模块,用于输出n道与面试主题对应的中等难度的面试题,其中,n为任一正整数;根据面试者针对所述面试题的答案,确定所述面试者的中等题测试结果;当所述中等题测试结果未达到第一预设结果时,判断所述面试者回答的中等难度的面试题的数量是否小于m道;若所述面试者回答的中等难度的面试题的数量小于m道,则继续输出一道中等难度的面试题,并在所述面试者回答完成后,重新获取所述面试者的中等题测试结果,并判断重新获取的中等题测试结果是否达到所述第一预设结果;若所述面试者回答的中等难度的面试题的数量等于m道,则输出与所述面试主题对应的低等难度的面试题,并在所述面试者回答完所有低等难度的面试题后,确定所述面试者的低等题测试结果,其中,m为大于n的正整数;确定模块,用于根据最新获取的中等题测试结果和低等题测试结果,确定所述面试者与所述面试主题的匹配度。
第三方面,本申请实施例提供一种电子设备,包括:处理器和存储器,所述处理器和所述存储器连接;所述存储器用于存储程序;所述处理器用于调用存储在所述存储器中的程序,执行如上述第一方面实施例和/或结合上述第一方面实施例的一些可能的实现方式提供的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在被处理器运行时执行如上述第一方面实施例和/或结合上述第一方面实施例的一些可能的实现方式提供的方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种匹配度确定方法的步骤流程图。
图2为本申请实施例提供的一种匹配度确定方法的详细流程图。
图3为本申请实施例提供的一种匹配度确定方法的详细流程图。
图4为本申请实施例提供的一种匹配度确定装置的模块框图。
图5为本申请实施例提供的一种电子设备的模块框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
鉴于现有技术中对面试者能力评估不准确,本申请发明人经过研究探索,提出以下实施例以解决上述问题。
以下结合图1对一种匹配度确定方法的具体流程及步骤进行描述。需要说明的是,本申请实施例提供的匹配度确定方法不以图1及以下所示的顺序为限制。
步骤S101:输出n道与面试主题对应的中等难度的面试题。
可选的,如图2所示,在步骤S101之前,根据面试者的简历和其所面试的岗位对应的岗位需求,获取x个面试主题,其中,x为任一正整数;从x个面试主题中选择任一面试主题,根据从x个面试主题中选择出的面试主题,在预设的知识图谱中获取对应的面试题,知识图谱为根据全部面试主题设计的面试题题库,面试题包括多道中等难度的面试题和多道低等难度的面试题;n道与面试主题对应的中等难度的面试题为多道中等难度的面试题中的面试题,其中,n为任一正整数。
在本申请实施例中,通过上述方式,能获取到与面试者对应的多个面试主题。并且,通过从获取到的多个面试主题中选择任一面试主题,再根据选择出的面试主题在预设的知识图谱获取对应的面试题,能更方便、更快捷的获取到面试者在面试中需要的不同难度的面试题。
具体的,获取简历中的技能关键字;将岗位需求和技能关键字进行匹配,获取x个面试主题。通过获取简历中的技能关键字,并将岗位需求与该技能关键字进行匹配的方式,获取多个面试主题,能更准确、更快捷地获取到与面试者对应的多个面试主题。
例如:面试者的面试的岗位为Java开发工程师,面试者的简历中的技能关键字为:Java、Servlet、RESTful、数据库、AngularJS,其中,Java开发工程师的岗位需求为:熟练掌握Java编程和设计,熟悉常见的数据结构,深入理解分布式算法和主流分布式***,熟悉RESTful、JSON、Web Service等相关技术,熟悉消息中间件、数据库操作等。将上述面试者的简历中的技能关键字与上述Java开发工程师的岗位需求进行匹配,可获取到3个面试主题,且上述3个面试主题分别是:Java、RESTful、数据库。
需要说明的是,输出n道与面试主题对应的中等难度的面试题的方式可以是通过语音的方式,将上述面试题进行语音播放;也可以是在面试者的显示屏上进行显示,此处不做限定。此外,上述n道中等难度的面试题可以是每道题单独输出,即先输出一道面试题,在面试者回答完毕后,才输出下一道面试题;也可是将n道面试题直接全部输出,比如:在面试者的显示屏上直接显示n道面试题。
在输出n道中等难度的面试题之后,本方法可继续执行步骤S102。
步骤S102:根据面试者针对面试题的答案,确定面试者的中等题测试结果。
其中,中等题测试结果可以是具体的分数,比如:中等题测试结果为面试者回答完n道面试题的总得分,又比如:中等题测试结果为面试者回答完n道面试题的平均分;还可以是面试者回答完n道面试题后得到的一个等级,比如:中等题测试结果为B级。
可选的,步骤S102具体可以包括:接收面试者回答面试题的语音信息;将语音信息转换为文字信息,并将文字信息与标准答案进行语义相似度匹配,获取中等题测试结果。通过上述方式,能更方便、更快捷地获取面试者的中等题测试结果。
在确定面试者的中等题测试结果之后,本方法可继续执行步骤S103。
步骤S103:当中等题测试结果未达到第一预设结果时,判断面试者回答的中等难度的面试题的数量是否小于m道;若是,则执行步骤S104;若否,则执行步骤S105。
需要说明的是,第一预设结果与中等题测试结果的类型一致,比如:中等题测试结果为分数,则第一预设结果也为预设的分数,又比如:中等题测试结果为一个等级,则第一预测结果也为一个预设的等级。此外,m为大于n的正整数。其中,若面试者的中等题测试结果未达到第一预设结果,则表示面试者的能力水平未达到预设的能力水平。
步骤S104:继续输出一道中等难度的面试题,并在面试者回答完成后,重新获取面试者的中等题测试结果,并判断重新获取的中等题测试结果是否达到第一预设结果。
在本申请实施例中,输出一道中等难度的面试题,并在面试者回答完成后,根据面试者已回答的所有中等难度的面试题,重新获取面试者的中等题测试结果,再判断重新获取的中等题测试结果是否达到第一预设结果。若重新获取的中等题测试结果未达到第一预设结果,则表示面试者的能力水平未达到预设的能力水平,此时,再次判断面试者回答的中等难度的面试题的数量是否小于m道(即执行步骤S103)。
通过上述方式,能在面试者的中等题测试结果未达到第一预设结果,且对面试者所问的中等难度的面试题的数量不超过预设的最大数量值的情况下,对面试者继续追问中等难度的面试题,从而避免中等难度的面试题太少,造成对面试者提问不够全面的情况出现。并且,通过对面试者追问中等难度的面试题,使得对面试者的能力评估更准确。
步骤S105:输出与面试主题对应的低等难度的面试题,并在面试者回答完所有低等难度的面试题后,确定面试者的低等题测试结果。
具体的,输出i道与面试主题对应的低等难度的面试题,其中,i为任一正整数;根据面试者针对低等难度的面试题的答案,确定面试者的低等题测试结果;当低等题测试结果达到第二预设结果时,表征面试者回答完所有低等难度的面试题;当低等题测试结果未达到第二预设结果时,判断面试者回答的低等难度的面试题的数量是否小于j道;若面试者回答的低等难度的面试题的数量小于j道,则继续输出一道低等难度的面试题,并在面试者回答完成后,重新确定面试者的低等题测试结果,并判断重新获取的低等题测试结果是否达到第二预设结果;若面试者回答的低等难度的面试题的数量等于j道,则表征面试者回答完所有低等难度的面试题,其中,j为大于i的正整数。
通过上述方式,能避免提问低等难度的面试题的数量不够,而造成对面试者提问不够全面的情况出现。并且,通过对面试者追问低难度的面试题,还能对面试者的评估更准确。此外,在面试者回答完i道低等难度的面试题后,若确定的低等题测试结果达到第二预设结果,则不再向该面试者追问低等难度的面试题,从而提高面试的效率。
可选的,步骤S105还可以是:直接输出h道与面试主题对应的低等难度的面试题,并在面试者回答完所有的低等难度的面试题后,确定面试者的低等题测试结果,其中,h为任一正整数。
在确定了面试者的低等题测试结果后,本方法可继续执行步骤S106。
步骤S106:根据最新获取的中等题测试结果和低等题测试结果,确定面试者与面试主题的匹配度。
具体的,根据中等题测试结果和低等题测试结果的预设权重关系,确定面试者与面试主题的匹配度,比如:若中等题测试结果和低等题测试结果均为一个分数,则匹配度为0.7*中等题测试结果与0.3*低等题测试结果之和。
需要说明的是,在对面试者回答完多道中等难度的面试题获得的中等题测试结果与第一预设结果进行比较的过程中(步骤S102之后,或者步骤S104中),还可能出现上述中等题测试结果达到第一预设结果的情况。如图3所示,图3为一种匹配度确定方法的详细流程图,其中,图3中的步骤A为图2中的步骤A,以下针对中等题测试结果达到第一预设结果的情况进行说明。
具体的,当面试者回答完的中等难度的面试题获得的中等题测试结果达到第一预设结果时,输出p道与面试主题对应的高等难度的面试题,其中,p为任一正整数;根据面试者针对高等难度的面试题的答案,确定面试者的高等题测试结果;当高等题测试结果达到第三预设结果时,表征面试者回答完所有高等难度的面试题;当高等题测试结果未达到第三预设结果时,判断面试者回答的高等难度的面试题的数量是否小于k道;若面试者回答的高等难度的面试题的数量小于k道,则继续输出一道高等难度的面试题,并在面试者回答完成后,重新确定面试者的高等题测试结果,并判断重新获取的高等题测试结果是否达到第三预设结果;若面试者回答的高等难度的面试题的数量等于k道,则表征面试者回答完所有高等难度的面试题,其中,k为大于p的正整数;在面试者回答完所有高等难度的面试题后,确定面试者的高等题测试结果,并根据最新获取的中等题测试结果和高等题测试结果,确定面试者与面试主题的匹配度。
通过上述方式,能在面试者的中等题测试结果达到第一预设结果时,向该面试者提问高等难度的面试题,使对面试者的提问更符合其能力水平,从而更准确地评估面试者与其所面试的岗位的匹配度。并且,能避免提问高等难度的面试题的数量不够,而造成对面试者提问不够全面的情况出现。此外,在面试者回答完p道高等难度的面试题后,若确定的高等题测试结果达到第三预设结果,则不再向该面试者追问高等难度的面试题,从而提高面试的效率。
可选的,当面试者回答完中等难度的面试题获得的中等题测试结果达到第一预设结果时,直接输出w道与面试主题对应的高等难度的面试题;并在面试者回答完所有的高等难度的面试题后,确定面试者的高等题测试结果;再根据面试者的中等题测试结果和高等题测试结果,获取面试者与该面试主题的匹配度,其中,w为任一正整数。通过上述方式,能在面试者的中等题测试结果达到第一预设结果时,向该面试者追问多道高等难度的面试题,使对面试者的提问更符合其能力水平,从而更准确地评估面试者与其所面试的岗位的匹配度。
还需要说明的是,在面试者回答全部面试题的过程中,实时获取面试者的视频监控画面;根据视频监控画面,检测面试者是否作弊。
具体的,在面试者回答全部面试题的过程中,可以通过调用面试者的电子设备上的摄像头实时获取面试者的视频监控画面,并把相邻20s的视频进行截图,通过汉明距离计算上述截图的相似度,根据该相似度判断截图界面是否有较大的变化;若判断出截图界面有较大的变化,则判定面试者有作弊行为,其中,上述汉明距离为本领域技术人员熟知的一种计算图片相似度的方式,此处不做过多说明。此外,还可将上述截图输入预设的网络模型中,以此判断面试者的微表情;根据面试者的微表情判断其是否有作弊行为。
可选的,当检测到面试者作弊时,判断面试者已作弊的题目数量是否小于y道;若是,则将其作弊的面试题不纳入该面试题对应的测试结果计算中;若否,则结束面试主题的面试,其中,y为任一正整数。
可选的,当检测到面试者作弊时,向面试者输出作弊提示信息。其中,输出作弊提示信息的方式可以是在面试者的显示界面上输出作弊提示信息,还可以是语音输出作弊提示信息。通过上述方式,可在面试者作弊时,对面试者进行提醒,以使面试者注意不要作弊。
此外,需要说的是,在对面试者进行面试的过程中,可只针对一个面试主题对该面试者进行面试,即只执行一次步骤S101-步骤S106;也可针对多个面试主题对该面试者进行面试,即执行多次步骤S101-步骤S106。并且,在针对多个面试主题对该面试者进行面试时,可确定出多个该面试者与面试主题的匹配度;针对确定出的多个匹配度,可将多个匹配度按预设的权重关系进行计算,以获得一个最终的面试匹配度。
下面用一个例子对一种匹配度确定方法进行说明。
面试者面试的岗位为算法工程师,且该算法工程师的岗位需求为:对于概率数理统计、运筹学、图论、优化理论有完整掌握;精通Python、R、Matlab等其中一门或多门语言;熟练使用tensorflow、pytorch等深度学习框架;对于计算机视觉、NLP、知识图谱相关技术有掌握。对面试者的简历提取技能关键字,可获取到以下技能关键字:Python、Matlab、监督学习、无监督学习、计算机视觉。根据上述技能关键字和上述算法工程师对应的岗位需求,可获取到3个面试主题,分别是Python、Matlab和计算机视觉。接着,从上述3个面试主题中选取任一面试主题,比如选择Matlab作为面试主题,则根据Matlab这一面试主题在预设的知识图谱中获取对应的面试题。
接着,根据在预设的知识图谱中获取到的面试题,输出5道与Matlab对应的中等难度的面试题,在面试者回答完上述5道中等难度的面试题后,根据面试者的答案,确定面试者的每道面试题的得分,并根据每道面试题的得分获取一个中等题平均分(即中等题测试结果)。
若面试者回答的5道中等难度的面试题的得分分别为:40、55、45、60、50,则可计算出上述中等题平均分为50分;若第一预设结果为60分,则50分小于60分,即表示上述中等题平均分未达到第一预设结果,接着,判断面试者回答的中等难度的面试题的数量是否小于10道,即面试者已回答完5道中等难度的面试题,且已回答的中等难度的面试题的数量小于10道,此时,继续输出一道中等难度的面试题,并在面试者回答完成后,确定第6道中等难度的面试题的得分;再根据第6道面试题的得分和前5道面试题的得分,重新计算出中等题平均分,并判断重新计算出的中等题平均分是否大于等于60分,若重新计算出的中等题平均分小于60分,则重复上述步骤。
若面试者在回答完10道中等难度的面试题后,最新获取的中等题平均分为58分,则58分小于60分,即表示最新获取的面试者的中等题平均分依旧未达到第一预设结果,则向面试者输出5道与Matlab对应的低等难度的面试题。在面试者回答完上述5道低等难度的面试题后,根据面试者的答案,确定面试者的每道低等难度的面试题的得分,并根据每道低等难度的面试题的得分获取一个低等题平均分(即低等题测试结果)。
若面试者回答的5道低等难度的面试题的得分分别为:77、80、69、73、75,则可计算出上述低等题平均分为74.8分;若第二预设结果为80分,则74.8分小于80分,即表示上述低等题平均分未达到第二预设结果,接着,判断面试者回答的低等难度的面试题的数量是否小于10道,即面试者已回答完5道低等难度的面试题,且已回答的低等难度的面试题的数量小于10道,此时,继续输出一道低等难度的面试题,并在面试者回答完成后,确定第6道低等难度的面试题的得分;再根据第6道低等难度的面试题的得分和前5道低等难度的面试题的得分,重新计算出低等题平均分,并判断重新计算出的低等题平均分是否大于等于80分,若重新计算出的低等题平均分未小于80分,则重复上述步骤。
若在上述过程中,面试者的低等题平均分大于等于80分,则表征面试者回答完所有的低等难度的面试题,此时,根据最新获取的中等题平均分和低等题平均分,确定面试者与Matlab的匹配度。
若面试者在回答完10道低等难度的面试题后,最新获取的低等题平均分依旧小于80,即表示该面试者的最新获取的低等题平均分依旧未达到第二预设结果,则表征面试者回答完所有的低等难度的面试题,此时,根据最新获取的中等题平均分和低等题平均分,确定面试者与Matlab的匹配度。
若面试者在回答中等难度的面试题的过程中,确定出的中等题平均分大于等于60分,则向面试者输出5道与上述面试主题对应的高等难度的面试题。在面试者回答完上述5道高等难度的面试题后,根据面试者的答案,确定面试者的每道高等难度的面试题的得分,并根据每道高等难度的面试题的得分获取一个高等题平均分(即高等题测试结果)。
若面试者回答的5道高等难度的面试题的得分分别为:89、70、66、82、62,则可计算出上述高等题平均分为73.8分;若第三预设结果为80分,则74分小于80分,即表示上述高等题平均分未达到第三预设结果,接着,判断面试者回答的高等难度的面试题的数量是否小于10道,即面试者已回答完5道高等难度的面试题,且已回答的高等难度的面试题的数量小于10道,此时,继续输出一道高等难度的面试题,并在面试者回答完成后,确定第6道高等难度的面试题的得分;再根据第6道高等难度的面试题的得分和前5道高等难度的面试题的得分,重新计算出高等题平均分,并判断重新计算出的高等题平均分是否大于等于80分,若重新计算出的高等题平均分小于80分,则重复上述步骤。
若在上述过程中,面试者的高等题平均分达到80分,则表征面试者回答完所有的高等难度的面试题,此时,根据最新获取的中等题平均分和高等题平均分,确定面试者与Matlab的匹配度。
若面试者在回答完10道高等难度的面试题后,最新获取的高等题平均分依旧小于80分,即表示该面试者的最新获取的高等题平均分未达到第三预设结果,则表征面试者回答完所有的高等难度的面试题,此时,根据最新获取的中等题平均分和高等题平均分,确定面试者与Matlab的匹配度。
请参阅图4,基于同一发明构思,本申请实施例还提供一种匹配度确定装置100,该装置100包括:处理模块101和确定模块102。
处理模块101,用于输出n道与面试主题对应的中等难度的面试题,其中,n为任一正整数;根据面试者针对面试题的答案,确定面试者的中等题测试结果;当中等题测试结果未达到第一预设结果时,判断面试者回答的中等难度的面试题的数量是否小于m道;若面试者回答的中等难度的面试题的数量小于m道,则继续输出一道中等难度的面试题,并在面试者回答完成后,重新获取面试者的中等题测试结果,并判断重新获取的中等题测试结果是否达到第一预设结果;若面试者回答的中等难度的面试题的数量等于m道,则输出与面试主题对应的低等难度的面试题,并在面试者回答完所有低等难度的面试题后,确定面试者的低等题测试结果,其中,m为大于n的正整数。
确定模块102,用于根据最新获取的中等题测试结果和低等题测试结果,确定面试者与面试主题的匹配度。
可选的,处理模块101具体用于输出i道与面试主题对应的低等难度的面试题,其中,i为任一正整数;根据面试者针对低等难度的面试题的答案,确定面试者的低等题测试结果;当低等题测试结果达到第二预设结果时,表征面试者回答完所有低等难度的面试题;当低等题测试结果未达到第二预设结果时,判断面试者回答的低等难度的面试题的数量是否小于j道;若面试者回答的低等难度的面试题的数量小于j道,则继续输出一道低等难度的面试题,并在面试者回答完成后,重新确定面试者的低等题测试结果,并判断重新获取的低等题测试结果是否达到第二预设结果;若面试者回答的低等难度的面试题的数量等于j道,则表征面试者回答完所有低等难度的面试题,其中,j为大于i的正整数。
可选的,处理模块101还用于在输出n道与面试主题对应的中等难度的面试题之前,根据面试者的简历和其所面试的岗位对应的岗位需求,获取x个面试主题,其中,x为任一正整数;从x个面试主题中选择任一面试主题,根据从x个面试主题中选择出的面试主题,在预设的知识图谱中获取对应的面试题,知识图谱为根据全部面试主题设计的面试题题库,面试题包括多道中等难度的面试题和多道低等难度的面试题;n道与面试主题对应的中等难度的面试题为多道中等难度的面试题中的面试题。
可选的,处理模块101具体用于获取简历中的技能关键字;将岗位需求和技能关键字进行匹配,获取x个面试主题。
可选的,处理模块101具体用于接收面试者回答面试题的语音信息;将语音信息转换为文字信息,并将文字信息与标准答案进行语义相似度匹配,获取中等题测试结果。
可选的,处理模块101还用于在面试者回答全部面试题的过程中,实时获取面试者的视频监控画面;根据视频监控画面,检测面试者是否作弊。
可选的,处理模块101还用于当检测到面试者作弊时,判断面试者已作弊的题目数量是否小于y道;若是,则将其作弊的面试题不纳入该面试题对应的测试结果计算中;若否,则结束面试主题的面试,其中,y为任一正整数。
可选的,处理模块101还用于当面试者回答完的中等难度的面试题获得的中等题测试结果达到第一预设结果时,输出p道与面试主题对应的高等难度的面试题,其中,p为任一正整数;根据面试者针对高等难度的面试题的答案,确定面试者的高等题测试结果;当高等题测试结果达到第三预设结果时,表征面试者回答完所有高等难度的面试题;当高等题测试结果未达到第三预设结果时,判断面试者回答的高等难度的面试题的数量是否小于k道;若面试者回答的高等难度的面试题的数量小于k道,则继续输出一道高等难度的面试题,并在面试者回答完成后,重新确定面试者的高等题测试结果,并判断重新获取的高等题测试结果是否达到第三预设结果;若面试者回答的高等难度的面试题的数量等于k道,则表征面试者回答完所有高等难度的面试题,其中,k为大于p的正整数;在面试者回答完所有高等难度的面试题后,确定面试者的高等题测试结果,并根据最新获取的中等题测试结果和高等题测试结果,确定面试者与面试主题的匹配度。
请参阅图5,基于同一发明构思,本申请实施例提供的一种电子设备200的示意性结构框图,该电子设备200用于上述的一种匹配度确定方法。本申请实施例中,电子设备200可以是,但不限于个人计算机(Personal Computer,PC)、智能手机、平板电脑、个人数字助理(Personal Digital Assistant,PDA)、移动上网设备(Mobile Internet Device,MID)等。在结构上,电子设备200可以包括处理器210和存储器220。
处理器210与存储器220直接或间接地电性连接,以实现数据的传输或交互,例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。其中,处理器210可以是一种集成电路芯片,具有信号处理能力。处理器210也可以是通用处理器,例如,可以是中央处理器(Central Processing Unit,CPU)、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、分立门或晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。此外,通用处理器可以是微处理器或者任何常规处理器等。
存储器220可以是,但不限于,随机存取存储器(Random Access Memory,RAM)、只读存储器(Read Only Memory,ROM)、可编程只读存储器(Programmable Read-OnlyMemory,PROM)、可擦可编程序只读存储器(Erasable Programmable Read-Only Memory,EPROM),以及电可擦编程只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)。存储器220用于存储程序,处理器210在接收到执行指令后,执行该程序。
应当理解,图5所示的结构仅为示意,本申请实施例提供的电子设备200还可以具有比图5更少或更多的组件,或是具有与图5所示不同的配置。此外,图5所示的各组件可以通过软件、硬件或其组合实现。
需要说明的是,由于所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
基于同一发明构思,本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序在被运行时执行上述实施例中提供的方法。
该存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,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,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
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或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (11)
1.一种匹配度确定方法,其特征在于,所述方法包括:
输出n道与面试主题对应的中等难度的面试题,其中,n为任一正整数;
根据面试者针对所述面试题的答案,确定所述面试者的中等题测试结果;
当所述中等题测试结果未达到第一预设结果时,判断所述面试者回答的中等难度的面试题的数量是否小于m道;若所述面试者回答的中等难度的面试题的数量小于m道,则继续输出一道中等难度的面试题,并在所述面试者回答完成后,重新获取所述面试者的中等题测试结果,并判断重新获取的中等题测试结果是否达到所述第一预设结果;若所述面试者回答的中等难度的面试题的数量等于m道,则输出与所述面试主题对应的低等难度的面试题,并在所述面试者回答完所有低等难度的面试题后,确定所述面试者的低等题测试结果,其中,m为大于n的正整数;
根据最新获取的中等题测试结果和低等题测试结果,确定所述面试者与所述面试主题的匹配度。
2.根据权利要求1所述的方法,其特征在于,输出与所述面试主题对应的低等难度的面试题,包括:
输出i道与所述面试主题对应的低等难度的面试题,其中,i为任一正整数;
根据所述面试者针对所述低等难度的面试题的答案,确定所述面试者的低等题测试结果;
当所述低等题测试结果达到第二预设结果时,表征所述面试者回答完所有低等难度的面试题;
当所述低等题测试结果未达到所述第二预设结果时,判断所述面试者回答的低等难度的面试题的数量是否小于j道;若所述面试者回答的低等难度的面试题的数量小于j道,则继续输出一道低等难度的面试题,并在所述面试者回答完成后,重新确定所述面试者的低等题测试结果,并判断重新获取的低等题测试结果是否达到所述第二预设结果;若所述面试者回答的低等难度的面试题的数量等于j道,则表征所述面试者回答完所有低等难度的面试题,其中,j为大于i的正整数。
3.根据权利要求1所述的方法,其特征在于,在所述输出n道与面试主题对应的中等难度的面试题之前,所述方法还包括:
根据所述面试者的简历和其所面试的岗位对应的岗位需求,获取x个面试主题,其中,x为任一正整数;
从所述x个面试主题中选择任一面试主题,根据从所述x个面试主题中选择出的面试主题,在预设的知识图谱中获取对应的面试题,所述知识图谱为根据全部面试主题设计的面试题题库,所述面试题包括多道所述中等难度的面试题和多道所述低等难度的面试题;所述n道与面试主题对应的中等难度的面试题为多道所述中等难度的面试题中的面试题。
4.根据权利要求3所述的方法,其特征在于,所述根据所述面试者的简历和其所面试的岗位对应的岗位需求,获取x个面试主题,包括:
获取所述简历中的技能关键字;
将所述岗位需求和所述技能关键字进行匹配,获取所述x个面试主题。
5.根据权利要求1所述的方法,其特征在于,所述根据所述面试者针对所述面试题的答案,确定所述面试者的中等题测试结果,包括:
接收所述面试者回答所述面试题的语音信息;
将所述语音信息转换为文字信息,并将所述文字信息与标准答案进行语义相似度匹配,获取所述中等题测试结果。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述面试者回答全部面试题的过程中,实时获取所述面试者的视频监控画面;
根据所述视频监控画面,检测所述面试者是否作弊。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
当检测到所述面试者作弊时,判断所述面试者已作弊的题目数量是否小于y道;若是,则将其作弊的面试题不纳入该面试题对应的测试结果计算中;若否,则结束所述面试主题的面试,其中,y为任一正整数。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述面试者回答完的中等难度的面试题获得的中等题测试结果达到第一预设结果时,输出p道与所述面试主题对应的高等难度的面试题,其中,p为任一正整数;
根据所述面试者针对所述高等难度的面试题的答案,确定所述面试者的高等题测试结果;
当所述高等题测试结果达到第三预设结果时,表征所述面试者回答完所有高等难度的面试题;
当所述高等题测试结果未达到所述第三预设结果时,判断所述面试者回答的高等难度的面试题的数量是否小于k道;若所述面试者回答的高等难度的面试题的数量小于k道,则继续输出一道高等难度的面试题,并在所述面试者回答完成后,重新确定所述面试者的高等题测试结果,并判断重新获取的高等题测试结果是否达到所述第三预设结果;若所述面试者回答的高等难度的面试题的数量等于k道,则表征所述面试者回答完所有高等难度的面试题,其中,k为大于p的正整数;
在所述面试者回答完所有高等难度的面试题后,确定所述面试者的高等题测试结果,并根据最新获取的中等题测试结果和高等题测试结果,确定所述面试者与所述面试主题的匹配度。
9.一种匹配度确定装置,其特征在于,所述装置包括:
处理模块,用于输出n道与面试主题对应的中等难度的面试题,其中,n为任一正整数;根据面试者针对所述面试题的答案,确定所述面试者的中等题测试结果;当所述中等题测试结果未达到第一预设结果时,判断所述面试者回答的中等难度的面试题的数量是否小于m道;若所述面试者回答的中等难度的面试题的数量小于m道,则继续输出一道中等难度的面试题,并在所述面试者回答完成后,重新获取所述面试者的中等题测试结果,并判断重新获取的中等题测试结果是否达到所述第一预设结果;若所述面试者回答的中等难度的面试题的数量等于m道,则输出与所述面试主题对应的低等难度的面试题,并在所述面试者回答完所有低等难度的面试题后,确定所述面试者的低等题测试结果,其中,m为大于n的正整数;
确定模块,用于根据最新获取的中等题测试结果和低等题测试结果,确定所述面试者与所述面试主题的匹配度。
10.一种电子设备,其特征在于,包括:处理器和存储器,所述处理器和所述存储器连接;
所述存储器用于存储程序;
所述处理器用于运行存储在所述存储器中的程序,以执行如权利要求1-8中任一项所述的方法。
11.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序在被计算机运行时执行如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111105618.0A CN113806516B (zh) | 2021-09-22 | 2021-09-22 | 匹配度确定方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111105618.0A CN113806516B (zh) | 2021-09-22 | 2021-09-22 | 匹配度确定方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113806516A true CN113806516A (zh) | 2021-12-17 |
CN113806516B CN113806516B (zh) | 2024-06-14 |
Family
ID=78939946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111105618.0A Active CN113806516B (zh) | 2021-09-22 | 2021-09-22 | 匹配度确定方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113806516B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160253626A1 (en) * | 2015-02-26 | 2016-09-01 | Chung-Nan Tien | Network Interview System and Interview Method Thereof |
CN106202453A (zh) * | 2016-07-13 | 2016-12-07 | 网易(杭州)网络有限公司 | 一种多媒体资源推荐方法和装置 |
CN107680019A (zh) * | 2017-09-30 | 2018-02-09 | 百度在线网络技术(北京)有限公司 | 一种考试方案的实现方法、装置、设备及存储介质 |
CN108831229A (zh) * | 2018-03-30 | 2018-11-16 | 上海乂学教育科技有限公司 | 一种中文自动分级方法 |
CN109785698A (zh) * | 2017-11-13 | 2019-05-21 | 上海流利说信息技术有限公司 | 用于口语水平评测的方法、装置、电子设备以及介质 |
US20190163807A1 (en) * | 2017-11-29 | 2019-05-30 | International Business Machines Corporation | Feature vector profile generation for interviews |
CN111445200A (zh) * | 2020-02-25 | 2020-07-24 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的面试方法、装置、计算机设备及存储介质 |
CN111506770A (zh) * | 2020-04-22 | 2020-08-07 | 新华智云科技有限公司 | 一种采访视频集锦生成方法和*** |
WO2021000408A1 (zh) * | 2019-07-04 | 2021-01-07 | 平安科技(深圳)有限公司 | 面试评分方法、装置、设备及存储介质 |
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 |
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 |
-
2021
- 2021-09-22 CN CN202111105618.0A patent/CN113806516B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160253626A1 (en) * | 2015-02-26 | 2016-09-01 | Chung-Nan Tien | Network Interview System and Interview Method Thereof |
CN106202453A (zh) * | 2016-07-13 | 2016-12-07 | 网易(杭州)网络有限公司 | 一种多媒体资源推荐方法和装置 |
CN107680019A (zh) * | 2017-09-30 | 2018-02-09 | 百度在线网络技术(北京)有限公司 | 一种考试方案的实现方法、装置、设备及存储介质 |
CN109785698A (zh) * | 2017-11-13 | 2019-05-21 | 上海流利说信息技术有限公司 | 用于口语水平评测的方法、装置、电子设备以及介质 |
US20190163807A1 (en) * | 2017-11-29 | 2019-05-30 | International Business Machines Corporation | Feature vector profile generation for interviews |
CN108831229A (zh) * | 2018-03-30 | 2018-11-16 | 上海乂学教育科技有限公司 | 一种中文自动分级方法 |
WO2021000408A1 (zh) * | 2019-07-04 | 2021-01-07 | 平安科技(深圳)有限公司 | 面试评分方法、装置、设备及存储介质 |
CN111445200A (zh) * | 2020-02-25 | 2020-07-24 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的面试方法、装置、计算机设备及存储介质 |
CN111506770A (zh) * | 2020-04-22 | 2020-08-07 | 新华智云科技有限公司 | 一种采访视频集锦生成方法和*** |
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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN113806516B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Murtin et al. | Trust and its determinants: Evidence from the Trustlab experiment | |
US20160162794A1 (en) | Decision tree data structures generated to determine metrics for child nodes | |
Alipourfard et al. | Using Simpson’s paradox to discover interesting patterns in behavioral data | |
Birnbaum | Base rates in bayesian inference | |
Perlitz et al. | Efficient benchmarking (of language models) | |
CN109003492B (zh) | 一种题目选择装置及终端设备 | |
Aycinena et al. | Measuring norms: Assessing the threat of social desirability bias to the Bicchieri and Xiao elicitation method | |
CN113919432A (zh) | 一种分类模型构建方法、数据分类方法及装置 | |
WO2013126782A1 (en) | Outlier detection tool | |
KR102232874B1 (ko) | 인공지능 학습데이터 생성을 위한 크라우드소싱 기반 프로젝트의 검증용 작업 결과를 활용한 신규 검수자 평가 방법 | |
Fauzi et al. | Effect of social media addiction on academic performance among nursing students | |
Yackee | Does experiential learning improve JD employment outcomes | |
CN113806516A (zh) | 匹配度确定方法、装置、电子设备及计算机可读存储介质 | |
CN109472457B (zh) | 贷款申请在线面审方法及终端设备 | |
CN110674632A (zh) | 一种确定安全级别的方法及装置、存储介质和设备 | |
CN113821443B (zh) | 应用程序的功能检测方法、装置、设备及存储介质 | |
CN115391514A (zh) | 问答语句生成方法、装置、电子设备及存储介质 | |
CN114037358A (zh) | 基于高校互动课堂活动数据的学情分析方法及*** | |
Lebrun et al. | Detecting the corruption of online questionnaires by artificial intelligence | |
US9355373B2 (en) | Outlier detection tool | |
CN112669182A (zh) | 主观试题内容的评分方法以及装置 | |
CN113987328A (zh) | 一种题目推荐方法、设备、服务器及存储介质 | |
Coali et al. | Understanding probabilistic reasoning in innovation | |
CN111311456A (zh) | 辅助学习方法、装置、计算机可读存储介质及电子设备 | |
Terveen et al. | Don't Just Add Women and Stir: How Judge Characteristics Affect Outcomes for Female Competitors in High School Debate |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |