CN111126553A - 智能机器人面试方法、设备、存储介质及装置 - Google Patents
智能机器人面试方法、设备、存储介质及装置 Download PDFInfo
- Publication number
- CN111126553A CN111126553A CN201911387658.1A CN201911387658A CN111126553A CN 111126553 A CN111126553 A CN 111126553A CN 201911387658 A CN201911387658 A CN 201911387658A CN 111126553 A CN111126553 A CN 111126553A
- Authority
- CN
- China
- Prior art keywords
- interview
- question
- target
- answer
- voice
- 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 71
- 238000011835 investigation Methods 0.000 claims abstract description 61
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 230000014509 gene expression Effects 0.000 claims description 31
- 238000001514 detection method Methods 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000012216 screening Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能机器人面试方法、设备、存储介质及装置,该方法通过接收面试开启指令,从面试开启指令中提取面试岗位信息,根据面试岗位信息查找对应的岗位考察点和出题模式,根据岗位考察点和出题模式通过专家模型选取多个目标问题并进行播放,标准化问答流程结合面试专家的经验数据化,实现高效地海量人才筛选;在检测到回答语音信息时,通过自动语音识别算法对回答语音信息进行语音识别,获得目标回答文本,对各目标回答文本进行关键词提取,获取各回答关键词对应的第一词分值,根据第一词分值计算各目标问题对应的回答分值,根据回答分值生成在预设维度的面试得分报告,基于人工智能,提供有效面试参考数据,提高面试精准度。
Description
技术领域
本发明涉及人工智能的技术领域,尤其涉及一种智能机器人面试方法、设备、存储介质及装置。
背景技术
目前各行业面试流程仍以线下笔试面谈为基础来筛选企业需要的人才。面试流程中笔试通常采用线下答题形式,录入笔试成绩需要耗费大量人力;面试流程中面谈通常采用线下面谈,无标准化流程及结构化评体系,依赖面试官个人经验;面试反馈,无数字化成绩比对以及数据化归档功能,面试结果的反馈也依赖面试官个人经验。整个面试流程中存在很多重复冗余的流程和提问,耗费人力,面试效率不高,也无法全面利用面试流程中的信息,导致招聘精准性不高。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种智能机器人面试方法、设备、存储介质及装置,旨在解决现有技术中面试效率低且精准度不高的技术问题。
为实现上述目的,本发明提供一种智能机器人面试方法,所述智能机器人面试方法包括以下步骤:
接收面试用户输入的面试开启指令,从所述面试开启指令中提取面试岗位信息,根据所述面试岗位信息查找对应的岗位考察点和出题模式;
根据所述岗位考察点和所述出题模式通过专家模型选取多个目标问题,将各所述目标问题以语音形式进行播放,并进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得各所述目标问题对应的目标回答文本;
对各所述目标回答文本通过正则表达式进行关键词提取,获得各所述目标回答文本对应的回答关键词;
获取各所述回答关键词对应的第一词分值,根据所述第一词分值计算各所述目标问题对应的回答分值;
根据各所述目标问题对应的所述回答分值,生成所述面试用户在预设维度的面试得分报告。
优选地,所述根据所述岗位考察点和所述出题模式通过专家模型选取多个目标问题,将各所述目标问题以语音形式进行播放,并进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得各所述目标问题对应的目标回答文本,包括:
根据所述岗位考察点和所述出题模式通过专家模型选取一道目标问题;
将所述目标问题以语音形式进行播放;
进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得目标回答文本;
根据正则表达式,通过所述专家模型对所述目标回答文本进行关键词提取,获得所述目标回答文本对应的目标关键词;
将所述目标关键词与所述专家模型中的追问关键词进行匹配,获得匹配结果;
根据所述匹配结果通过所述专家模型选取一道新的目标问题,并返回所述将所述新的目标问题以语音形式进行播放的步骤,直至所述专家模型中与所述岗位考察点和所述出题模式对应的所有目标问题均被选取并播放。
优选地,所述根据所述匹配结果通过所述专家模型选取一道新的目标问题,并返回所述将所述新的目标问题以语音形式进行播放的步骤,直至所述专家模型中与所述岗位考察点和所述出题模式对应的所有目标问题均被选取并播放,包括:
若所述匹配结果为匹配成功,则通过所述专家模型选取与匹配成功的追问关键词对应的追问问题,将所述追问问题以语音形式进行播放;
若所述匹配结果为匹配失败,则根据所述岗位考察点、所述目标问题和所述出题模式通过所述专家模型选取一道新的目标问题,并返回所述将所述新的目标问题以语音形式进行播放的步骤,直至所述专家模型中与所述岗位考察点和所述出题模式对应的所有目标问题均被选取并播放。
优选地,所述进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得目标回答文本,包括:
进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行特征提取,将提取出的回答语音特征参数与语音参数库中的参考模板进行比较,获得目标回答文本。
优选地,所述根据所述岗位考察点和所述出题模式通过专家模型选取多个目标问题之前,所述智能机器人面试方法还包括:
获取多个样本岗位信息对应的样本问题,并获取各所述样本问题对应的专家回答;
对所述专家回答进行关键词提取,获得各所述样本问题对应的样本关键词;
从各所述样本关键词中选取追问关键词,并根据所述追问关键词查找追问问题;
根据所述追问问题获取对应的追问专家回答;
根据所述样本问题及对应的所述专家回答、所述样本关键词、所述追问关键词、所述追问问题及对应的所述追问专家回答,生成专家模型。
优选地,所述从各所述样本关键词中选取追问关键词,包括:
获取各所述样本关键词对应的第二词分值;
将各所述样本关键词按照所述第二词分值从大到小进行排序;
选取排在前面的预设数量的样本关键词作为追问关键词。
优选地,所述根据各所述目标问题对应的所述回答分值,生成所述面试用户在预设维度的面试得分报告之后,所述智能机器人面试方法还包括:
获取所述面试用户的面试视频,根据所述面试视频进行人脸微表情识别,获得所述面试用户的面试表情;
根据所述面试表情识别对应的心理素质信息,将所述心理素质信息添加至所述面试得分报告。
此外,为实现上述目的,本发明还提出一种智能机器人面试设备,所述智能机器人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智能机器人面试程序,所述智能机器人面试程序配置为实现如上文所述的智能机器人面试方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有智能机器人面试程序,所述智能机器人面试程序被处理器执行时实现如上文所述的智能机器人面试方法的步骤。
此外,为实现上述目的,本发明还提出一种智能机器人面试装置,所述智能机器人面试装置包括:
查找模块,用于接收面试用户输入的面试开启指令,从所述面试开启指令中提取面试岗位信息,根据所述面试岗位信息查找对应的岗位考察点和出题模式;
问答模块,用于根据所述岗位考察点和所述出题模式通过专家模型选取多个目标问题,将各所述目标问题以语音形式进行播放,并进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得各所述目标问题对应的目标回答文本;
提取模块,用于对各所述目标回答文本通过正则表达式进行关键词提取,获得各所述目标回答文本对应的回答关键词;
计算模块,用于获取各所述回答关键词对应的第一词分值,根据所述第一词分值计算各所述目标问题对应的回答分值;
生成模块,用于根据各所述目标问题对应的所述回答分值,生成所述面试用户在预设维度的面试得分报告。
本发明中,通过接收面试用户输入的面试开启指令,从所述面试开启指令中提取面试岗位信息,根据所述面试岗位信息查找对应的岗位考察点和出题模式,根据所述岗位考察点和所述出题模式通过专家模型选取多个目标问题,将各所述目标问题以语音形式进行播放,并进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得各所述目标问题对应的目标回答文本,基于标准化问答流程,结合面试专家的经验数据化,实现高效地海量人才筛选;对各所述目标回答文本通过正则表达式进行关键词提取,获得各所述目标回答文本对应的回答关键词,获取各所述回答关键词对应的第一词分值,根据所述第一词分值计算各所述目标问题对应的回答分值,根据各所述目标问题对应的所述回答分值,生成所述面试用户在预设维度的面试得分报告,基于人工智能,提供有效的下一步面试参考数据,提高面试的效率和精准度。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的智能机器人面试设备的结构示意图;
图2为本发明智能机器人面试方法第一实施例的流程示意图;
图3为本发明智能机器人面试方法第二实施例的流程示意图;
图4为本发明智能机器人面试方法第三实施例的流程示意图;
图5为本发明智能机器人面试装置第一实施例的结构框图。
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。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的智能机器人面试设备结构示意图。
如图1所示,该智能机器人面试设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display),可选用户接口1003还可以包括标准的有线接口、无线接口,对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory,RAM)存储器,也可以是稳定的存储器(Non-volatileMemory,NVM),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。
本领域技术人员可以理解,图1中示出的结构并不构成对智能机器人面试设备的限定,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1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及智能机器人面试程序。
在图1所示的智能机器人面试设备中,网络接口1004主要用于连接后台服务器,与所述后台服务器进行数据通信;用户接口1003主要用于连接用户设备;所述智能机器人面试设备通过处理器1001调用存储器1005中存储的智能机器人面试程序,并执行本发明实施例提供的智能机器人面试方法。
基于上述硬件结构,提出本发明智能机器人面试方法的实施例。
参照图2,图2为本发明智能机器人面试方法第一实施例的流程示意图,提出本发明智能机器人面试方法第一实施例。
在第一实施例中,所述智能机器人面试方法包括以下步骤:
步骤S10:接收面试用户输入的面试开启指令,从所述面试开启指令中提取面试岗位信息,根据所述面试岗位信息查找对应的岗位考察点和出题模式。
应理解的是,本实施例的执行主体是所述智能机器人面试设备,其中,所述智能机器人面试设备可为智能手机、个人电脑或服务器等电子设备,本实施例对此不加以限制。所述面试用户登录所述智能机器人面试设备中的智能机器人面试系统,找到需要面试的面试岗位,可通过点击智能机器人面试系统的面试岗位按钮,或者通过语音直接读出需要面试的面试岗位,将点击面试岗位按钮的操作,或者用户读出的面试岗位的语音,作为所述面试开启指令,则可从所述面试开启指令中提取面试岗位信息。
可理解的是,通过针对每一个面试用户在输入所述面试开启指令时,为每一个面试用户生成一个该轮面试标识interview Id,根据所述面试标识记录面试全过程信息。所述面试标识可以是系统自动生成一串数字,也可以是用户的身份证号码,用于区分不同的面试者,每个面试者的面试标识不同。所述出题模式可以是随机出题,也可以是按照专家规则设置的顺序出题。
步骤S20:根据所述岗位考察点和所述出题模式通过专家模型选取多个目标问题,将各所述目标问题以语音形式进行播放,并进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得各所述目标问题对应的目标回答文本。
应理解的是,当所述面试用户进入面试时,所述智能机器人面试系统通过该轮面试的面试岗位获取对应的专家模型,如果该专家模型是随机出题,专家模型就是随机给出各所述目标问题,之后进行面试的题目专家模型会随机给出。如果是固定出题,该轮面试出的题目专家规则按指定顺序给出,从而防止泄题。
需要说明的是,所述专家模型通过面试标识、面试岗位和岗位考察点给出目标问题的详细信息,系统与专家模型交互的关键在于出题方式及出题的内容是交互式的,即面试过程中出题方式实时给模型、不同考察点考察后不会再重新考察,避免面试过程中可能掉线导致的重复作答或者防止同一考察点重复作答。
在具体实现中,系统层面每次请求都是多线程,可以进行多个面试,所述面试标识保证一轮面试过程的交互,多个面试用户的面试可同时进行,互相不影响。
步骤S30:对各所述目标回答文本通过正则表达式进行关键词提取,获得各所述目标回答文本对应的回答关键词。
应理解的是,在建立所述专家模型时,对各回答关键词按照重要程度设置每个词对应的词分值,根据所述面试用户在面试过程中的回答文本,根据正则表达式提取命中的回答关键词,即用正则表达式去检索各所述目标回答文本中符合各所述目标问题的关键词文本,提取命中的关键词,获得各所述目标回答文本对应的回答关键词。
步骤S40:获取各所述回答关键词对应的第一词分值,根据所述第一词分值计算各所述目标问题对应的回答分值。
可理解的是,根据判分规则对所述面试用户的各所述目标回答文本进行评分,例如:取高分规则-命中A关键词3分、B关键词5分,最终得分取5分;还可以是求和规则-命中多个关键词,分数相加并不超过一定分数,得出每一题的得分,获得各所述目标问题对应的回答分值。
步骤S50:根据各所述目标问题对应的所述回答分值,生成所述面试用户在预设维度的面试得分报告。
在具体实现中,根据每一题的得分,生成所述面试用户在多个维度的得分面试报告。所述预设维度与面试岗位信息对应的岗位考察点相对应,所述预设维度包括执行力、抗压性、职业规划和主动性等,所述得分面试报告在各所述预设维度均给出相应的评分,供面试官下一步的面试进行参考。
本实施例中,通过接收面试用户输入的面试开启指令,从所述面试开启指令中提取面试岗位信息,根据所述面试岗位信息查找对应的岗位考察点和出题模式,根据所述岗位考察点和所述出题模式通过专家模型选取多个目标问题,将各所述目标问题以语音形式进行播放,并进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得各所述目标问题对应的目标回答文本,基于标准化问答流程,结合面试专家的经验数据化,实现高效地海量人才筛选;对各所述目标回答文本通过正则表达式进行关键词提取,获得各所述目标回答文本对应的回答关键词,获取各所述回答关键词对应的第一词分值,根据所述第一词分值计算各所述目标问题对应的回答分值,根据各所述目标问题对应的所述回答分值,生成所述面试用户在预设维度的面试得分报告,基于人工智能,提供有效的下一步面试参考数据,提高面试的效率和精准度。
参照图3,图3为本发明智能机器人面试方法第二实施例的流程示意图,基于上述图2所示的第一实施例,提出本发明智能机器人面试方法的第二实施例。
在第二实施例中,所述步骤S20,包括:
步骤S201:根据所述岗位考察点和所述出题模式通过专家模型选取一道目标问题。
应理解的是,所述专家模型通过面试标识、面试岗位、岗位考察点给出一道所述目标问题的详细信息,系统与专家模型交互的关键在于出题方式及出题的内容是交互式的,即面试过程中出题方式实时给模型、不同考察点考察后不会再重新考察,针对面试的应用程序可能掉线出现的重复作答或者防止同一考察点重复考察的重复作答。
步骤S202:将所述目标问题以语音形式进行播放。
可理解的是,为了实现面试过程中的交互,所述智能机器人面试设备首先加载文字形式的所述目标问题,同时使用语音合成(Text-To-Speech,TTS)技术把文字转成声音文件,所述声音文件包括波形声音文件(wav)形式的文件,通过智能机器人面试设备将所述声音文件进行播放。
步骤S203:进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得目标回答文本。
需要说明的是,所述智能机器人面试系统拿到所述面试用户基于上一道目标问题的所述回答语音信息,可通过自动语音识别(Automatic Speech Recognition,ASR)技术将所述面试用户的所述回答语音信息进行语音转成文字处理,本实施例中,所述步骤S203,包括:进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行特征提取,将提取出的回答语音特征参数与语音参数库中的参考模板进行比较,获得目标回答文本。ASR技术基本步骤为:
训练(Training):预先分析出语音特征参数,使语音信号离散化、数字化,制作语音模板,并存放在语音参数库中。
识别(Recognition):所述回答语音信息经过与训练时相同的分析,得到回答语音特征参数。将所述回答语音特征参数与所述语音参数库中的参考模板一一比较,并采用判决的方法找出最接近语音特征的模板,得出识别结果,即所述目标回答文本。
失真测度(Distortion Measures):在进行比较时要有个标准,这就是计量语音特征参数矢量之间的“失真测度”。
主要识别框架:基于模式匹配的动态时间规整法(Dynamic Time Warping,DTW)和基于统计模型的隐马尔可夫模型法(Hidden Markov Model,HMM)。
步骤S204:根据正则表达式,通过所述专家模型对所述目标回答文本进行关键词提取,获得所述目标回答文本对应的目标关键词。
在具体实现中,所述专家模型使用正则表达式对答题内容进行关键词分析,即用正则表达式去检索答题内容中符合问题的关键词文本,提取命中的关键词,获得所述目标回答文本对应的目标关键词。
步骤S205:将所述目标关键词与所述专家模型中的追问关键词进行匹配,获得匹配结果。
应理解的是,所述专家模型中包括多个追问关键词,每个追问关键词对应一个追问问题,将所述第一道所述目标问题的所述目标关键词与所述专家模型中的追问关键词进行匹配,若匹配成功,说明所述目标关键词中存在与所述追问关键词一致的词,则可获取匹配成功的追问关键词对应的追问问题,将所述追问问题以语音形式进行播放,以使面试用户对所述追问问题进行回答。若匹配失败,说明所述目标关键词中不存在与所述追问关键词一致的词,则不会触发追问。
步骤S206:根据所述匹配结果通过所述专家模型选取一道新的目标问题,并返回所述将所述新的目标问题以语音形式进行播放的步骤,直至所述专家模型中与所述岗位考察点和所述出题模式对应的所有目标问题均被选取并播放。
可理解的是,若匹配成功,说明所述目标关键词中存在与所述追问关键词一致的词,则可获取匹配成功的追问关键词对应的追问问题,将所述追问问题以语音形式进行播放,以使面试用户对所述追问问题进行回答。若匹配失败,说明所述目标关键词中不存在与所述追问关键词一致的词,则不会触发追问,则将获取第一道所述目标问题对应的岗位考察点,将面试岗位对应的岗位考察点中除去第一道所述目标问题对应的岗位考察点,获得剩下的岗位考察点,将剩下的岗位考察点、第一道所述目标问题和所述出题模式输入所述专家模型,通过所述专家模型选取第二道目标问题,即新的目标问题,将所述新的目标问题以语音形式进行播放,以使面试用户对所述新的目标问题进行回答,获得所述新的目标问题对应的回答信息。本实施例中,所述步骤S206,包括:若所述匹配结果为匹配成功,则通过所述专家模型选取与匹配成功的追问关键词对应的追问问题,将所述追问问题以语音形式进行播放;若所述匹配结果为匹配失败,则根据所述岗位考察点、所述目标问题和所述出题模式通过所述专家模型选取一道新的目标问题,并返回所述将所述新的目标问题以语音形式进行播放的步骤,直至所述专家模型中与所述岗位考察点和所述出题模式对应的所有目标问题均被选取并播放。
在具体实现中,在进行机器人面试之前,会进行语音测试。所述面试用户可通过手机app端启动面试信号,首先加载一段语音检测的文字,同时使用TTS语音合成技术把文字转成wav形式的文件通过所述智能机器人面试设备播放。所述智能机器人面试设备播放语音结束后加载麦克风,要求所述面试用户复述文字。所述面试用户的声音通过麦克风使用自动语音识别技术采集转换成文字去对比检测的文字,当所述面试用户复述正确率达到设置的一定比例,即完成语音测试。
所述面试用户完成语音测试后,系统会根据所述面试用户面试的岗位信息获取第一道所述目标问题的详细信息,题干通过TTS语音技术转成wav文件,TTS(Text-To-Speech)是指文本语音的简称,即通过TTS引擎把文本转化为语音输出。由所述智能机器人面试设备播放给面试用户的同时所述目标问题也跟着播放逐字显示给在屏幕上。所述面试用户阅读所述目标问题进行审题:当所述目标问题是问答题时麦克风同时会正常出现波浪线,告知所述面试用户可以回答问题。所述面试用户回答的语音通过ASR实时识别自然语音转成文本,然后所述面试用户点击提交答案按钮系统把文本的内容传输给到模型算法进行算分处理及出下一道目标问题。当所述目标问题是选择类的题目,面试者直接选择答案提交到模型算法算分处理及出下一目标问题。
所述智能机器人面试设备会重复进行播放每次所述专家模型返回的目标问题,均是有TTS把文字合成语音文件播放,同时根据题型ASR实时识别采集语音回答的内容转成文本传输到模型算法处理。
本实施例中,所述智能机器人面试设备与所述专家模型交互实现面试,出题方式及出题的内容是交互式的,不同考察点考察后不会再重新考察,避免面试的应用程序可能掉线出现的重复作答或者防止同一考察点重复考察的重复作答。
参照图4,图4为本发明智能机器人面试方法第三实施例的流程示意图,基于上述第一实施例或第二实施例,提出本发明智能机器人面试方法的第三实施例。本实施例基于所述第一实施例进行说明。
在第三实施例中,所述步骤S20之前,还包括:
获取多个样本岗位信息对应的样本问题,并获取各所述样本问题对应的专家回答;
对所述专家回答进行关键词提取,获得各所述样本问题对应的样本关键词;
从各所述样本关键词中选取追问关键词,并根据所述追问关键词查找追问问题;
根据所述追问问题获取对应的追问专家回答;
根据所述样本问题及对应的所述专家回答、所述样本关键词、所述追问关键词、所述追问问题及对应的所述追问专家回答,生成专家模型。
应理解的是,为了提高智能机器人的面试质量,可预先获取多个所述样本岗位信息,所述样本岗位信息可以是历史进行过招聘的岗位基本信息,所述样本问题为面试专家针对不同的所述样本岗位信息而设置的面试问题,以考察面试者的相关方面的能力,所述面试专家针对各所述样本问题给出参考回答或者回答思路作为所述专家回答。
可理解的是,对于一些比较重要的样本问题,还可生成进一步地追问问题,通过对所述专家回答进行关键词提取,可通过正则表达式去检索所述专家回答中符合问题的关键词文本,提取命中的关键词,获得各所述样本问题对应的样本关键词。可通过预先建立各关键词与追问问题之间的对应关系,根据所述追问关键词查找对应的所述追问问题。所述面试专家预先针对各所述追问问题设置了参考回答或者回答思路作为所述追问专家回答。
需要说明的是,以专家规则为主、机器学习为辅的技术路线,使用专家系统和规则引擎的方式研发模型,根据所述样本问题及对应的所述专家回答、所述样本关键词、所述追问关键词、所述追问问题及对应的所述追问专家回答,对浅层神经网络模型进行训练,获得所述专家模型。
进一步地,所述从各所述样本关键词中选取追问关键词,包括:
获取各所述样本关键词对应的第二词分值;
将各所述样本关键词按照所述第二词分值从大到小进行排序;
选取排在前面的预设数量的样本关键词作为追问关键词。
在具体实现中,为了生成得分面试报告,预先会对各关键词设置相应的词分值,则可获取各所述样本关键词对应的第二词分值,所述第二次分值越大,说明对应的所述样本关键词越重要,则将各所述样本关键词按照所述第二词分值从大到小进行排序,排在前面的所述样本关键词更重要,所述预设数量可根据经验值进行设置,比如设置为2,则选取排在前面的2个所述样本关键词作为追问关键词。
进一步地,在本实施例中,所述步骤S50之后,还包括:
步骤S60:获取所述面试用户的面试视频,根据所述面试视频进行人脸微表情识别,获得所述面试用户的面试表情。
应理解的是,为了实现面试过程的监控,可要求所述面试用户使用带有摄像头的设备进行面试,可通过拍摄面试用户的照片,识别出面试用户的人脸,将人脸图片添加至所述得分面试报告。可在所述面试用户输入所述面试开启指令时,开始拍摄所述面试用户,获得所述面试用户的面试视频。根据所述面试视频进行人脸微表情识别,可通过递归神经网络模型对所述面试视频进行学习,并通过随机森林模型对学习的特征进行分类,获得所述面试用户的面试表情。
步骤S70:根据所述面试表情识别对应的心理素质信息,将所述心理素质信息添加至所述面试得分报告。
可理解的是,可预先建立各种面试表情对应的心理素质信息之间的对应关系,从所述对应关系中查找与所述面试用户的面试表情对应的心理素质信息,将所述心理素质信息添加至所述面试得分报告,以供面试官参考。
本实施例中,结合面试视频分析面试用户的心理素质信息,以更全面考察所述面试用户,提高面试的精准度。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有智能机器人面试程序,所述智能机器人面试程序被处理器执行时实现如上文所述的智能机器人面试方法的步骤。
此外,参照图5,本发明实施例还提出一种智能机器人面试装置,所述智能机器人面试装置包括:
查找模块10,用于接收面试用户输入的面试开启指令,从所述面试开启指令中提取面试岗位信息,根据所述面试岗位信息查找对应的岗位考察点和出题模式。
应理解的是,所述面试用户登录所述智能机器人面试设备中的智能机器人面试系统,找到需要面试的面试岗位,可通过点击智能机器人面试系统的面试岗位按钮,或者通过语音直接读出需要面试的面试岗位,将点击面试岗位按钮的操作,或者用户读出的面试岗位的语音,作为所述面试开启指令,则可从所述面试开启指令中提取面试岗位信息。
可理解的是,通过针对每一个面试用户在输入所述面试开启指令时,为每一个面试用户生成一个该轮面试标识interview Id,根据所述面试标识记录面试全过程信息。所述面试标识可以是系统自动生成一串数字,也可以是用户的身份证号码,用于区分不同的面试者,每个面试者的面试标识不同。所述出题模式可以是随机出题,也可以是按照专家规则设置的顺序出题。
问答模块20,用于根据所述岗位考察点和所述出题模式通过专家模型选取多个目标问题,将各所述目标问题以语音形式进行播放,并进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得各所述目标问题对应的目标回答文本。
应理解的是,当所述面试用户进入面试时,所述智能机器人面试系统通过该轮面试的面试岗位获取对应的专家模型,如果该专家模型是随机出题,专家模型就是随机给出各所述目标问题,之后进行面试的题目专家模型会随机给出。如果是固定出题,该轮面试出的题目专家规则按指定顺序给出,从而防止泄题。
需要说明的是,所述专家模型通过面试标识、面试岗位和岗位考察点给出目标问题的详细信息,系统与专家模型交互的关键在于出题方式及出题的内容是交互式的,即面试过程中出题方式实时给模型、不同考察点考察后不会再重新考察,避免面试过程中可能掉线导致的重复作答或者防止同一考察点重复作答。
在具体实现中,系统层面每次请求都是多线程,可以进行多个面试,所述面试标识保证一轮面试过程的交互,多个面试用户的面试可同时进行,互相不影响。
提取模块30,用于对各所述目标回答文本通过正则表达式进行关键词提取,获得各所述目标回答文本对应的回答关键词。
应理解的是,在建立所述专家模型时,对各回答关键词按照重要程度设置每个词对应的词分值,根据所述面试用户在面试过程中的回答文本,根据正则表达式提取命中的回答关键词,即用正则表达式去检索各所述目标回答文本中符合各所述目标问题的关键词文本,提取命中的关键词,获得各所述目标回答文本对应的回答关键词。
计算模块40,用于获取各所述回答关键词对应的第一词分值,根据所述第一词分值计算各所述目标问题对应的回答分值。
可理解的是,根据判分规则对所述面试用户的各所述目标回答文本进行评分,例如:取高分规则-命中A关键词3分、B关键词5分,最终得分取5分;还可以是求和规则-命中多个关键词,分数相加并不超过一定分数,得出每一题的得分,获得各所述目标问题对应的回答分值。
生成模块50,用于根据各所述目标问题对应的所述回答分值,生成所述面试用户在预设维度的面试得分报告。
在具体实现中,根据每一题的得分,生成所述面试用户在多个维度的得分面试报告。所述预设维度与面试岗位信息对应的岗位考察点相对应,所述预设维度包括执行力、抗压性、职业规划和主动性等,所述得分面试报告在各所述预设维度均给出相应的评分,供面试官下一步的面试进行参考。
本实施例中,通过接收面试用户输入的面试开启指令,从所述面试开启指令中提取面试岗位信息,根据所述面试岗位信息查找对应的岗位考察点和出题模式,根据所述岗位考察点和所述出题模式通过专家模型选取多个目标问题,将各所述目标问题以语音形式进行播放,并进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得各所述目标问题对应的目标回答文本,基于标准化问答流程,结合面试专家的经验数据化,实现高效地海量人才筛选;对各所述目标回答文本通过正则表达式进行关键词提取,获得各所述目标回答文本对应的回答关键词,获取各所述回答关键词对应的第一词分值,根据所述第一词分值计算各所述目标问题对应的回答分值,根据各所述目标问题对应的所述回答分值,生成所述面试用户在预设维度的面试得分报告,基于人工智能,提供有效的下一步面试参考数据,提高面试的效率和精准度。
在一实施例中,所述问答模块20,还用于根据所述岗位考察点和所述出题模式通过专家模型选取一道目标问题;将所述目标问题以语音形式进行播放;进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得目标回答文本;根据正则表达式,通过所述专家模型对所述目标回答文本进行关键词提取,获得所述目标回答文本对应的目标关键词;将所述目标关键词与所述专家模型中的追问关键词进行匹配,获得匹配结果;根据所述匹配结果通过所述专家模型选取一道新的目标问题,并返回所述将所述新的目标问题以语音形式进行播放的步骤,直至所述专家模型中与所述岗位考察点和所述出题模式对应的所有目标问题均被选取并播放。
在一实施例中,所述问答模块20,还用于若所述匹配结果为匹配成功,则通过所述专家模型选取与匹配成功的追问关键词对应的追问问题,将所述追问问题以语音形式进行播放;若所述匹配结果为匹配失败,则根据所述岗位考察点、所述目标问题和所述出题模式通过所述专家模型选取一道新的目标问题,并返回所述将所述新的目标问题以语音形式进行播放的步骤,直至所述专家模型中与所述岗位考察点和所述出题模式对应的所有目标问题均被选取并播放。
在一实施例中,所述问答模块20,还用于进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行特征提取,将提取出的回答语音特征参数与语音参数库中的参考模板进行比较,获得目标回答文本。
在一实施例中,所述智能机器人面试装置还包括:
获取模块,用于获取多个样本岗位信息对应的样本问题,并获取各所述样本问题对应的专家回答;
所述提取模块30,还用于对所述专家回答进行关键词提取,获得各所述样本问题对应的样本关键词;
选取模块,用于从各所述样本关键词中选取追问关键词,并根据所述追问关键词查找追问问题;
所述获取模块,还用于根据所述追问问题获取对应的追问专家回答;
所述生成模块50,还用于根据所述样本问题及对应的所述专家回答、所述样本关键词、所述追问关键词、所述追问问题及对应的所述追问专家回答,生成专家模型。
在一实施例中,所述选取模块,还用于获取各所述样本关键词对应的第二词分值;将各所述样本关键词按照所述第二词分值从大到小进行排序;选取排在前面的预设数量的样本关键词作为追问关键词。
在一实施例中,所述智能机器人面试装置还包括:
微表情识别模块,用于获取所述面试用户的面试视频,根据所述面试视频进行人脸微表情识别,获得所述面试用户的面试表情;
添加模块,用于根据所述面试表情识别对应的心理素质信息,将所述心理素质信息添加至所述面试得分报告。
本发明所述智能机器人面试装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。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、物品或者系统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。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序,可将这些词语解释为标识。
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一个存储介质(如只读存储器镜像(Read Only Memory image,ROM)/随机存取存储器(Random AccessMemory,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,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种智能机器人面试方法,其特征在于,所述智能机器人面试方法包括以下步骤:
接收面试用户输入的面试开启指令,从所述面试开启指令中提取面试岗位信息,根据所述面试岗位信息查找对应的岗位考察点和出题模式;
根据所述岗位考察点和所述出题模式通过专家模型选取多个目标问题,将各所述目标问题以语音形式进行播放,并进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得各所述目标问题对应的目标回答文本;
对各所述目标回答文本通过正则表达式进行关键词提取,获得各所述目标回答文本对应的回答关键词;
获取各所述回答关键词对应的第一词分值,根据所述第一词分值计算各所述目标问题对应的回答分值;
根据各所述目标问题对应的所述回答分值,生成所述面试用户在预设维度的面试得分报告。
2.如权利要求1所述的智能机器人面试方法,其特征在于,所述根据所述岗位考察点和所述出题模式通过专家模型选取多个目标问题,将各所述目标问题以语音形式进行播放,并进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得各所述目标问题对应的目标回答文本,包括:
根据所述岗位考察点和所述出题模式通过专家模型选取一道目标问题;
将所述目标问题以语音形式进行播放;
进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得目标回答文本;
根据正则表达式,通过所述专家模型对所述目标回答文本进行关键词提取,获得所述目标回答文本对应的目标关键词;
将所述目标关键词与所述专家模型中的追问关键词进行匹配,获得匹配结果;
根据所述匹配结果通过所述专家模型选取一道新的目标问题,并返回所述将所述新的目标问题以语音形式进行播放的步骤,直至所述专家模型中与所述岗位考察点和所述出题模式对应的所有目标问题均被选取并播放。
3.如权利要求2所述的智能机器人面试方法,其特征在于,所述根据所述匹配结果通过所述专家模型选取一道新的目标问题,并返回所述将所述新的目标问题以语音形式进行播放的步骤,直至所述专家模型中与所述岗位考察点和所述出题模式对应的所有目标问题均被选取并播放,包括:
若所述匹配结果为匹配成功,则通过所述专家模型选取与匹配成功的追问关键词对应的追问问题,将所述追问问题以语音形式进行播放;
若所述匹配结果为匹配失败,则根据所述岗位考察点、所述目标问题和所述出题模式通过所述专家模型选取一道新的目标问题,并返回所述将所述新的目标问题以语音形式进行播放的步骤,直至所述专家模型中与所述岗位考察点和所述出题模式对应的所有目标问题均被选取并播放。
4.如权利要求2所述的智能机器人面试方法,其特征在于,所述进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得目标回答文本,包括:
进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行特征提取,将提取出的回答语音特征参数与语音参数库中的参考模板进行比较,获得目标回答文本。
5.如权利要求1所述的智能机器人面试方法,其特征在于,所述根据所述岗位考察点和所述出题模式通过专家模型选取多个目标问题之前,所述智能机器人面试方法还包括:
获取多个样本岗位信息对应的样本问题,并获取各所述样本问题对应的专家回答;
对所述专家回答进行关键词提取,获得各所述样本问题对应的样本关键词;
从各所述样本关键词中选取追问关键词,并根据所述追问关键词查找追问问题;
根据所述追问问题获取对应的追问专家回答;
根据所述样本问题及对应的所述专家回答、所述样本关键词、所述追问关键词、所述追问问题及对应的所述追问专家回答,生成专家模型。
6.如权利要求5所述的智能机器人面试方法,其特征在于,所述从各所述样本关键词中选取追问关键词,包括:
获取各所述样本关键词对应的第二词分值;
将各所述样本关键词按照所述第二词分值从大到小进行排序;
选取排在前面的预设数量的样本关键词作为追问关键词。
7.如权利要求1-6中任一项所述的智能机器人面试方法,其特征在于,所述根据各所述目标问题对应的所述回答分值,生成所述面试用户在预设维度的面试得分报告之后,所述智能机器人面试方法还包括:
获取所述面试用户的面试视频,根据所述面试视频进行人脸微表情识别,获得所述面试用户的面试表情;
根据所述面试表情识别对应的心理素质信息,将所述心理素质信息添加至所述面试得分报告。
8.一种智能机器人面试设备,其特征在于,所述智能机器人面试设备包括: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智能机器人面试程序,所述智能机器人面试程序被所述处理器执行时实现如权利要求1至7中任一项所述的智能机器人面试方法的步骤。
9.一种存储介质,其特征在于,所述存储介质上存储有智能机器人面试程序,所述智能机器人面试程序被处理器执行时实现如权利要求1至7中任一项所述的智能机器人面试方法的步骤。
10.一种智能机器人面试装置,其特征在于,所述智能机器人面试装置包括:
查找模块,用于接收面试用户输入的面试开启指令,从所述面试开启指令中提取面试岗位信息,根据所述面试岗位信息查找对应的岗位考察点和出题模式;
问答模块,用于根据所述岗位考察点和所述出题模式通过专家模型选取多个目标问题,将各所述目标问题以语音形式进行播放,并进行语音检测,在检测到所述面试用户的回答语音信息时,通过自动语音识别算法对所述回答语音信息进行语音识别,获得各所述目标问题对应的目标回答文本;
提取模块,用于对各所述目标回答文本通过正则表达式进行关键词提取,获得各所述目标回答文本对应的回答关键词;
计算模块,用于获取各所述回答关键词对应的第一词分值,根据所述第一词分值计算各所述目标问题对应的回答分值;
生成模块,用于根据各所述目标问题对应的所述回答分值,生成所述面试用户在预设维度的面试得分报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911387658.1A CN111126553B (zh) | 2019-12-25 | 2019-12-25 | 智能机器人面试方法、设备、存储介质及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911387658.1A CN111126553B (zh) | 2019-12-25 | 2019-12-25 | 智能机器人面试方法、设备、存储介质及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111126553A true CN111126553A (zh) | 2020-05-08 |
CN111126553B CN111126553B (zh) | 2024-04-30 |
Family
ID=70505765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911387658.1A Active CN111126553B (zh) | 2019-12-25 | 2019-12-25 | 智能机器人面试方法、设备、存储介质及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126553B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001628A (zh) * | 2020-08-24 | 2020-11-27 | 河北冀联人力资源服务集团有限公司 | 智能面试视频的推荐方法 |
CN112466308A (zh) * | 2020-11-25 | 2021-03-09 | 北京明略软件系统有限公司 | 一种基于语音识别的辅助面试方法及系统 |
CN112837033A (zh) * | 2021-02-04 | 2021-05-25 | 上海幻引信息技术服务有限公司 | 一种实现无领导小组面试的机器人系统和方法 |
CN113034044A (zh) * | 2021-04-20 | 2021-06-25 | 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 |
CN113095165A (zh) * | 2021-03-23 | 2021-07-09 | 北京理工大学深圳研究院 | 一种用于完善面试表现的模拟面试方法和装置 |
CN113241076A (zh) * | 2021-05-12 | 2021-08-10 | 北京字跳网络技术有限公司 | 语音处理方法、装置和电子设备 |
CN113506585A (zh) * | 2021-09-09 | 2021-10-15 | 深圳市一号互联科技有限公司 | 一种语音通话的质量评估方法及系统 |
CN113535913A (zh) * | 2021-06-02 | 2021-10-22 | 科大讯飞股份有限公司 | 回答评分方法及装置和电子设备、存储介质 |
CN114792229A (zh) * | 2022-04-22 | 2022-07-26 | 厦门大学 | 一种基于面试机器人的人才筛选方法及系统 |
WO2022179048A1 (zh) * | 2021-02-25 | 2022-09-01 | 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 |
CN115239300A (zh) * | 2022-07-28 | 2022-10-25 | 平安科技(深圳)有限公司 | 智能面试系统的模型存储、调用方法及装置、设备、介质 |
CN115774996A (zh) * | 2022-12-05 | 2023-03-10 | 英仕互联(北京)信息技术有限公司 | 智能面试的追问题目生成方法、装置和电子设备 |
CN117725190A (zh) * | 2024-02-18 | 2024-03-19 | 粤港澳大湾区数字经济研究院(福田) | 基于大语言模型的多轮问答方法、系统、终端及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003075191A1 (en) * | 2002-03-01 | 2003-09-12 | Speedlegal Holdings Inc | A document assembly system |
KR20170005969A (ko) * | 2015-07-06 | 2017-01-17 | 에스케이플래닛 주식회사 | 사용자 장치, 서비스 제공 장치, 그를 포함하는 설문 조사 시스템, 그의 제어 방법 및 컴퓨터 프로그램이 기록된 기록매체 |
CN107547728A (zh) * | 2016-06-28 | 2018-01-05 | 中兴通讯股份有限公司 | 通话关键内容提取方法及装置 |
CN107688614A (zh) * | 2017-08-04 | 2018-02-13 | 平安科技(深圳)有限公司 | 意图获取方法、电子装置及计算机可读存储介质 |
US20180150739A1 (en) * | 2016-11-30 | 2018-05-31 | Microsoft Technology Licensing, Llc | Systems and methods for performing automated interviews |
US20180174055A1 (en) * | 2016-12-19 | 2018-06-21 | Giridhar S. Tirumale | Intelligent conversation system |
CN109977243A (zh) * | 2019-03-29 | 2019-07-05 | 上海大易云计算股份有限公司 | 一种基于视频录制的单向面试方法及系统 |
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 |
CN110335014A (zh) * | 2019-06-03 | 2019-10-15 | 平安科技(深圳)有限公司 | 面试方法、装置及计算机可读存储介质 |
CN110472647A (zh) * | 2018-05-10 | 2019-11-19 | 百度在线网络技术(北京)有限公司 | 基于人工智能的辅助面试方法、装置及存储介质 |
-
2019
- 2019-12-25 CN CN201911387658.1A patent/CN111126553B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003075191A1 (en) * | 2002-03-01 | 2003-09-12 | Speedlegal Holdings Inc | A document assembly system |
KR20170005969A (ko) * | 2015-07-06 | 2017-01-17 | 에스케이플래닛 주식회사 | 사용자 장치, 서비스 제공 장치, 그를 포함하는 설문 조사 시스템, 그의 제어 방법 및 컴퓨터 프로그램이 기록된 기록매체 |
CN107547728A (zh) * | 2016-06-28 | 2018-01-05 | 中兴通讯股份有限公司 | 通话关键内容提取方法及装置 |
US20180150739A1 (en) * | 2016-11-30 | 2018-05-31 | Microsoft Technology Licensing, Llc | Systems and methods for performing automated interviews |
US20180174055A1 (en) * | 2016-12-19 | 2018-06-21 | Giridhar S. Tirumale | Intelligent conversation system |
CN107688614A (zh) * | 2017-08-04 | 2018-02-13 | 平安科技(深圳)有限公司 | 意图获取方法、电子装置及计算机可读存储介质 |
CN110472647A (zh) * | 2018-05-10 | 2019-11-19 | 百度在线网络技术(北京)有限公司 | 基于人工智能的辅助面试方法、装置及存储介质 |
CN109977243A (zh) * | 2019-03-29 | 2019-07-05 | 上海大易云计算股份有限公司 | 一种基于视频录制的单向面试方法及系统 |
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 |
CN110335014A (zh) * | 2019-06-03 | 2019-10-15 | 平安科技(深圳)有限公司 | 面试方法、装置及计算机可读存储介质 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001628A (zh) * | 2020-08-24 | 2020-11-27 | 河北冀联人力资源服务集团有限公司 | 智能面试视频的推荐方法 |
CN112466308A (zh) * | 2020-11-25 | 2021-03-09 | 北京明略软件系统有限公司 | 一种基于语音识别的辅助面试方法及系统 |
CN112837033A (zh) * | 2021-02-04 | 2021-05-25 | 上海幻引信息技术服务有限公司 | 一种实现无领导小组面试的机器人系统和方法 |
WO2022179048A1 (zh) * | 2021-02-25 | 2022-09-01 | 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 |
CN113095165A (zh) * | 2021-03-23 | 2021-07-09 | 北京理工大学深圳研究院 | 一种用于完善面试表现的模拟面试方法和装置 |
CN113034044A (zh) * | 2021-04-20 | 2021-06-25 | 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 |
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 |
CN113241076A (zh) * | 2021-05-12 | 2021-08-10 | 北京字跳网络技术有限公司 | 语音处理方法、装置和电子设备 |
CN113535913B (zh) * | 2021-06-02 | 2023-12-01 | 科大讯飞股份有限公司 | 回答评分方法及装置和电子设备、存储介质 |
CN113535913A (zh) * | 2021-06-02 | 2021-10-22 | 科大讯飞股份有限公司 | 回答评分方法及装置和电子设备、存储介质 |
CN113506585A (zh) * | 2021-09-09 | 2021-10-15 | 深圳市一号互联科技有限公司 | 一种语音通话的质量评估方法及系统 |
CN114792229A (zh) * | 2022-04-22 | 2022-07-26 | 厦门大学 | 一种基于面试机器人的人才筛选方法及系统 |
CN115239300A (zh) * | 2022-07-28 | 2022-10-25 | 平安科技(深圳)有限公司 | 智能面试系统的模型存储、调用方法及装置、设备、介质 |
CN115774996B (zh) * | 2022-12-05 | 2023-07-25 | 英仕互联(北京)信息技术有限公司 | 智能面试的追问题目生成方法、装置和电子设备 |
CN115774996A (zh) * | 2022-12-05 | 2023-03-10 | 英仕互联(北京)信息技术有限公司 | 智能面试的追问题目生成方法、装置和电子设备 |
CN117725190A (zh) * | 2024-02-18 | 2024-03-19 | 粤港澳大湾区数字经济研究院(福田) | 基于大语言模型的多轮问答方法、系统、终端及存储介质 |
CN117725190B (zh) * | 2024-02-18 | 2024-06-04 | 粤港澳大湾区数字经济研究院(福田) | 基于大语言模型的多轮问答方法、系统、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111126553B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111126553B (zh) | 智能机器人面试方法、设备、存储介质及装置 | |
CN111046133B (zh) | 基于图谱化知识库的问答方法、设备、存储介质及装置 | |
CN110147726B (zh) | 业务质检方法和装置、存储介质及电子装置 | |
CN110334241B (zh) | 客服录音的质检方法、装置、设备及计算机可读存储介质 | |
CN111144191B (zh) | 字体识别方法、装置、电子设备及存储介质 | |
CN109360550A (zh) | 语音交互系统的测试方法、装置、设备和存储介质 | |
CN112836691A (zh) | 智能面试方法及装置 | |
CN113111154B (zh) | 相似度评估方法、答案搜索方法、装置、设备及介质 | |
CN112468659B (zh) | 应用于电话客服的质量评价方法、装置、设备及存储介质 | |
CN110797032B (zh) | 一种声纹数据库建立方法及声纹识别方法 | |
KR102422790B1 (ko) | 인공지능 기반의 면접자 직무역량 판단 시스템 및 방법 | |
CN108710653B (zh) | 一种绘本朗读点播方法、装置及系统 | |
CN111554276A (zh) | 语音识别方法、装置、设备及计算机可读存储介质 | |
CN115641101A (zh) | 一种智能化招聘的方法、装置及计算机可读介质 | |
CN111488501A (zh) | 一种基于云平台的电商统计系统 | |
CN113220854B (zh) | 机器阅读理解的智能对话方法及装置 | |
CN109408175B (zh) | 通用高性能深度学习计算引擎中的实时交互方法及系统 | |
CN113723774A (zh) | 答题评分方法、装置、计算机设备和存储介质 | |
CN117763126A (zh) | 知识检索方法、设备、存储介质及装置 | |
CN114399827B (zh) | 基于面部微表情的高校毕业生职业性格测试方法及系统 | |
CN115147067A (zh) | 一种基于深度学习智能招聘人才的方法 | |
CN112989040B (zh) | 一种对话文本标注方法、装置、电子设备及存储介质 | |
CN115248843A (zh) | 辅助生成笔录的方法、装置和笔录生成系统 | |
CN114822557A (zh) | 课堂中不同声音的区分方法、装置、设备以及存储介质 | |
CN114691903A (zh) | 一种智能课程测试方法及系统、电子设备、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 |