CN110321409B - 基于人工智能的辅助面试方法、装置、设备及存储介质 - Google Patents
基于人工智能的辅助面试方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110321409B CN110321409B CN201910478552.6A CN201910478552A CN110321409B CN 110321409 B CN110321409 B CN 110321409B CN 201910478552 A CN201910478552 A CN 201910478552A CN 110321409 B CN110321409 B CN 110321409B
- Authority
- CN
- China
- Prior art keywords
- interview
- target
- question
- preset
- model
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 54
- 238000012360 testing method Methods 0.000 claims abstract description 42
- 230000008569 process Effects 0.000 claims abstract description 31
- 239000013598 vector Substances 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000018109 developmental process Effects 0.000 claims description 13
- 230000008901 benefit Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000011176 pooling Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000010367 cloning Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于人工智能的辅助面试方法、装置、设备及存储介质，用于向面试官推荐面试问题，根据应聘者的面试内容进行评分并将面试评分发给面试官作为参考依据，提高了面试效率，有助于规范面试官的面试过程。本发明方法包括：获取面试者的个人信息，个人信息包括面试岗位、个人简历以及笔试成绩；根据面试者的个人信息向面试官发送面试推荐问题；在面试过程中获取目标面试问题以及面试者对于目标面试问题的目标回答，目标面试问题为面试官根据面试推荐问题提出的问题；通过预设问题匹配模型，判断目标面试问题是否在预置的模型问题库中；若确定目标面试问题在预置的模型问题库中，则通过预设评分模型生成目标回答的评分。
Description
技术领域
本发明涉及信号处理领域，尤其涉及基于人工智能的辅助面试方法、装置、设备及存储介质。
背景技术
企业从简历中筛选出合格的应聘者后，然后通过面试对应聘者进行考察，企业为了挑选人才，也会安排大量的面试。
现有面试的主要形式是面试官现场面试、远程面试以及机器人面试，但由于企业中部分面试官经验不足、以及部分面试官只以自身喜好而非公司价值导向来评价应聘者，造成千人千面，最终造成对应聘者的评价有失偏颇，不利于公司人才队伍建设。
发明内容
本发明提供一种基于人工智能的辅助面试方法，能够在面试过程中向面试官推荐面试问题，根据应聘者的面试内容进行评分并将面试评分发送给面试官作为参考依据，提高了面试效率，也有助于规范面试官的面试过程。
本发明实施例的第一方面提供一种基于人工智能的辅助面试方法，包括：获取面试者的个人信息，所述个人信息包括面试岗位、个人简历以及笔试成绩；根据所述面试者的个人信息向面试官发送面试推荐问题；在面试过程中获取目标面试问题以及所述面试者对于所述目标面试问题的目标回答，所述目标面试问题为所述面试官根据所述面试推荐问题提出的问题；通过预设问题匹配模型，判断所述目标面试问题是否在预置的模型问题库中；若确定所述目标面试问题在所述预置的模型问题库中，则通过预设评分模型生成所述目标回答的评分。
可选的，在本发明实施例第一方面的第一种实现方式中，所述根据所述面试者的个人信息向面试官发送面试推荐问题，包括：根据所述面试者的面试岗位，调用预置的模型问题库；分析所述面试者的个人简历以及笔试成绩，得到所述面试者对于面试岗位的优势能力以及劣势能力；根据所述面试者对于面试岗位的优势能力以及劣势能力，从所述预置的模型问题库中挑选出面试推荐问题；将所述面试推荐问题发送给所述面试官。
可选的，在本发明实施例第一方面的第二种实现方式中，所述通过预设问题匹配模型，判断所述目标面试问题是否在预置的模型问题库中，包括：通过预置的语音识别软件开发工具SDK将语音版的目标面试问题转化成文字版的目标面试问题；将所述文字版的目标面试问题作为所述预设问题匹配模型的输入数据进行匹配；若匹配成功，则确定所述目标面试问题在所述预置的模型问题库中，并确定在预置的模型问题库中与所述目标面试问题匹配的目标模型问题；若匹配失败，则确定所述目标面试问题不在所述预置的模型问题库中。
可选的，在本发明实施例第一方面的第三种实现方式中，所述若确定所述目标面试问题在所述预置的模型问题库中，则通过预设评分模型生成所述目标回答的评分，包括：若确定所述目标面试问题在所述预置的模型问题库中，则将所述目标回答通过所述预置的语音识别SDK转换成文字版的目标回答；根据所述文字版的目标回答以及所述目标模型问题进行评分；获取所述预设评分模型对面试者的回答评分。
可选的，在本发明实施例第一方面的第四种实现方式中，所述根据所述文字版的目标回答以及所述目标模型问题进行评分，包括：将所述文字版的目标回答进行分词处理，得到目标词汇集；将所述目标词汇集中的所有词汇用预设的N维向量表示，得到目标向量集，N为大于1的整数；将目标向量集中的向量组合得到若干个N*M的矩阵，将所述若干个N*M的矩阵作为目标矩阵集，M为大于1的整数；将所述目标矩阵集中的各个矩阵与预置的滤波器进行卷积计算，将计算所得结果作为初步特征集；将所述初步特征集通过预置的池化层保留主要特征，得到目标特征集；根据所述目标模型问题调用目标模型特征集；计算所述目标特征集与所述目标模型特征集的相似度；根据所述相似度以及预置的相似度评分标准进行评分。
可选的，在本发明实施例第一方面的第五种实现方式中，在若确定所述目标面试问题在所述预置的模型问题库中，则生成所述目标回答的评分之后，所述方法还包括：生成所述面试者的面试报告。
可选的，在本发明实施例第一方面的第六种实现方式中，所述生成所述面试者的面试报告，包括：创建所述面试者的面试报告；将所述面试者的个人信息、所述目标面试问题、所述目标回答以及所述目标回答的评分记录到所述面试报告中；将所述面试者的面试报告发送给所述面试官。
本发明实施例的第二方面提供了一种基于人工智能的辅助面试装置，包括：第一获取单元，用于获取面试者的个人信息，所述个人信息包括面试岗位、个人简历以及笔试成绩；发送单元，用于根据所述面试者的个人信息向面试官发送面试推荐问题；第二获取单元，用于在面试过程中获取目标面试问题以及所述面试者对于所述目标面试问题的目标回答，所述目标面试问题为所述面试官根据所述面试推荐问题提出的问题；判断单元，用于通过预设问题匹配模型，判断所述目标面试问题是否在预置的模型问题库中；第一生成单元，若确定所述目标面试问题在所述预置的模型问题库中，则用于通过预设评分模型生成所述目标回答的评分。
可选的，在本发明实施例第二方面的第一种实现方式中，第二获取单元具体用于：根据所述面试者的面试岗位，调用预置的模型问题库；分析所述面试者的个人简历以及笔试成绩，得到所述面试者对于面试岗位的优势能力以及劣势能力；根据所述面试者对于面试岗位的优势能力以及劣势能力，从所述预置的模型问题库中挑选出面试推荐问题；将所述面试推荐问题发送给所述面试官。
可选的，在本发明实施例第二方面的第二种实现方式中，判断单元具体用于：通过预置的语音识别软件开发工具SDK将语音版的目标面试问题转化成文字版的目标面试问题；将所述文字版的目标面试问题作为所述预设问题匹配模型的输入数据进行匹配；若匹配成功，则确定所述目标面试问题在所述预置的模型问题库中，并确定在预置的模型问题库中与所述目标面试问题匹配的目标模型问题；若匹配失败，则确定所述目标面试问题不在所述预置的模型问题库中。
可选的，在本发明实施例第二方面的第三种实现方式中，第一生成单元具体包括：转换模块，用于若确定所述目标面试问题在所述预置的模型问题库中，则将所述目标回答通过所述预置的语音识别SDK转换成文字版的目标回答；评分模块，用于根据所述文字版的目标回答以及所述目标模型问题进行评分。
可选的，在本发明实施例第二方面的第四种实现方式中，评分模块具体用于：将所述文字版的目标回答进行分词处理，得到目标词汇集；将所述目标词汇集中的所有词汇用预设的N维向量表示，得到目标向量集，N为大于1的整数；将目标向量集中的向量组合得到若干个N*M的矩阵，将所述若干个N*M的矩阵作为目标矩阵集，M为大于1的整数；将所述目标矩阵集中的各个矩阵与预置的滤波器进行卷积计算，将计算所得结果作为初步特征集；将所述初步特征集通过预置的池化层保留主要特征，得到目标特征集；根据所述目标模型问题调用目标模型特征集；计算所述目标特征集与所述目标模型特征集的相似度；根据所述相似度以及预置的相似度评分标准进行评分。
可选的，在本发明实施例第二方面的第五种实现方式中，基于人工智能的辅助面试装置还包括：第二生成单元，用于生成所述面试者的面试报告。
可选的，在本发明实施例第二方面的第六种实现方式中，第二生成单元具体用于：创建所述面试者的面试报告；将所述面试者的个人信息、所述目标面试问题、所述目标回答以及所述目标回答的评分记录到所述面试报告中；将所述面试者的面试报告发送给所述面试官。
本发明实施例的第三方面提供了一种基于人工智能的辅助面试设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一实施方式所述的基于人工智能的辅助面试方法。
本发明实施例的第四方面提供了一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使得计算机执行上述任一实施方式所述的基于人工智能的辅助面试方法的步骤。
本发明实施例提供的技术方案中，获取面试者的个人信息，所述个人信息包括面试岗位、个人简历以及笔试成绩；根据所述面试者的个人信息向面试官发送面试推荐问题；在面试过程中获取目标面试问题以及所述面试者对于所述目标面试问题的目标回答，所述目标面试问题为所述面试官根据所述面试推荐问题提出的问题；通过预设问题匹配模型，判断所述目标面试问题是否在预置的模型问题库中；若确定所述目标面试问题在所述预置的模型问题库中，则通过预设评分模型生成所述目标回答的评分。本发明实施例，能够在面试过程中向面试官推荐面试问题，根据应聘者的面试内容进行评分并将面试评分发送给面试官作为参考依据，提高了面试效率，也有助于规范面试官的面试过程。
附图说明
图1为本发明实施例中基于人工智能的辅助面试方法的一个实施例示意图；
图2为本发明实施例中基于人工智能的辅助面试方法的另一个实施例示意图；
图3为本发明实施例中基于人工智能的辅助面试装置的一个实施例示意图；
图4为本发明实施例中基于人工智能的辅助面试装置的另一个实施例示意图；
图5为本发明实施例中基于人工智能的辅助面试设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于人工智能的辅助面试方法、装置、设备及存储介质，能够在面试过程中向面试官推荐面试问题，根据应聘者的面试内容进行评分并将面试评分发送给面试官作为参考依据，提高了面试效率，也有助于规范面试官的面试过程。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例进行描述。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1，本发明实施例提供的一种基于人工智能的辅助面试方法的流程图，具体包括：
101、获取面试者的个人信息，个人信息包括面试岗位、个人简历以及笔试成绩。
服务器获取面试者的个人信息，个人信息包括面试岗位、个人简历以及笔试成绩。服务器会根据面试官提供的面试者身份信息，从数据库中调用面试者的个人信息，面试者的个人信息是服务器向面试官推荐面试问题的依据。面试者的个人简历中包括了面试者的教育背景、工作经验、自我评价、职业技能和证书，面试者的笔试成绩包括公司根据面试岗位考核的各项能力测试成绩。
举例说明，面试者李铭，李铭的面试岗位为JAVA工程师，李铭的个人简历中包括教育背景“上海理工大学本科学历”、工作经验“互联网公司3年JAVA开发经验”、自我评价“熟悉C语言、英语读写能力良好”以及大学四级英语证书等，李铭的笔试成绩包括逻辑测试成绩、JAVA测试成绩、英语成绩以及心理测试成绩。
102、根据面试者的个人信息向面试官发送面试推荐问题。
服务器根据面试者的个人信息向面试官发送面试推荐问题。具体的，服务器根据面试者个人信息中的面试岗位，调用预置的模型问题库，预置的模型问题库用于根据面试岗位分类存储面试问题；服务器分析面试者个人信息中的个人简历以及笔试成绩，得出面试者对于面试岗位的优势能力以及劣势能力；服务器根据面试者对于面试岗位的优势能力以及劣势能力，从预置的模型问题库中挑选出面试推荐问题，例如对于JAVA工程师岗位，服务器针对面试者李铭精通JAVA软件开发的优势能力，挑选出的面试推荐问题包括“如何衡量软件”以及“如何实现浅克隆和深克隆”，针对面试者李铭程序员性格测试成绩不理想的劣势能力，服务器挑选出的面试推荐问题包括“你喜欢工作中哪些东西”；服务器将面试推荐问题发送给面试官。
其中，服务器将面试推荐问题发送给面试官，包括：服务器通过个人计算机（personal computer，PC）端软件将推荐面试问题发送给面试官；服务器通过移动终端应用软件将推荐面试问题发送给面试官。移动终端可以是手机，可以是平板电脑，还可以是其他移动终端，具体此处不做限制。
可以理解的是，服务器通过分析面试者个人信息中的个人简历和笔试成绩，得出面试者对于面试岗位的优势能力以及劣势能力，具体为，服务器分析面试者个人简历中的教育背景、工作经验、自我评价以及职业技能和证书；服务器分析面试者笔试成绩中各项能力测试成绩，例如服务器通过分析面试者李铭的笔试成绩，得到李铭的优势能力为JAVA语言能力优秀，李铭的劣势能力为英语读写能力以及逻辑思考能力一般。
103、在面试过程中获取目标面试问题以及面试者对于目标面试问题的目标回答，目标面试问题为面试官根据面试推荐问题提出的问题。
服务器在在面试过程中获取目标面试问题以及面试者对于目标面试问题的目标回答，目标面试问题为面试官根据面试推荐问题提出的问题。具体的，服务器通过预置的语音识别软件开发工具（software development kit，SDK）获取面试过程中面试官根据面试推荐问题提出的目标面试问题以及面试者对于目标面试问题的回答。预置的语音识别工具为可录制语音并将语音转换成文字的语音识别工具。
需要说明得是，服务器获取到的目标面试问题，可以是面试官参考面试推荐问题提出的面试问题，也可以是面试官自己提出的面试问题。
104、通过预设问题匹配模型判断目标面试问题是否在预置的模型问题库中。
服务器通过预设问题匹配模型判断目标面试问题是否在预置的模型问题库中。具体的，服务器通过预置的语音识别软件开发工具SDK将语音版的目标面试问题转化成文字版的目标面试问题；服务器将文字版的目标面试问题作为预设问题匹配模型的输入数据进行匹配；若服务器匹配成功，则服务器确定目标面试问题在预置的模型问题库中，并确定在预置的模型问题库中与目标面试问题匹配的目标模型问题；若服务器匹配失败，则服务器确定目标面试问题不在预置的模型问题库中。
需要说明的是，预设问题匹配模型是用于确定目标面试问题内容的人工智能（artificial intelligence，AI）模型，AI模型是通过方程来理解世界的一种方式，当给定一个输入，AI模型通过训练得到一个合适的输出。本方案中预置的AI问题模型，当给定一个面试问题作为输入时，会匹配预置模型问题库中的模型问题，输出一个与面试问题匹配的模型问题。
105、若确定目标面试问题在预置的模型问题库中，则通过预设评分模型生成目标回答的评分。
若服务器确定目标面试问题在预置的模型问题库中，则服务器通过预设评分模型生成目标回答的评分。具体的，若服务器确定目标面试问题在预置的模型问题库中，则服务器将目标回答通过预置的语音识别SDK转换成文字版的目标回答；服务器根据文字版的目标回答以及目标模型问题进行评分。
需要说明的是，预设评分模型是吸收了众多优秀面试官的评分经验并通过多轮训练研发而成的AI评分模型，当输入模型问题库中的问题以及对应的面试者回答时，预设评分模型会返回对面试者回答的评分。
本发明实施例，能够在面试过程中向面试官推荐面试问题，根据应聘者的面试内容进行评分并将面试评分发送给面试官作为参考依据，提高了面试效率，也有助于规范面试官的面试过程。
请参阅图2，本发明实施例中基于人工智能的辅助面试方法的另一个实施例包括：
201、获取面试者的个人信息，个人信息包括面试岗位、个人简历以及笔试成绩。
服务器获取面试者的个人信息，个人信息包括面试岗位、个人简历以及笔试成绩。服务器会根据面试官提供的面试者身份信息，从数据库中调用面试者的个人信息，面试者的个人信息是服务器向面试官推荐面试问题的依据。面试者的个人简历中包括了面试者的教育背景、工作经验、自我评价以及职业技能和证书，面试者的笔试成绩包括公司根据面试岗位考核的各项能力测试成绩。
举例说明，面试者李铭，李铭的面试岗位为JAVA工程师，李铭的个人简历中包括教育背景“上海理工大学本科学历”、工作经验“互联网公司3年JAVA开发经验”、自我评价“熟悉C语言、英语读写能力良好”以及大学四级英语证书等，李铭的笔试成绩包括逻辑测试成绩、JAVA测试成绩、英语成绩以及心理测试成绩。
202、根据面试者的个人信息向面试官发送面试推荐问题。
服务器根据面试者的个人信息向面试官发送面试推荐问题。具体的，服务器根据面试者个人信息中的面试岗位，调用预置的模型问题库，预置的模型问题库用于根据面试岗位分类存储面试问题；服务器分析面试者个人信息中的个人简历以及笔试成绩，得出面试者对于面试岗位的优势能力以及劣势能力；服务器根据面试者对于面试岗位的优势能力以及劣势能力，从预置的模型问题库中挑选出面试推荐问题，例如对于JAVA工程师岗位，服务器针对面试者李铭精通JAVA软件开发的优势能力，挑选出的面试推荐问题包括“如何衡量软件”以及“如何实现浅克隆和深克隆”，针对面试者李铭程序员性格测试成绩不理想的劣势能力，服务器挑选出的面试推荐问题包括“你喜欢工作中哪些东西”；服务器将面试推荐问题发送给面试官。
其中，服务器将面试推荐问题发送给面试官，包括：服务器通过PC端软件将推荐面试问题发送给面试官；服务器通过移动终端应用软件将推荐面试问题发送给面试官。移动终端可以是手机，可以是平板电脑，还可以是其他移动终端，具体此处不做限制。
可以理解的是，服务器通过分析面试者个人信息中的个人简历和笔试成绩，得出面试者对于面试岗位的优势能力以及劣势能力，具体为，服务器分析面试者个人简历中的教育背景、工作经验、自我评价以及职业技能和证书；服务器分析面试者笔试成绩中各项能力测试成绩，例如服务器通过分析面试者李铭的笔试成绩，得到李铭的优势能力为JAVA语言能力优秀，李铭的劣势能力为英语读写能力以及逻辑思考能力一般。
203、在面试过程中获取目标面试问题以及面试者对于目标面试问题的目标回答，目标面试问题为面试官根据面试推荐问题提出的问题。
服务器在在面试过程中获取目标面试问题以及面试者对于目标面试问题的目标回答，目标面试问题为面试官根据面试推荐问题提出的问题。具体的，服务器通过预置的语音识别SDK获取面试过程中面试官根据面试推荐问题提出的目标面试问题以及面试者对于目标面试问题的回答。预置的语音识别工具为可录制语音并将语音转换成文字的语音识别工具。
需要说明的是，服务器获取到的目标面试问题，可以是面试官参考面试推荐问题提出的面试问题，也可以是面试官自己提出的面试问题。
204、通过预设问题匹配模型判断目标面试问题是否在预置的模型问题库中。
服务器通过预设问题匹配模型，判断目标面试问题是否在预置的模型问题库中。具体的，服务器通过预置的语音识别软件开发工具SDK将语音版的目标面试问题转化成文字版的目标面试问题；服务器将文字版的目标面试问题作为预设问题匹配模型的输入数据进行匹配；若服务器匹配成功，则服务器确定目标面试问题在预置的模型问题库中，并确定在预置的模型问题库中与目标面试问题匹配的目标模型问题；若服务器匹配失败，则服务器确定目标面试问题不在预置的模型问题库中。
需要说明的是，预设问题匹配模型是用于确定目标面试问题内容的AI模型，AI模型是通过方程来理解世界的一种方式，当给定一个输入，AI模型通过训练得到一个合适的输出。本方案中预置的AI问题模型，当给定一个面试问题作为输入时，会匹配预置模型问题库中的模型问题，输出一个与面试问题匹配的模型问题。
205、若确定目标面试问题在预置的模型问题库中，则将目标回答通过预置的语音识别SDK转换成文字版的目标回答。
若服务器确定目标面试问题在预置的模型问题库中，则服务器将目标回答通过预置的语音识别SDK转换成文字版的目标回答。
需要说明的是，服务器采用的预设评分模型的输入为字符集，在服务器通过预设评分模型对目标回答进行评分之前，服务器将获取到的目标回答语音转换为文字版的目标回答。
206、根据文字版的目标回答以及目标模型问题进行评分。
服务器根据文字版的目标回答以及目标模型问题进行评分。具体的，服务器将文字版的目标回答进行分词处理，得到目标词汇集；服务器将目标词汇集中的所有词汇用预设的N维向量表示，得到目标向量集，N为大于1的整数；服务器将目标向量集中的向量组合得到若干个N*M的矩阵，将若干个N*M的矩阵作为目标矩阵集，M为大于1的整数；服务器将目标矩阵集中的各个矩阵与预置的滤波器进行卷积计算，将计算所得结果作为初步特征集；服务器将初步特征集通过预置的池化层保留主要特征，得到目标特征集；服务器根据目标模型问题调用目标模型特征集；服务器计算目标特征集与目标模型特征集的相似度；服务器根据相似度以及预置的相似度评分标准进行评分。
需要说明得是，服务器对所有收录的词汇设置了唯一N维向量，例如当N=6时，对于“测试”，服务器设置的N维向量为（0,0,0,0,1,0）。预置的filer包括多个K*N的矩阵，K为正整数，用于提取目标向量集的特征，每个矩阵用于提取一个特征。
207、生成面试者的面试报告。
服务器生成面试者的面试报告。具体的，服务器创建面试者的面试报告；服务器将面试者的个人信息、目标面试问题、目标回答以及目标回答的评分记录到面试报告中；服务器将面试者的面试报告发送给面试官。
需要说明得是，面试报告可以是图表的形式，也可以是文本的形式，还可以是其他的形式，具体此处不做限制。
本发明实施例，能够在面试过程中向面试官推荐面试问题，根据应聘者的面试内容进行评分并将面试评分发送给面试官作为参考依据，提高了面试效率，也有助于规范面试官的面试过程。
上面对本发明实施例中基于人工智能的辅助面试方法进行了描述，下面对本发明实施例中基于人工智能的辅助面试装置进行描述，请参阅图3，本发明实施例中基于人工智能的辅助面试装置的一个实施例包括：
第一获取单元301，用于获取面试者的个人信息，所述个人信息包括面试岗位、个人简历以及笔试成绩；
发送单元302，用于根据所述面试者的个人信息向面试官发送面试推荐问题；
第二获取单元303，用于在面试过程中获取目标面试问题以及所述面试者对于所述目标面试问题的目标回答，所述目标面试问题为所述面试官根据所述面试推荐问题提出的问题；
判断单元304，用于通过预设问题匹配模型，判断所述目标面试问题是否在预置的模型问题库中
第一生成单元305，若确定所述目标面试问题在所述预置的模型问题库中，则用于通过预设评分模型生成所述目标回答的评分。
本发明实施例能够在面试过程中向面试官推荐面试问题，根据应聘者的面试内容进行评分并将面试评分发送给面试官作为参考依据，提高了面试效率，也有助于规范面试官的面试过程。
请参阅图4，本发明实施例中基于人工智能的辅助面试装置的一个实施例包括：
第一获取单元301，用于获取面试者的个人信息，所述个人信息包括面试岗位、个人简历以及笔试成绩；
发送单元302，用于根据所述面试者的个人信息向面试官发送面试推荐问题；
第二获取单元303，用于在面试过程中获取目标面试问题以及所述面试者对于所述目标面试问题的目标回答，所述目标面试问题为所述面试官根据所述面试推荐问题提出的问题；
判断单元304，用于通过预设问题匹配模型，判断所述目标面试问题是否在预置的模型问题库中
第一生成单元305，若确定所述目标面试问题在所述预置的模型问题库中，则用于通过预设评分模型生成所述目标回答的评分。
可选的，第二获取单元303具体用于：
根据所述面试者的面试岗位，调用预置的模型问题库；分析所述面试者的个人简历以及笔试成绩，得到所述面试者对于面试岗位的优势能力以及劣势能力；根据所述面试者对于面试岗位的优势能力以及劣势能力，从所述预置的模型问题库中挑选出面试推荐问题；将所述面试推荐问题发送给所述面试官。
可选的，判断单元304具体用于：
通过预置的语音识别软件开发工具SDK将语音版的目标面试问题转化成文字版的目标面试问题；将所述文字版的目标面试问题作为所述预设问题匹配模型的输入数据进行匹配；若匹配成功，则确定所述目标面试问题在所述预置的模型问题库中，并确定在预置的模型问题库中与所述目标面试问题匹配的目标模型问题；若匹配失败，则确定所述目标面试问题不在所述预置的模型问题库中。
可选的，第一生成单元305具体包括：
转换模块3051，用于若确定所述目标面试问题在所述预置的模型问题库中，则将所述目标回答通过所述预置的语音识别SDK转换成文字版的目标回答；
评分模块3052，用于根据所述文字版的目标回答以及所述目标模型问题进行评分。
可选的，评分模块3052具体用于：
将所述文字版的目标回答进行分词处理，得到目标词汇集；将所述目标词汇集中的所有词汇用预设的N维向量表示，得到目标向量集，N为大于1的整数；将目标向量集中的向量组合得到若干个N*M的矩阵，将所述若干个N*M的矩阵作为目标矩阵集，M为大于1的整数；将所述目标矩阵集中的各个矩阵与预置的滤波器进行卷积计算，将计算所得结果作为初步特征集；将所述初步特征集通过预置的池化层保留主要特征，得到目标特征集；根据所述目标模型问题调用目标模型特征集；计算所述目标特征集与所述目标模型特征集的相似度；根据所述相似度以及预置的相似度评分标准进行评分。
可选的，基于人工智能的辅助面试装置还包括：
第二生成单元306，用于生成所述面试者的面试报告。
可选的，第二生成单元306具体用于：
创建所述面试者的面试报告；将所述面试者的个人信息、所述目标面试问题、所述目标回答以及所述目标回答的评分记录到所述面试报告中；将所述面试者的面试报告发送给所述面试官。
本发明实施例，能够在面试过程中向面试官推荐面试问题，根据应聘者的面试内容进行评分并将面试评分发送给面试官作为参考依据，提高了面试效率，也有助于规范面试官的面试过程。
上面图3至图4从模块化功能实体的角度对本发明实施例中的基于人工智能的辅助面试装置进行详细描述，下面从硬件处理的角度对本发明实施例中基于人工智能的辅助面试设备进行详细描述。
图5是本发明实施例提供的一种基于人工智能的辅助面试设备的结构示意图，该基于人工智能的辅助面试设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）501（例如，一个或一个以上处理器）和存储器509，一个或一个以上存储应用程序507或数据506的存储介质508（例如一个或一个以上海量存储设备）。其中，存储器509和存储介质508可以是短暂存储或持久存储。存储在存储介质508的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对基于人工智能的辅助面试设备中的一系列指令操作。更进一步地，处理器501可以设置为与存储介质508通信，在基于人工智能的辅助面试设备500上执行存储介质508中的一系列指令操作。
基于人工智能的辅助面试设备500还可以包括一个或一个以上电源502，一个或一个以上有线或无线网络接口503，一个或一个以上输入输出接口504，和/或，一个或一个以上操作系统505，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5中示出的基于人工智能的辅助面试设备结构并不构成对基于人工智能的辅助面试设备的限定，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。处理器501可以执行上述实施例中第一获取单元301、发送单元302、第二获取单元303、判断单元304、第一生成单元305和第二生成单元306的功能。
下面结合图5对基于人工智能的辅助面试设备的各个构成部件进行具体的介绍：
处理器501是基于人工智能的辅助面试设备的控制中心，可以按照设置的基于人工智能的辅助面试方法进行处理。处理器501利用各种接口和线路连接整个基于人工智能的辅助面试设备的各个部分，通过运行或执行存储在存储器509内的软件程序和/或模块，以及调用存储在存储器509内的数据，执行基于人工智能的辅助面试设备的各种功能和处理数据，从而实现辅助面试官进行面试。存储介质508和存储器509都是存储数据的载体，存储介质508可以是指储存容量较小，但速度快的内存储器，而存储器509可以是储存容量大，但储存速度慢的外存储器。
存储器509可用于存储软件程序以及模块，处理器501通过运行存储在存储器509的软件程序以及模块，从而执行基于人工智能的辅助面试设备500的各种功能应用以及数据处理。存储器509可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如获取面试者的个人信息等）等；存储数据区可存储根据基于人工智能的辅助面试设备的使用所创建的数据（比如面试报告）等。此外，存储器509可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。在本发明实施例中提供的基于人工智能的辅助面试方法程序和接收到的数据流存储在存储器中，当需要使用时，处理器501从存储器509中调用。
在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、双绞线）或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储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。所述可用介质可以是磁性介质，（例如，软盘、硬盘、磁带）、光介质（例如，光盘）、或者半导体介质（例如固态硬盘（solid state disk，SSD））等。
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，上述描述的系统，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。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，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。
所述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。
另外，在本发明实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于人工智能的辅助面试方法，其特征在于，包括：
获取面试者的个人信息，所述个人信息包括面试岗位、个人简历以及笔试成绩；
根据所述面试者的个人信息向面试官发送面试推荐问题；
在面试过程中获取目标面试问题以及所述面试者对于所述目标面试问题的目标回答，所述目标面试问题为所述面试官根据所述面试推荐问题提出的问题；
通过预设问题匹配模型判断所述目标面试问题是否在预置的模型问题库中；
若确定所述目标面试问题在所述预置的模型问题库中，则通过预设评分模型生成所述目标回答的评分；
所述通过预设问题匹配模型判断所述目标面试问题是否在预置的模型问题库中，包括：
通过预置的语音识别软件开发工具SDK将语音版的目标面试问题转化成文字版的目标面试问题；
将所述文字版的目标面试问题作为所述预设问题匹配模型的输入数据进行匹配；
若匹配成功，则确定所述目标面试问题在所述预置的模型问题库中，并获取在预置的模型问题库中与所述目标面试问题匹配的目标模型问题；
若匹配失败，则确定所述目标面试问题不在所述预置的模型问题库中；
所述若确定所述目标面试问题在所述预置的模型问题库中，则通过预设评分模型生成所述目标回答的评分，包括：
若确定所述目标面试问题在所述预置的模型问题库中，则将所述目标回答通过预置的语音识别SDK转换成文字版的目标回答；
根据所述文字版的目标回答以及所述目标模型问题进行评分；
所述根据所述文字版的目标回答以及所述目标模型问题进行评分，包括：
将所述文字版的目标回答进行分词处理，得到目标词汇集；
将所述目标词汇集中的所有词汇用预设的N维向量表示，得到目标向量集，N为大于1的整数；
将目标向量集中的向量组合得到若干个N*M的矩阵，将所述若干个N*M的矩阵作为目标矩阵集，M为大于1的整数；
将所述目标矩阵集中的各个矩阵与预置的滤波器进行卷积计算，将计算所得结果作为初步特征集；
将所述初步特征集通过预置的池化层保留主要特征，得到目标特征集；
根据所述目标模型问题调用目标模型特征集；
计算所述目标特征集与所述目标模型特征集的相似度；
根据所述相似度以及预置的相似度评分标准进行评分。
2.根据权利要求1所述的基于人工智能的辅助面试方法，其特征在于，所述根据所述面试者的个人信息向面试官发送面试推荐问题，包括：
根据所述面试者的面试岗位，调用预置的模型问题库；
分析所述面试者的个人简历以及笔试成绩，得到所述面试者对于面试岗位的优势能力以及劣势能力；
根据所述面试者对于面试岗位的优势能力以及劣势能力，从所述预置的模型问题库中挑选出面试推荐问题；
将所述面试推荐问题发送给所述面试官。
3.根据权利要求1或2任一所述的基于人工智能的辅助面试方法，其特征在于，在若确定所述目标面试问题在所述预置的模型问题库中，则生成所述目标回答的评分之后，所述方法还包括：
生成所述面试者的面试报告。
4.根据权利要求3所述的基于人工智能的辅助面试方法，其特征在于，所述生成所述面试者的面试报告，包括：
创建所述面试者的面试报告；
将所述面试者的个人信息、所述目标面试问题、所述目标回答以及所述目标回答的评分记录到所述面试报告中；
将所述面试者的面试报告发送给所述面试官。
5.一种基于人工智能的辅助面试装置，其特征在于，包括：
第一获取单元，用于获取面试者的个人信息，所述个人信息包括面试岗位、个人简历以及笔试成绩；
发送单元，用于根据所述面试者的个人信息向面试官发送面试推荐问题；
第二获取单元，用于在面试过程中获取目标面试问题以及所述面试者对于所述目标面试问题的目标回答，所述目标面试问题为所述面试官根据所述面试推荐问题提出的问题；
判断单元，用于通过预设问题匹配模型，判断所述目标面试问题是否在预置的模型问题库中；
第一生成单元，若确定所述目标面试问题在所述预置的模型问题库中，则用于通过预设评分模型生成所述目标回答的评分；
判断单元具体用于：通过预置的语音识别软件开发工具SDK将语音版的目标面试问题转化成文字版的目标面试问题；将所述文字版的目标面试问题作为所述预设问题匹配模型的输入数据进行匹配；若匹配成功，则确定所述目标面试问题在所述预置的模型问题库中，并确定在预置的模型问题库中与所述目标面试问题匹配的目标模型问题；若匹配失败，则确定所述目标面试问题不在所述预置的模型问题库中；
第一生成单元具体包括：转换模块，用于若确定所述目标面试问题在所述预置的模型问题库中，则将所述目标回答通过预置的语音识别SDK转换成文字版的目标回答；评分模块，用于根据所述文字版的目标回答以及所述目标模型问题进行评分；
评分模块具体用于：将所述文字版的目标回答进行分词处理，得到目标词汇集；将所述目标词汇集中的所有词汇用预设的N维向量表示，得到目标向量集，N为大于1的整数；将目标向量集中的向量组合得到若干个N*M的矩阵，将所述若干个N*M的矩阵作为目标矩阵集，M为大于1的整数；将所述目标矩阵集中的各个矩阵与预置的滤波器进行卷积计算，将计算所得结果作为初步特征集；将所述初步特征集通过预置的池化层保留主要特征，得到目标特征集；根据所述目标模型问题调用目标模型特征集；计算所述目标特征集与所述目标模型特征集的相似度；根据所述相似度以及预置的相似度评分标准进行评分。
6.根据权利要求5所述的基于人工智能的辅助面试装置，其特征在于，第二获取单元具体用于：根据所述面试者的面试岗位，调用预置的模型问题库；分析所述面试者的个人简历以及笔试成绩，得到所述面试者对于面试岗位的优势能力以及劣势能力；根据所述面试者对于面试岗位的优势能力以及劣势能力，从所述预置的模型问题库中挑选出面试推荐问题；将所述面试推荐问题发送给所述面试官。
7.根据权利要求5所述的基于人工智能的辅助面试装置，其特征在于，所述基于人工智能的辅助面试装置还包括：第二生成单元，用于生成所述面试者的面试报告。
8.根据权利要求7所述的基于人工智能的辅助面试装置，其特征在于，所述第二生成单元具体用于：创建所述面试者的面试报告；将所述面试者的个人信息、所述目标面试问题、所述目标回答以及所述目标回答的评分记录到所述面试报告中；将所述面试者的面试报告发送给所述面试官。
9.一种基于人工智能的辅助面试设备，其特征在于，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，所述处理器执行所述计算机程序时实现如权利要求1-4中任意一项所述的基于人工智能的辅助面试方法。
10.一种计算机可读存储介质，其特征在于，包括指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1-4中任意一项所述的基于人工智能的辅助面试方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910478552.6A CN110321409B (zh) | 2019-06-03 | 2019-06-03 | 基于人工智能的辅助面试方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910478552.6A CN110321409B (zh) | 2019-06-03 | 2019-06-03 | 基于人工智能的辅助面试方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110321409A CN110321409A (zh) | 2019-10-11 |
| CN110321409B true CN110321409B (zh) | 2024-05-14 |
Family
ID=68119382
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910478552.6A Active CN110321409B (zh) | 2019-06-03 | 2019-06-03 | 基于人工智能的辅助面试方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110321409B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI727476B (zh) * | 2019-10-29 | 2021-05-11 | 財團法人資訊工業策進會 | 適性化職缺媒合系統及方法 |
| CN111429101A (zh) * | 2020-03-30 | 2020-07-17 | 广西通途科技有限公司 | 基于人工智能的远程面试系统及其方法 |
| CN113034044B (zh) * | 2021-04-20 | 2024-05-28 | 平安科技（深圳）有限公司 | 基于人工智能的面试方法、装置、设备及介质 |
| CN113254126A (zh) * | 2021-05-12 | 2021-08-13 | 北京字跳网络技术有限公司 | 信息处理方法、装置和电子设备 |
| CN113822645A (zh) * | 2021-09-07 | 2021-12-21 | 广州网才信息技术有限公司 | 一种面试管理系统、设备及计算机介质 |
| CN114531491A (zh) * | 2021-12-31 | 2022-05-24 | 深圳至简天成科技有限公司 | 一种面试评估方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020084564A (ko) * | 2001-05-03 | 2002-11-09 | 장충엽 | 인터넷 기반 가상 면접 시스템 및 그것의 방법 |
| CN108062657A (zh) * | 2017-11-30 | 2018-05-22 | 朱学松 | 人才招聘面试方法及系统 |
| CN109635753A (zh) * | 2018-12-14 | 2019-04-16 | 深圳壹账通智能科技有限公司 | 基于神经网络模型的应聘者评估方法及装置 |
| CN109670023A (zh) * | 2018-12-14 | 2019-04-23 | 平安城市建设科技(深圳)有限公司 | 人机自动面试方法、装置、设备和存储介质 |
| CN109816567A (zh) * | 2018-11-08 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 一种在线考试方法、装置、设备及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013188511A2 (en) * | 2012-06-12 | 2013-12-19 | Jordan Gilmore Incorporated | System and method for online hiring and virtual interview questioning |
| US20180158027A1 (en) * | 2015-11-27 | 2018-06-07 | Prasad Venigalla | System and method for evaluating a candidate curriculum vitae intelligent quotient (cviq) score |
-
2019
- 2019-06-03 CN CN201910478552.6A patent/CN110321409B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020084564A (ko) * | 2001-05-03 | 2002-11-09 | 장충엽 | 인터넷 기반 가상 면접 시스템 및 그것의 방법 |
| CN108062657A (zh) * | 2017-11-30 | 2018-05-22 | 朱学松 | 人才招聘面试方法及系统 |
| CN109816567A (zh) * | 2018-11-08 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 一种在线考试方法、装置、设备及存储介质 |
| CN109635753A (zh) * | 2018-12-14 | 2019-04-16 | 深圳壹账通智能科技有限公司 | 基于神经网络模型的应聘者评估方法及装置 |
| CN109670023A (zh) * | 2018-12-14 | 2019-04-23 | 平安城市建设科技(深圳)有限公司 | 人机自动面试方法、装置、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110321409A (zh) | 2019-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110321409B (zh) | 基于人工智能的辅助面试方法、装置、设备及存储介质 | |
| CN110334201B (zh) | 一种意图识别方法、装置及系统 | |
| CN107680019B (zh) | 一种考试方案的实现方法、装置、设备及存储介质 | |
| CN108897867B (zh) | 用于知识问答的数据处理方法、装置、服务器和介质 | |
| TWI677846B (zh) | 機器人客服轉人工客服的方法和裝置 | |
| CN107291867B (zh) | 基于人工智能的对话处理方法、装置、设备及计算机可读存储介质 | |
| WO2022095380A1 (zh) | 基于ai的虚拟交互模型生成方法、装置、计算机设备及存储介质 | |
| CN110008322A (zh) | 多轮对话场景下的话术推荐方法和装置 | |
| JP2020071869A (ja) | 動画基盤求人求職マッチングサーバーおよび方法 | |
| CN112509690B (zh) | 用于控制质量的方法、装置、设备和存储介质 | |
| KR20210001419A (ko) | 면접 컨설팅 서비스를 제공하기 위한 사용자 단말, 시스템 및 방법 | |
| CN110717021A (zh) | 人工智能面试中获取输入文本和相关装置 | |
| CA3153056A1 (en) | Intelligently questioning and answering method, device, computer, equipment and storage medium | |
| CN112632248A (zh) | 问答方法、装置、计算机设备和存储介质 | |
| CN114626351A (zh) | 结合rpa和ai的表单填报方法、装置、电子设备及存储介质 | |
| CN113590771A (zh) | 一种数据挖掘方法、装置、设备及存储介质 | |
| CN113239698A (zh) | 基于rpa及ai的信息提取方法、装置、设备及介质 | |
| CN112966076A (zh) | 智能问答问题的生成方法、装置、计算机设备及存储介质 | |
| CN111931503A (zh) | 信息抽取方法及装置、设备、计算机可读存储介质 | |
| CN110929519B (zh) | 实体属性抽取方法及装置 | |
| CN112328871B (zh) | 一种基于rpa模块的回复生成方法、装置、设备及存储介质 | |
| CN111507758B (zh) | 一种基于语义分析的调研方法、装置、系统及服务器 | |
| CN114490965A (zh) | 问题处理方法、装置、电子设备和存储介质 | |
| CN116806339A (zh) | 虚拟对话系统性能评估与丰富 | |
| CN113609833A (zh) | 文件的动态生成方法、装置、计算机设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |