CN110070332A - 基于人工智能的面试方法、装置、设备及可读存储介质 - Google Patents
基于人工智能的面试方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN110070332A CN110070332A CN201910191404.6A CN201910191404A CN110070332A CN 110070332 A CN110070332 A CN 110070332A CN 201910191404 A CN201910191404 A CN 201910191404A CN 110070332 A CN110070332 A CN 110070332A
- Authority
- CN
- China
- Prior art keywords
- participle
- score
- interview
- target
- keyword
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 5
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 238000000151 deposition Methods 0.000 claims 1
- 238000004321 preservation Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 21
- 238000012512 characterization method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000007115 recruitment Effects 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000002073 mitogenetic effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/313—Selection or weighting of terms for indexing
-
- 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
- G06F16/3344—Query execution using natural language analysis
-
- 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
-
- 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
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
Abstract
本发明公开一种基于人工智能的面试方法、装置、设备及可读存储介质，所述方法包括：采集应聘者对面试问题进行回答的声音信号，并将声音信号转换为文字语句，对各文字语句进行切分，生成多个分词组；根据预设词库中的关键词，确定与各分词组中分词匹配的目标关键词，并根据各目标关键词与各分词之间的匹配度，确定各分词的分词得分；根据各分词得分，生成面试问题的问题得分，并在面试中的面试问题均生成问题得分后，对各问题得分整合，生成面试参考得分；接收对应聘者面试的面试者所上传的打分分数，并将打分分数和参考得分保存，完成对应聘者的面试。本方案基于人工智能生成用于辅助面试的面试参考得分，提高了对应聘者能力评判的准确性。
Description
技术领域
本发明主要涉及人工智能技术领域，具体地说，涉及一种基于人工智能的面试方法、装置、设备及可读存储介质。
背景技术
目前各企业、公司在招聘面试时，通常由面试者对应聘者提出各种类型的问题，应聘者则针对各种问题进行回答，面试者通过应聘者的回答答案，对应聘者的能力进行评判。这种以面试者为主导的面试形式，因面试者对不同答案的理解存在差异性，使得对应聘者的能力评判不够准确，而导致面试成功的应聘者能力其实和招聘的岗位要求不匹配，或者错失符合招聘岗位要求的应聘者。
发明内容
本发明的主要目的是提供一种基于人工智能的面试方法、装置、设备及可读存储介质，旨在解决现有技术中由面试者主导面试，面试者对问题答案的理解差异性，所导致对应聘者能力评判不准确的问题。
为实现上述目的，本发明提供一种基于人工智能的面试方法，所述基于人工智能的面试方法包括以下步骤：
采集应聘者对面试问题进行回答的声音信号，并将所述声音信号转换为文字语句，对各所述文字语句进行切分，生成多个分词组；
对预设词库进行调用，根据所述预设词库中的关键词，确定与各所述分词组中分词匹配的目标关键词，并根据各所述目标关键词与各所述分词之间的匹配度，确定各所述分词的分词得分；
根据各所述分词得分，生成所述面试问题的问题得分，并在面试中的所有所述面试问题均生成所述问题得分后，对各所述问题得分进行整合，生成面试参考得分；
接收对所述应聘者进行面试的面试者所上传的打分分数，并将所述打分分数和所述参考得分进行保存，完成对所述应聘者的面试。
优选地，所述根据所述预设词库中的关键词，确定与各所述分词组中分词匹配的目标关键词的步骤包括：
读取所述预设词库中的关键词，以及与各所述关键词对应的相似词，并在各所述关键词以及与各所述关键对应的相似词之间建立关键词组；
逐一将各所述分词组中的分词和各所述关键词组对比，确定各所述分词所在的目标关键词组，并将各所述目标关键词组中的关键词确定为各目标关键词。
优选地，所述根据各所述目标关键词与各所述分词之间的匹配度，确定各所述分词的分词得分的步骤包括：
逐一判断各所述分词是否和所述目标关键词一致，若和所述目标关键词一致，则将所述匹配度确定为最高匹配度，并将与所述最高匹配度对应的第一预设得分确定为所述分词的分词得分；
若和所述目标关键词不一致，则判定所述目标关键词组中与所述目标关键词对应的相似词和所述分词一致，将和所述分词一致的相似词设为目标相似词；
根据所述目标关键词与所述目标相似词之间的相似度，确定所述目标关键词与所述分词之间的匹配度，并将与所述相似度对应的第二预设得分确定为所述分词的分词得分。
优选地，所述根据各所述分词得分，生成所述面试问题的问题得分的步骤包括：
判断各所述分词组的分词中是否存在特征类型相同的同类分词，若存在特征类型相同的同类分词，则对所述同类分词的分词得分对比，确定所述同类分词的分词得分最大值；
根据所述分词得分最大值，将各所述同类分词中分词得分小于所述分词得分最大值的分词进行剔除，以将经各所述文字语句切分生成的各所述分词组更新为目标分词组；
将各所述目标分词组中所具有的各所述分词的分词得分和预设得分阈值对比，确定各所述目标分词组中分词得分大于预设得分阈值的目标分词；
对各所述目标分词组所具有的各所述目标分词的分词得分进行整合，生成所述面试问题的问题得分。
优选地，所述对各所述目标分词组所具有的各所述目标分词的分词得分进行整合，生成所述面试问题的问题得分的步骤包括：
判断各所述目标分词组的目标分词之间是否存在特征类型相同的同类目标分词，若存在特征类型相同的同类目标分词，则生成所述同类目标分词的得分平均值；
将各所述目标分词组中所具有的各所述目标分词生成分词集合，并根据所述分词集合中各目标分词对应的分词得分，确定所述面试问题的问题得分，其中将所述同类目标分词作为所述分词集合中的单个目标分词，且将所述得分平均值设为单个所述目标分词的分词得分。
优选地，所述根据各所述分词得分，生成所述面试问题的问题得分的步骤之后包括：
调用与所述面试问题对应的关联关系链，并根据所述关联关系链，确定与所述面试问题关联的下一面试问题；
将所述下一面试问题输出显示，以对所述面试问题进行更新，并对更新的所述面试问题执行采集应聘者对面试问题进行回答的声音信号的步骤。
优选地，所述对各所述问题得分进行整合，生成面试参考得分的步骤包括：
读取各所述面试问题的预设权重，并根据与各所述面试问题对应的问题得分以及预设权重，用所述预设权重对所述问题得分进行加权处理，生成面试参考得分。
此外，为实现上述目的，本发明还提出一种基于人工智能的面试装置，所述基于人工智能的面试装置包括：
采集模块，用于采集应聘者对面试问题进行回答的声音信号，并将所述声音信号转换为文字语句，对各所述文字语句进行切分，生成多个分词组；
确定模块，用于对预设词库进行调用，根据所述预设词库中的关键词，确定与各所述分词组中分词匹配的目标关键词，并根据各所述目标关键词与各所述分词之间的匹配度，确定各所述分词的分词得分；
生成模块，用于根据各所述分词得分，生成所述面试问题的问题得分，并在面试中的所有所述面试问题均生成所述问题得分后，对各所述问题得分进行整合，生成面试参考得分；
存储模块，用于接收对所述应聘者进行面试的面试者所上传的打分分数，并将所述打分分数和所述参考得分进行保存，完成对所述应聘者的面试。
此外，为实现上述目的，本发明还提出一种基于人工智能的面试设备，所述基于人工智能的面试设备包括：存储器、处理器、通信总线以及存储在所述存储器上的基于人工智能的面试程序；
所述通信总线用于实现处理器和存储器之间的连接通信；
所述处理器用于执行所述基于人工智能的面试程序，以实现以下步骤：
采集应聘者对面试问题进行回答的声音信号，并将所述声音信号转换为文字语句，对各所述文字语句进行切分，生成多个分词组；
对预设词库进行调用，根据所述预设词库中的关键词，确定与各所述分词组中分词匹配的目标关键词，并根据各所述目标关键词与各所述分词之间的匹配度，确定各所述分词的分词得分；
根据各所述分词得分，生成所述面试问题的问题得分，并在面试中的所有所述面试问题均生成所述问题得分后，对各所述问题得分进行整合，生成面试参考得分；
接收对所述应聘者进行面试的面试者所上传的打分分数，并将所述打分分数和所述参考得分进行保存，完成对所述应聘者的面试。
此外，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序可被一个或者一个以上的处理器执行以用于：
采集应聘者对面试问题进行回答的声音信号，并将所述声音信号转换为文字语句，对各所述文字语句进行切分，生成多个分词组；
对预设词库进行调用，根据所述预设词库中的关键词，确定与各所述分词组中分词匹配的目标关键词，并根据各所述目标关键词与各所述分词之间的匹配度，确定各所述分词的分词得分；
根据各所述分词得分，生成所述面试问题的问题得分，并在面试中的所有所述面试问题均生成所述问题得分后，对各所述问题得分进行整合，生成面试参考得分；
接收对所述应聘者进行面试的面试者所上传的打分分数，并将所述打分分数和所述参考得分进行保存，完成对所述应聘者的面试。
本实施例的基于人工智能的面试方法，将采集的应聘者在面试过程中对面试者所提出的面试问题进行回答的声音信号转换为文字语句，并将该文字语句进行切分生成多个分词组；再对预先设置的预设词库进行调用，并根据预设词库中的关键词，确定与各分词组中分词匹配的目标关键词；进而由各目标关键词与各分词之间的匹配度，确定各分词的分词得分；并由各个分词的分词得分生成面试问题的问题得分；在面试过程中所有面试问题均生成问题得分后，即对各问题得分进行整合，生成面试参考得分；同时接收对应聘者进行面试的面试者在面试过程中，针对应聘者打分并上传的打分分数，将该打分分数和面试参考得分一并保存，完成对面试者的面试。本方案基于人工智能将应聘者在面试过程中的声音信号转换为文字语句，并切分生成多个分词组，通过对分词组中各分词的分析处理，生成表征应聘者能力的面试参考得分；同时由面试者对应聘者的能力进行评估打分，由打分分数和面试参考得分共同表征评判应聘者的能力，避免了单独由面试者对应聘者的能力评判，提高了对应聘者能力评判的准确性。
附图说明
图1是本发明的基于人工智能的面试方法第一实施例的流程示意图；
图2是本发明的基于人工智能的面试装置第一实施例的功能模块示意图；
图3是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
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。
本发明提供一种基于人工智能的面试方法。
请参照图1，图1为本发明基于人工智能的面试方法第一实施例的流程示意图。在本实施例中，所述基于人工智能的面试方法包括：
步骤S10，采集应聘者对面试问题进行回答的声音信号，并将所述声音信号转换为文字语句，对各所述文字语句进行切分，生成多个分词组；
本发明的基于人工智能的面试方法应用于服务器，适用于通过服务器在面试者对应聘者的面试过程中进行辅助面试。面试者在对应聘者进行面试过程中，向应聘者提出各种类型的面试问题，应聘者对该各类面试问题进行回答，回答以声音的形式存在。采集应聘者对面试问题进行回答的声音信号，且采集的声音信号以各道面试问题为界限；即当应聘者对某一道面试问题开始回答时，对其回答的声音信号进行采集，并在回答完成后停止采集；其中开始和停止由声音信号的音色进行区分，当音色发生变化时，则说明声音信号来源发生变化，进而对声音信号进行采集或者停止采集。将该采集的声音信号通过预设的声文转换模块转换为文字语句，并对该转换的文字语句基于预设的分词模块进行切分，并将切分所得到的各分词中诸如“的”、“与”、“和”此类无意义的连接词，以及涉及到隐私的敏感词、虚词等停用词进行剔除，生成多个分词组；其中一句文字语句对应生成一个分词组，而各个分词组中包括由其对应的文字语句所划分而来的各个分词。
步骤S20，对预设词库进行调用，根据所述预设词库中的关键词，确定与各所述分词组中分词匹配的目标关键词，并根据各所述目标关键词与各所述分词之间的匹配度，确定各所述分词的分词得分；
进一步地，预先设置有包括多个关键词的预设词库，且该预设词库中的各个关键词通过word2vec计算有对应的多个相似词；word2vec是一个计算word vector的开源工具，可在百万数量级的词典和上亿的数据集上进行高效地训练得到词向量(word embedding)，以度量词与词之间的相似性。本实施例预先基于word2vec中的词向量计算各关键词与其他词之间的相似度得分，并将各相似度得分进行对比；确定相似度得分排列在前预设位的词，该排列在前预设位的词即为与各关键词对应相似的相似词。对该预设词库进行调用，并将各分词组中的分词分别和该预设词库中的关键词进行对比，确定与各分词匹配的目标关键词。考虑到在对比过程中，可能预设词库中不存在与分词完全一致的关键词，从而在对比过程中，在将分词和关键词对比的同时，还将分词和关键词对应的相似词进行对比；即先将分词和关键词对比，判断两者的一致性，若两者一致，则将该关键词确定为与分词匹配的目标关键词；若两者不一致，则用于该关键词相似的相似词和分词进行对比，判断该关键词相似的各相似词中是否存在和分词一致的相似词；若存在则将该关键词确定为与分词匹配的目标关键词，若不存在，则调用预设词库中的下一关键词和分词继续进行对比。如预设词库中包括关键词A和B，且两者所对应的相似词分别为[a1、a2、a3、a4、a5···]、[b1、b2、b3、b4···]，而对于切分的分词b3；在对比的过程中，则将A及其对应的相似词[a1、a2、a3、a4、a5···]和分词b3进行对比，因关键词A及其对应的相似词中不存在与分词b3一致的词，则读取词表中的下一词B及其对应的相似词继续进行对比；因关键词B的相似词b3和该分词一致，从而将关键词B确定为与分词b3对应的目标关键词。
在为各分词组中的分词匹配到目标关键词后，依据各目标关键词与分词之间的匹配度，确定各分词的分词得分，其中匹配度表征目标关键词与分词之间的相似程度；当预设词库中存在某一关键词与分词一致，即分词与关键词本身一致，则说明该目标关键词与分词之间完全匹配，两者之间的相似程度最大；当预设词库中存在某一关键词的相似词与分词一致，即分词与关键词相似的相似词一致，则说明该目标关键词与分词之间没有完全匹配，两者之间的相似程度由关键词与其相似词之间的相似性大小确定。因关键词与其相似词之间的相似性大小预先由word2vec计算生成，从而可直接将该计算得到的相似性大小确定为分词的分词得分，通过该分词得分表征分词与关键词之间的相似度大小。如对于上述分词b3所确定的目标关键词B，若关键词B与其对应相似词[b1、b2、b3、b4···]中b3的相似性大小为0.8，则将分词b3的分词得分确定为0.8，表征其与目标关键词B3之间的相似程度为0.8。此外，可将该所确定的与各个分词匹配的目标关键词，以及非分词的分词得分输出到面试者所持有终端进行高亮显示，以便于面试者通过显示的关键词所体现的特性，来更为准确的了解应聘者所具有的特性。
步骤S30，根据各所述分词得分，生成所述面试问题的问题得分，并在面试中的所有所述面试问题均生成所述问题得分后，对各所述问题得分进行整合，生成面试参考得分；
可理解地，各分词由各文字语句划分而来，而各文字语句由对面试问题的语音信号转换而来，从而通过各分词的分词得分，可生成面试问题的问题得分。因对面试问题的语音信号涉及到多个语句，使得文字语句也涉及到多个语句，各个语句均对应一个分词组；分词组中的不同分词体现应聘者在不同方面的特性，而分词得分的大小则体现应聘者在不同方面的特性强弱，其中得分越大则特性越强，而得分越小则特性越弱。在分词组中的分词均生成分词得分后，将各个分词得分进行排序，确定得分最大值，并将该得分最大值作为该分词组所来源文字语句的得分；进而对各个文字语句的得分进行加权处理，得到由各文字语句所组成问题的问题得分。考虑到应聘者在面试过程中所要回答的面试问题众多，针对各个面试问题均生成有问题得分；各个面试问题从各个方面体现应聘者的能力，而不同方面的能力对应聘者所应聘智能的影响程度不一样。为了体现该影响程度的强弱，针对不同面试问题预先设置有预设权重，在生成各个面试问题的问题得分之后，读取该各面试问题的预设权重，并依据面试问题在各问题得分和各预设权重之间建立对应关系，用面试问题所具有的预设权重对该面试问题所具有的问题得分进行加权处整合，生成面试参考得分。该面试参考得分为对应聘者在面试过程中所体现的各方面的能力评估，作为面试者在面试过程中的参考，以辅助面试。
步骤S40，接收对所述应聘者进行面试的面试者所上传的打分分数，并将所述打分分数和所述参考得分进行保存，完成对所述面试者的面试。
更进一步地，面试者对应聘者在面试过程中的表现、特征、素质、能力等会进行打分操作，并将打该分分数上传到服务器；服务器将该接收到的打分分数和所生成的面试参考得分进行关联保存，完成对应聘者的面试。该关联保存的打分分数和面试参考得分可作为对应聘者录用或拒用的依据，当打分分数和面试参考得分均高于一定值时，则说明该应聘者的能力和其所面试岗位的需求相符合，而对其进行录用；而当两者均低于一定值时，则说明应聘者的能力和其所面试岗位的需求不相符合，而对其进行拒用。此外，还可设置差异性检测机制，检测打分分数与面试参考得分之间的差值，判断差值是否过大；并在差值过大时，支持启动回溯机制，以防止应聘者的能力被高估或低估。
本实施例的基于人工智能的面试方法，将采集的应聘者在面试过程中对面试者所提出的面试问题进行回答的声音信号转换为文字语句，并将该文字语句进行切分生成多个分词组；再对预先设置的预设词库进行调用，并根据预设词库中的关键词，确定与各分词组中分词匹配的目标关键词；进而由各目标关键词与各分词之间的匹配度，确定各分词的分词得分；并由各个分词的分词得分生成面试问题的问题得分；在面试过程中所有面试问题均生成问题得分后，即对各问题得分进行整合，生成面试参考得分；同时接收对应聘者进行面试的面试者在面试过程中，针对应聘者打分并上传的打分分数，将该打分分数和面试参考得分一并保存，完成对面试者的面试。本方案基于人工智能将应聘者在面试过程中的声音信号转换为文字语句，并切分生成多个分词组，通过对分词组中各分词的分析处理，生成表征应聘者能力的面试参考得分；同时由面试者对应聘者的能力进行评估打分，由打分分数和面试参考得分共同表征评判应聘者的能力，避免了单独由面试者对应聘者的能力评判，提高了对应聘者能力评判的准确性。
进一步地，在本发明基于人工智能的面试方法的另一实施例中，所述根据所述预设词库中的关键词，确定与各所述分词组中分词匹配的目标关键词的步骤包括：
步骤S21，读取所述预设词库中的关键词，以及与各所述关键词对应的相似词，并在各所述关键词以及与各所述关键对应的相似词之间建立关键词组；
可理解地，因预设词库中包括多个关键词，各个关键词又对应有到多个相似词，从而在将各分词组中的分词和各关键词对比，以确定目标关键词的过程中，先读取预设词库中的各关键词及其各自对应的相似词，并在各关键词及其各自对应的相似词之间建立关键词组；使得预设词库中包括多个关键词组，以关键词组的形式和各分词进行对比。
步骤S22，逐一将各所述分词组中的分词和各所述关键词组对比，确定各所述分词所在的目标关键词组，并将各所述目标关键词组中的关键词确定为各目标关键词。
进一步地，以各分词组为单位，从各分词组中逐一读取分词，并将读取的分词逐一和各关键词对比，确定分词所在的关键词组，将该所在的关键词组确定为目标关键词组。在分词组中的各分词均进行读取、并确定目标关键词组之后，则对下一分词组中的分词进行逐一读取操作，直到所有分词组中的分词均确定对应的目标关键词组。目标关键词组中包括一个关键词以及与该关键词对应的多个相似词，分词存在于该目标关键词组中，可能与目标关键词组中的关键词对应，也可能与其中关键词的相似词对应；将目标关键词组中的关键词确定为目标关键词，通过该目标关键词来体现应聘者的特性。应聘者在某一方面的特性强弱由分词与目标关键词之间的相似性大小体现，而该相似性大小由分词得分表征；具体地，为了确定分词得分，根据各目标关键词与各分词之间的匹配度，确定各分词的分词得分的步骤包括：
步骤S23，逐一判断各所述分词是否和所述目标关键词一致，若和所述目标关键词一致，则将所述匹配度确定为最高匹配度，并将与所述最高匹配度对应的第一预设得分确定为所述分词的分词得分；
可理解地，因关键词组中目标关键词和分词的一致性，表征了分词与目标关键词之间的相似度最大；从而逐一将读取的各分词和目标关键词对比，判断各分词是否直接和目标关键词一致，若和目标关键词一致，则说明分词与目标关键词之间的相似度最大，将两者之间的匹配度确定为最高匹配度。针对该最高匹配度预先设置有第一预设得分，在确定分词与目标关键词一致，两者之间具有最高匹配度后，将该第一预设得分确定为分词的分词得分。
步骤S24，若和所述目标关键词不一致，则判定所述目标关键词组中与所述目标关键词对应的相似词和所述分词一致，将和所述分词一致的相似词设为目标相似词；
步骤S25，根据所述目标关键词与所述目标相似词之间的相似度，确定所述目标关键词与所述分词之间的匹配度，并将与所述相似度对应的第二预设得分确定为所述分词的分词得分。
进一步地，当判断出分词不直接和目标关键词一致，则说明目标关键词组中存在与目标关键词对应的某一相似词和该分词一致，将该相似词作为目标相似词。因目标关键词组中目标关键词和不同相似词之间具有不同的相似度，即预先通过word2vec计算的目标关键词与不同相似词之间的相似性大小存在差异性；在确定与分词一致的目标相似词之后，通过目标关键词在分词和目标相似词之间建立对应关系，来确定分词的分词得分。具体地，将目标关键词与目标相似词之间的相似度，作为目标关键词与分词之间的匹配度，表征目标关键词与分词之间的相似性大小。预设词库中针对关键词与相似词之间的不同相似度，预先设置有第二预设得分，该第二预设得分即为word2vec计算所得到的两者之间的相似性大小值。在确定表征目标关键词与分词之间相似性大小的匹配度之后，将与该相似性大小对应的第二预设得分确定为分词的分词得分。如对于关键词C及其对应的相似词[c1···c5···c8···]，其中C与c1之间的相似度为0.9，C与c5之间的相似度为0.6，C与c8之间的相似度为0.3；即针对相似度设定第二预设得分分别为0.9···0.6···0.3···，同时针对最高匹配度所设置的第一预设得分为1；对于分词w，当经对比确定其和C一致，则将第一预设得分1确定为分词得分；而当经对比确定w和c5一致，则将与c5对应的第二预设得分0.6确定为分词得分。
进一步地，在本发明基于人工智能的面试方法的另一实施例中，所述根据各所述分词得分，生成所述面试问题的问题得分的步骤包括：
步骤S31，判断各所述分词组的分词中是否存在特征类型相同的同类分词，若存在特征类型相同的同类分词，则对所述同类分词的分词得分对比，确定所述同类分词的分词得分最大值；
可理解地，应聘者的特性可以通过不同的分词进行表征，如“乐于加班”的特性，可通过文字“富有激情”、“愿意承担”等分词进行表征，将该类表征相同特性的分词设为特征类型相同的同类分词。对于分词组中的多个同类分词，用其中分词得分最大值即可表征应聘者在该特征类型上的特性强弱；预先设置各个类型的同类分词，并将各分词组中的分词和该各个类型的同类分词进行对比，判断各分词组中是否存在特性类型相同的同类分词。若存在特征类型相同的同类分词，则对各同类分词的分词得分对比，确定该各个同类分词中分词得分的最大值。
步骤S32，根据所述分词得分最大值，将各所述同类分词中分词得分小于所述分词得分最大值的分词进行剔除，以将经各所述文字语句切分生成的各所述分词组更新为目标分词组；
进一步地，因各个同类分词表征了应聘者在同一类型上的特性，从而在确定分词得分最大值之后，对各个同类分词进行过滤；保留与该分词得分最大值所对应的分词，而将同类分词中分词得分小于该分词得分最大值的其他分词进行剔除操作。各分词组在完成对同类分词的过滤后，各分词组中所剩余的分词形成各个目标分词组，该各个目标分词组同样与各个文字语句对应。
步骤S33，将各所述目标分词组中所具有的各所述分词的分词得分和预设得分阈值对比，确定各所述目标分词组中分词得分大于预设得分阈值的目标分词；
可理解地，目标分词组中的各分词具有不同的分词得分，当分词得分小于某一值时，说明应聘者在该分词所表征的特征类型上的特性较弱，而可对该分词所表征的特征类型忽略。具体地，为了表征应聘者在各特征类型上的特性强弱，预先设置有预设得分阈值，将各目标分词组中所具有的各分词的分词得分和该预设得分阈值对比，从各分词得分中筛选出大于预设得分阈值的分词得分，将具有该大于预设得分阈值的分词得分的分词确定为目标分词，以通过各个目标分词来体现应聘者的特性。
步骤S34，对各所述目标分词组所具有的各所述目标分词的分词得分进行整合，生成所述面试问题的问题得分。
进一步地，因目标分词组中各个目标分词的分词得分均大于预设得分阈值，体现应聘者特性；而各目标分词组与各文字语句对应，各个文字语句又形成应聘者对面试问题的回答答案，从而通过对各目标分词所具有的分词得分的整合操作，可生成面试问题的问题得分。具体地，对各目标分词组所具有的各目标分词的分词得分进行整合，生成面试问题的问题得分的步骤包括：
步骤S341，判断各所述目标分词组的目标分词之间是否存在特征类型相同的同类目标分词，若存在特征类型相同的同类目标分词，则生成所述同类目标分词的得分平均值；
可理解地，应聘者在对面试回答的过程中，不同的文字语句中可能使用相同的词语，或者用不同的词语表征相同的特性；使得各目标分词组之间存在相同的目标分词，或表征特征类型相同的同类目标分词；在对各目标分词的分词得分进行整合的过程中，需要先对该类表征相同特征类型的目标分词进行过滤操作。具体地，先将所有目标分词组中的各目标分词添加到集合中，形成总集合；再逐一读取该总集合中的各目标分词，并将逐一读取的各目标分词和预先设置的同类分词进行对比，判断各目标分词中是否存在特征类型相同的同类目标分词；若存在该同类目标分词，则对各个同类目标分词所具有的分词得分进行平均值处理，生成通过目标分词的得分平均值。如经判断目标分词中P1、P2、P3为同类目标分词，且其各自的分词得分分别为q1、q2、q3，则对其进行平均值处理，所得到的得分平均值为(q1+q2+q3)/3。通过经平均值处理的得分平均值，体现应聘者在该同类目标分词所对应特征类型的特性强弱。
步骤S342，将各所述目标分词组中所具有的各所述目标分词生成分词集合，并根据所述分词集合中各目标分词对应的分词得分，确定所述面试问题的问题得分，其中将所述同类目标分词作为所述分词集合中的单个目标分词，且将所述得分平均值设为单个所述目标分词的分词得分。
进一步地，在对由所有目标分词组中各目标分词所形成的总集合中的各目标分词均进行同类目标分词判断之后，将其中属于同类的目标分词进行单一化处理，即只保留各个同类目标分词中的一个目标分词作为单个目标分词；同时将该同类目标分词的得分平均值作为该单个目标分词的分词得分。将对各个同类目标分词进行单一化处理的各个目标分词形成分词集合，因分词集合中的各个目标分词为应聘者对面试问题进行回答所切分的各个分词，从而可依据该分词集合中各目标分词所对应的分词得分，确定面试问题的问题得分。因不同面试问题通常体现应聘者在不同方面的特性，而不同的分词对该特性的强弱体现不一样，从而可针对不同的分词类型设定不同的分词权重；依据分词集合中各目标分词所归属的分词类型，确定各个目标分词所具有的分词权重，进而用各个分词权重对各目标分词的分词得分进行加权处理，生成面试问题的问题得分。如对于面试问题的目标分词组M和N，其中M所包括的目标分词有m1、m2、m3和m4，而N所包括的目标分词有n1、n2和n3，且对应的分词得分分别为M1、M2、M3和M4，以及N1、N2和N3；经判断确定m1和n2，m3和n3之间为同类目标分词，从而经平均值处理所得到的得分平均值分别为(M1+N2)/2和(M3+N3)/2；所形成的分词集合为[m1(或n2)、m2、m3(或n3)、m4、n1]，读取到与m1、m2、m3、m4和n1对应的分词权重为k1、k2、k3、k4和k5，则进行加权处理，所得到的问题得分为(k1*(M1+N2)/2+k2*M2+k3*(M3+N3)/2+k4*M4+k5*N1)；通过所生成的问题得分表征应聘者在该面试问题上的特性强弱。
进一步地，在本发明基于人工智能的面试方法的另一实施例中，所述根据各所述分词得分，生成所述面试问题的问题得分的步骤之后包括：
步骤S50，调用与所述面试问题对应的关联关系链，并根据所述关联关系链，确定与所述面试问题关联的下一面试问题；
更进一步地，服务器中预先设置有表征应聘者各个方面特性的多个类型的面试问题，各个类型的面试问题包括一个主问题以及与该主问题相关的从问题；各个主问题以及各从问题之间预先设置有关联关系，如由主问题S1到主问题S2，或者由主问题S2到从问题s22再到主问题S3之间的关联关系，将该预先形成的关联关系做为关联关系链。在对当前采集的面试问题的声音信号生成问题得分，表征对该面试问题回答完成之后，调用与面试问题对应的关联关系链，并将已回答完成的面试问题和关联关系链对比，确定关联关系链中与该面试问题所对应的下一面试问题。
步骤S60，将所述下一面试问题输出显示，以对所述面试问题进行更新，并对更新的所述面试问题执行采集应聘者对面试问题进行回答的声音信号的步骤。
进一步地，将所确定的下一面试问题输出到面试者所持有的终端进行显示，以对面试问题进行更新，面试者依据该更新的面试问题向应聘者进行提问，由应聘者对该新的面试问题进行回答；继续采集应聘者对面试问题进行回答的声音信号，并对声音信号进行转换、切分为分词；进而由分词的分词得分确定该新的面试问题的问题得分，直到各个类型的面试问题均回答完成，生成面试参考得分。
此外，请参照图2，本发明提供一种基于人工智能的面试装置，在本发明基于人工智能的面试装置第一实施例中，所述基于人工智能的面试装置包括：
采集模块10，用于采集应聘者对面试问题进行回答的声音信号，并将所述声音信号转换为文字语句，对各所述文字语句进行切分，生成多个分词组；
确定模块20，用于对预设词库进行调用，根据所述预设词库中的关键词，确定与各所述分词组中分词匹配的目标关键词，并根据各所述目标关键词与各所述分词之间的匹配度，确定各所述分词的分词得分；
生成模块30，用于根据各所述分词得分，生成所述面试问题的问题得分，并在面试中的所有所述面试问题均生成所述问题得分后，对各所述问题得分进行整合，生成面试参考得分；
存储模块40，用于接收对所述应聘者进行面试的面试者所上传的打分分数，并将所述打分分数和所述参考得分进行保存，完成对所述应聘者的面试。
本实施例的基于人工智能的面试装置，采集模块10将采集的应聘者在面试过程中对面试者所提出的面试问题进行回答的声音信号转换为文字语句，并将该文字语句进行切分生成多个分词组；确定模块20再对预先设置的预设词库进行调用，并根据预设词库中的关键词，确定与各分词组中分词匹配的目标关键词；进而由各目标关键词与各分词之间的匹配度，确定各分词的分词得分；并由生成模块30基于各个分词的分词得分生成面试问题的问题得分；在面试过程中所有面试问题均生成问题得分后，即对各问题得分进行整合，生成面试参考得分；同时存储模块40接收对应聘者进行面试的面试者在面试过程中，针对应聘者打分并上传的打分分数，将该打分分数和面试参考得分一并保存，完成对面试者的面试。本方案基于人工智能将应聘者在面试过程中的声音信号转换为文字语句，并切分生成多个分词组，通过对分词组中各分词的分析处理，生成表征应聘者能力的面试参考得分；同时由面试者对应聘者的能力进行评估打分，由打分分数和面试参考得分共同表征评判应聘者的能力，避免了单独由面试者对应聘者的能力评判，提高了对应聘者能力评判的准确性。
进一步地，在本发明基于人工智能的面试装置另一实施例中，所述确定模块还包括：
读取单元，用于读取所述预设词库中的关键词，以及与各所述关键词对应的相似词，并在各所述关键词以及与各所述关键对应的相似词之间建立关键词组；
对比单元，用于逐一将各所述分词组中的分词和各所述关键词组对比，确定各所述分词所在的目标关键词组，并将各所述目标关键词组中的关键词确定为各目标关键词。
进一步地，在本发明基于人工智能的面试装置另一实施例中，所述确定模块还包括：
判断单元，用于逐一判断各所述分词是否和所述目标关键词一致，若和所述目标关键词一致，则将所述匹配度确定为最高匹配度，并将与所述最高匹配度对应的第一预设得分确定为所述分词的分词得分；
所述判断单元还用于若和所述目标关键词不一致，则判定所述目标关键词组中与所述目标关键词对应的相似词和所述分词一致，将和所述分词一致的相似词设为目标相似词；
确定单元，用于根据所述目标关键词与所述目标相似词之间的相似度，确定所述目标关键词与所述分词之间的匹配度，并将与所述相似度对应的第二预设得分确定为所述分词的分词得分。
进一步地，在本发明基于人工智能的面试装置另一实施例中，所述生成模块还用于：
判断各所述分词组的分词中是否存在特征类型相同的同类分词，若存在特征类型相同的同类分词，则对所述同类分词的分词得分对比，确定所述同类分词的分词得分最大值；
根据所述分词得分最大值，将各所述同类分词中分词得分小于所述分词得分最大值的分词进行剔除，以将经各所述文字语句切分生成的各所述分词组更新为目标分词组；
将各所述目标分词组中所具有的各所述分词的分词得分和预设得分阈值对比，确定各所述目标分词组中分词得分大于预设得分阈值的目标分词；
对各所述目标分词组所具有的各所述目标分词的分词得分进行整合，生成所述面试问题的问题得分。
进一步地，在本发明基于人工智能的面试装置另一实施例中，所述生成模块还用于：
判断各所述目标分词组的目标分词之间是否存在特征类型相同的同类目标分词，若存在特征类型相同的同类目标分词，则生成所述同类目标分词的得分平均值；
将各所述目标分词组中所具有的各所述目标分词生成分词集合，并根据所述分词集合中各目标分词对应的分词得分，确定所述面试问题的问题得分，其中将所述同类目标分词作为所述分词集合中的单个目标分词，且将所述得分平均值设为单个所述目标分词的分词得分。
进一步地，在本发明基于人工智能的面试装置另一实施例中，所述基于人工智能的面试装置还包括：
调用模块，用于调用与所述面试问题对应的关联关系链，并根据所述关联关系链，确定与所述面试问题关联的下一面试问题；
更新模块，用于将所述下一面试问题输出显示，以对所述面试问题进行更新，并对更新的所述面试问题执行采集应聘者对面试问题进行回答的声音信号的步骤。
进一步地，在本发明基于人工智能的面试装置另一实施例中，所述生成模块还用于：
读取各所述面试问题的预设权重，并根据与各所述面试问题对应的问题得分以及预设权重，用所述预设权重对所述问题得分进行加权处理，生成面试参考得分。
其中，上述基于人工智能的面试装置的各虚拟功能模块存储于图3所示基于人工智能的面试设备的存储器1005中，处理器1001执行基于人工智能的面试程序时，实现图2所示实施例中各个模块的功能。
参照图3，图3是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明实施例基于人工智能的面试设备可以是PC(personal computer，个人计算机)，也可以是智能手机、平板电脑、电子书阅读器、便携计算机等终端设备。
如图3所示，该基于人工智能的面试设备可以包括：处理器1001，例如CPU(CentralProcessing Unit，中央处理器)，存储器1005，通信总线1002。其中，通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM(random accessmemory，随机存取存储器)，也可以是稳定的存储器(non-volatile memory)，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，该基于人工智能的面试设备还可以包括用户接口、网络接口、摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi(Wireless Fidelity，无线宽带)模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解，图3中示出的基于人工智能的面试设备结构并不构成对基于人工智能的面试设备的限定，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3所示，作为一种可读存储介质的存储器1005中可以包括操作系统、网络通信模块以及基于人工智能的面试程序。操作系统是管理和控制基于人工智能的面试设备硬件和软件资源的程序，支持基于人工智能的面试程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信，以及与基于人工智能的面试设备中其它硬件和软件之间通信。
在图3所示的基于人工智能的面试设备中，处理器1001用于执行存储器1005中存储的基于人工智能的面试程序，实现上述基于人工智能的面试方法各实施例中的步骤。
本发明提供了一种可读存储介质，所述可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述基于人工智能的面试方法各实施例中的步骤。
还需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素。
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可读存储介质(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，或者网络设备等)执行本发明各个实施例所述的方法。
以上所述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，凡是在本发明的构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种基于人工智能的面试方法，其特征在于，所述基于人工智能的面试方法包括以下步骤：
采集应聘者对面试问题进行回答的声音信号，并将所述声音信号转换为文字语句，对各所述文字语句进行切分，生成多个分词组；
对预设词库进行调用，根据所述预设词库中的关键词，确定与各所述分词组中分词匹配的目标关键词，并根据各所述目标关键词与各所述分词之间的匹配度，确定各所述分词的分词得分；
根据各所述分词得分，生成所述面试问题的问题得分，并在面试中的所有所述面试问题均生成所述问题得分后，对各所述问题得分进行整合，生成面试参考得分；
接收对所述应聘者进行面试的面试者所上传的打分分数，并将所述打分分数和所述参考得分进行保存，完成对所述应聘者的面试。
2.如权利要求1所述的基于人工智能的面试方法，其特征在于，所述根据所述预设词库中的关键词，确定与各所述分词组中分词匹配的目标关键词的步骤包括：
读取所述预设词库中的关键词，以及与各所述关键词对应的相似词，并在各所述关键词以及与各所述关键对应的相似词之间建立关键词组；
逐一将各所述分词组中的分词和各所述关键词组对比，确定各所述分词所在的目标关键词组，并将各所述目标关键词组中的关键词确定为各目标关键词。
3.如权利要求2所述的基于人工智能的面试方法，其特征在于，所述根据各所述目标关键词与各所述分词之间的匹配度，确定各所述分词的分词得分的步骤包括：
逐一判断各所述分词是否和所述目标关键词一致，若和所述目标关键词一致，则将所述匹配度确定为最高匹配度，并将与所述最高匹配度对应的第一预设得分确定为所述分词的分词得分；
若和所述目标关键词不一致，则判定所述目标关键词组中与所述目标关键词对应的相似词和所述分词一致，将和所述分词一致的相似词设为目标相似词；
根据所述目标关键词与所述目标相似词之间的相似度，确定所述目标关键词与所述分词之间的匹配度，并将与所述相似度对应的第二预设得分确定为所述分词的分词得分。
4.如权利要求1所述的基于人工智能的面试方法，其特征在于，所述根据各所述分词得分，生成所述面试问题的问题得分的步骤包括：
判断各所述分词组的分词中是否存在特征类型相同的同类分词，若存在特征类型相同的同类分词，则对所述同类分词的分词得分对比，确定所述同类分词的分词得分最大值；
根据所述分词得分最大值，将各所述同类分词中分词得分小于所述分词得分最大值的分词进行剔除，以将经各所述文字语句切分生成的各所述分词组更新为目标分词组；
将各所述目标分词组中所具有的各所述分词的分词得分和预设得分阈值对比，确定各所述目标分词组中分词得分大于预设得分阈值的目标分词；
对各所述目标分词组所具有的各所述目标分词的分词得分进行整合，生成所述面试问题的问题得分。
5.如权利要求4所述的基于人工智能的面试方法，其特征在于，所述对各所述目标分词组所具有的各所述目标分词的分词得分进行整合，生成所述面试问题的问题得分的步骤包括：
判断各所述目标分词组的目标分词之间是否存在特征类型相同的同类目标分词，若存在特征类型相同的同类目标分词，则生成所述同类目标分词的得分平均值；
将各所述目标分词组中所具有的各所述目标分词生成分词集合，并根据所述分词集合中各目标分词对应的分词得分，确定所述面试问题的问题得分，其中将所述同类目标分词作为所述分词集合中的单个目标分词，且将所述得分平均值设为单个所述目标分词的分词得分。
6.如权利要求1-5任一项所述的基于人工智能的面试方法，其特征在于，所述根据各所述分词得分，生成所述面试问题的问题得分的步骤之后包括：
调用与所述面试问题对应的关联关系链，并根据所述关联关系链，确定与所述面试问题关联的下一面试问题；
将所述下一面试问题输出显示，以对所述面试问题进行更新，并对更新的所述面试问题执行采集应聘者对面试问题进行回答的声音信号的步骤。
7.如权利要求6所述的基于人工智能的面试方法，其特征在于，所述对各所述问题得分进行整合，生成面试参考得分的步骤包括：
读取各所述面试问题的预设权重，并根据与各所述面试问题对应的问题得分以及预设权重，用所述预设权重对所述问题得分进行加权处理，生成面试参考得分。
8.一种基于人工智能的面试装置，其特征在于，所述基于人工智能的面试装置包括：
采集模块，用于采集应聘者对面试问题进行回答的声音信号，并将所述声音信号转换为文字语句，对各所述文字语句进行切分，生成多个分词组；
确定模块，用于对预设词库进行调用，根据所述预设词库中的关键词，确定与各所述分词组中分词匹配的目标关键词，并根据各所述目标关键词与各所述分词之间的匹配度，确定各所述分词的分词得分；
生成模块，用于根据各所述分词得分，生成所述面试问题的问题得分，并在面试中的所有所述面试问题均生成所述问题得分后，对各所述问题得分进行整合，生成面试参考得分；
存储模块，用于接收对所述应聘者进行面试的面试者所上传的打分分数，并将所述打分分数和所述参考得分进行保存，完成对所述应聘者的面试。
9.一种基于人工智能的面试设备，其特征在于，所述基于人工智能的面试设备包括：存储器、处理器、通信总线以及存储在所述存储器上的基于人工智能的面试程序；
所述通信总线用于实现处理器和存储器之间的连接通信；
所述处理器用于执行所述基于人工智能的面试程序，以实现如权利要求1-7中任一项所述的基于人工智能的面试方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有基于人工智能的面试程序，所述基于人工智能的面试程序被处理器执行时实现如权利要求1-7中任一项所述的基于人工智能的面试方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910191404.6A CN110070332A (zh) | 2019-03-13 | 2019-03-13 | 基于人工智能的面试方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910191404.6A CN110070332A (zh) | 2019-03-13 | 2019-03-13 | 基于人工智能的面试方法、装置、设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110070332A true CN110070332A (zh) | 2019-07-30 |
Family
ID=67365255
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910191404.6A Pending CN110070332A (zh) | 2019-03-13 | 2019-03-13 | 基于人工智能的面试方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110070332A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112100329A (zh) * | 2020-08-31 | 2020-12-18 | 湖北美和易思教育科技有限公司 | 一种基于大数据的学习心得评测方法及装置 |
| 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 |
| CN113362827A (zh) * | 2021-06-24 | 2021-09-07 | 未鲲(上海)科技服务有限公司 | 语音识别方法、装置、计算机设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103955874A (zh) * | 2014-03-31 | 2014-07-30 | 西南林业大学 | 一种基于语义相似度区间的主观题自动评分系统及方法 |
| CN104346389A (zh) * | 2013-08-01 | 2015-02-11 | 安徽科大讯飞信息科技股份有限公司 | 口语考试半开放题型的评分方法及系统 |
| CN107240394A (zh) * | 2017-06-14 | 2017-10-10 | 北京策腾教育科技有限公司 | 一种动态自适应语音分析技术以用于人机口语考试的方法及系统 |
| CN107273861A (zh) * | 2017-06-20 | 2017-10-20 | 广东小天才科技有限公司 | 一种主观题阅卷评分方法、装置及终端设备 |
-
2019
- 2019-03-13 CN CN201910191404.6A patent/CN110070332A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104346389A (zh) * | 2013-08-01 | 2015-02-11 | 安徽科大讯飞信息科技股份有限公司 | 口语考试半开放题型的评分方法及系统 |
| CN103955874A (zh) * | 2014-03-31 | 2014-07-30 | 西南林业大学 | 一种基于语义相似度区间的主观题自动评分系统及方法 |
| CN107240394A (zh) * | 2017-06-14 | 2017-10-10 | 北京策腾教育科技有限公司 | 一种动态自适应语音分析技术以用于人机口语考试的方法及系统 |
| CN107273861A (zh) * | 2017-06-20 | 2017-10-20 | 广东小天才科技有限公司 | 一种主观题阅卷评分方法、装置及终端设备 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112100329A (zh) * | 2020-08-31 | 2020-12-18 | 湖北美和易思教育科技有限公司 | 一种基于大数据的学习心得评测方法及装置 |
| 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 |
| CN113362827A (zh) * | 2021-06-24 | 2021-09-07 | 未鲲(上海)科技服务有限公司 | 语音识别方法、装置、计算机设备及存储介质 |
| CN113362827B (zh) * | 2021-06-24 | 2024-02-13 | 上海风和雨网络科技有限公司 | 语音识别方法、装置、计算机设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN113468296B (zh) | 可配置业务逻辑的模型自迭代式智能客服质检系统与方法 | |
| CN110070332A (zh) | 基于人工智能的面试方法、装置、设备及可读存储介质 | |
| CN111182162B (zh) | 基于人工智能的电话质检方法、装置、设备和存储介质 | |
| CN109670023A (zh) | 人机自动面试方法、装置、设备和存储介质 | |
| CN112885376A (zh) | 一种提高语音通话质检效果的方法和装置 | |
| CN109273023B (zh) | 一种数据评测方法、装置、设备及可读存储介质 | |
| CN107169638A (zh) | 基于业务受理与评价的综合绩效量化处理方法、装置 | |
| CN109461073A (zh) | 智能识别的风险管理方法、装置、计算机设备及存储介质 | |
| CN111597818B (zh) | 呼叫质检方法、装置、计算机设备和计算机可读存储介质 | |
| CN113434651B (zh) | 话术推荐方法、装置及相关设备 | |
| CN111724908A (zh) | 基于机器人流程自动化rpa的疫情排查方法和装置 | |
| CN108038208A (zh) | 上下文信息识别模型的训练方法、装置和存储介质 | |
| CN106991577A (zh) | 一种确定目标用户的方法及装置 | |
| CN111159404A (zh) | 文本的分类方法及装置 | |
| CN111259124A (zh) | 对话管理方法、装置、系统及存储介质 | |
| DE102013101871A1 (de) | Wortwahlbasierte Sprachanalyse und Sprachanalyseeinrichtung | |
| CN113408880A (zh) | 试卷生成方法、装置以及智能考试系统 | |
| JP2020160551A (ja) | 人事項目の分析支援装置、分析支援方法、プログラム、および記録媒体 | |
| CN113240345A (zh) | 客户服务满意度的管理方法及装置、存储介质及电子设备 | |
| CN109241249B (zh) | 一种确定突发问题的方法及装置 | |
| CN111145053A (zh) | 基于人工智能的企业法律顾问管理系统及方法 | |
| CN110782119A (zh) | 基于人工智能的保险代理人甄选方法、装置及设备 | |
| CN109726002A (zh) | 一种处理流程调整方法及装置 | |
| CN109918651A (zh) | 同义词性模板获取方法及装置 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190730 |