CN111209817A - 基于人工智能的考核方法、装置、设备及可读存储介质 - Google Patents
基于人工智能的考核方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN111209817A CN111209817A CN201911387660.9A CN201911387660A CN111209817A CN 111209817 A CN111209817 A CN 111209817A CN 201911387660 A CN201911387660 A CN 201911387660A CN 111209817 A CN111209817 A CN 111209817A
- Authority
- CN
- China
- Prior art keywords
- examination
- examinee
- questions
- assessment
- artificial intelligence
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 59
- 238000004458 analytical method Methods 0.000 claims abstract description 94
- 230000008451 emotion Effects 0.000 claims abstract description 75
- 238000011156 evaluation Methods 0.000 claims abstract description 55
- 238000011161 development Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 2
- 230000002996 emotional effect Effects 0.000 claims 2
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 18
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 2
- 241001672694 Citrus reticulata Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 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
- 230000003287 optical effect Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Multimedia (AREA)
- Educational Technology (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人工智能技术领域,提供一种基于人工智能的考核方法、装置、设备及可读存储介质,该方法包括:在接收到考核开始指令时,采集预设范围内的考核图像,并根据所述考核图像对考生的身份进行验证;当身份验证通过时,从预设的样本考题中获取目标考题,并播报所述目标考题;采集所述考生口语作答时的原始视频流,对所述原始视频流进行语义分析得到语义分析结果,并对所述原始视频流进行情绪分析得到情绪分析结果;根据语义分析结果和情绪分析结果生成所述考生对应的考生考核评价。本发明可提高考核评价的公平性和准确性,同时有还利于降低考核所需的人力成本,降低人为工作量,提高考核效率。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于人工智能的考核方法、装置、设备及可读存储介质。
背景技术
近年来随着社会经济的不断发展,人力资源的影响越来越大,而在生活和工作中经常需要进行面对面考核,例如口语考试,应聘面试等。在现有的面对面考核场景中,往往是由考核官对考生进行面谈,考核官向考生提问,再根据考生的现场口语作答进行打分。对于这种考核方式,考核官的主观经验和感受往往会影响考生的最终成绩,进而降低考核结果的公平性和准确性。
发明内容
本发明的主要目的在于提供一种基于人工智能的考核方法、装置、设备及可读存储介质,旨在提高面试考核结果的公平性和准确性。
为实现上述目的,本发明实施例提供一种基于人工智能的考核方法,所述基于人工智能的考核方法包括:
在接收到考核开始指令时,采集预设范围内的考核图像,并根据所述考核图像对考生的身份进行验证;
当身份验证通过时,从预设的样本考题中获取目标考题,并播报所述目标考题;
采集所述考生口语作答时的原始视频流,对所述原始视频流进行语义分析得到语义分析结果,并对所述原始视频流进行情绪分析得到情绪分析结果;
根据语义分析结果和情绪分析结果生成所述考生对应的考生考核评价。
此外,为实现上述目的,本发明实施例还提供一种基于人工智能的考核装置,所述基于人工智能的考核装置包括:
身份验证模块,用于在接收到考核开始指令时,采集预设范围内的考核图像,并根据所述考核图像对考生的身份进行验证;
考题获取模块,用于当身份验证通过时,从预设的样本考题中获取目标考题,并播报所述目标考题;
视频分析模块,用于采集所述考生口语作答时的原始视频流,对所述原始视频流进行语义分析得到语义分析结果,并对所述原始视频流进行情绪分析得到情绪分析结果;
评价生成模块,用于根据语义分析结果和情绪分析结果生成所述考生对应的考生考核评价。
此外,为实现上述目的,本发明实施例还提供一种基于人工智能的考核设备,所述基于人工智能的考核设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如上述的基于人工智能的考核方法的步骤。
此外,为实现上述目的,本发明实施例还提供一种可读存储介质,所述可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如上述的基于人工智能的考核方法的步骤。
本发明实施例采用人机对话的方式对考生进行自动考核,通过双录(录音录像)的方式记录考核的全流程,同时采用语义分析技术和微表情情绪分析技术对考生的语音作答分析,结合语义和情绪对考生进行综合评价,提高考核评价的公平性和准确性,同时有还利于降低考核所需的人力成本,降低人为工作量,提高考核效率。
附图说明
图1为本发明实施例方案中涉及的基于人工智能的考核设备的硬件结构示意图;
图2为本发明基于人工智能的考核方法第一实施例的流程示意图;
图3为图2所述步骤S40的细化流程示意图;
图4为本发明人工智能的考核装置第一实施例的功能模块示意图。
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。
本发明实施例涉及的基于人工智能的考核方法主要应用于基于人工智能的考核设备,该考核设备可以是个人计算机(personal computer,PC)、笔记本电脑、手机等具有数据处理功能的设备。
参照图1,图1为本发明实施例方案中涉及的基于人工智能的考核设备的硬件结构示意图。本发明实施例中,该考核设备可以包括处理器1001(例如中央处理器CentralProcessing 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)、输入单元比如键盘(Keyboard);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可以是高速随机存取存储器(random access memory,RAM),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。本领域技术人员可以理解,图1中示出的硬件结构并不构成对本发明的限定,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。
继续参照图1,图1中作为一种计算机可读存储介质的存储器1005可以包括操作系统、网络通信模块以及计算机程序。在图1中,网络通信模块可用于连接预设数据库,与数据库进行数据通信;而处理器1001可以调用存储器1005中存储的计算机程序,并执行本发明实施例提供的基于人工智能的考核方法。
基于上述的硬件架构,提出本发明基于人工智能的考核方法的各实施例。
本发明实施例提供了一种基于人工智能的考核方法。
参照图2,图2为本发明基于人工智能的考核方法第一实施例的流程示意图。
本实施例中,所述基于人工智能的考核方法包括以下步骤:
步骤S10,在接收到考核开始指令时,采集预设范围内的考核图像,并根据所述考核图像对考生的身份进行验证;
目前的生活和工作中经常需要进行面对面考核,例如口语考试,应聘面试等。在现有的面对面考核场景中,往往是由考核官对考生进行面谈,考核官向考生提问,再根据考生的现场口语作答进行打分。对于这种考核方式,考核官的主观经验和感受往往会影响考生的最终成绩,进而降低考核结果的公平性和准确性。对此,本实施例提出一种基于人工智能的考核方法,该方法采用人机对话的方式对考生进行自动考核,通过双录(录音录像)的方式记录考核的全流程,同时采用语义分析技术和微表情情绪分析技术对考生的语音作答分析,结合语义和情绪对考生进行综合评价,提高考核评价的公平性和准确性,同时有还利于降低考核所需的人力成本,降低人为工作量,提高考核效率。
本实施例中的基于人工智能的考核方法可以具体应用在多种不同的场景,例如口语考试、应聘面试等;该基于人工智能的考核方法是由基于人工智能的考核设备实现的;该考核设备具有双录功能(录音录像),其具体形式可以是个人计算机(PC)、笔记本电脑等设备,又或者是其它形式的智能机器人等,本实施例中以PC为例进行说明。
本实施例中的PC可以是设置在考场,以代替考核官对考生进行面谈考核。当某一考生需要进行考核时,可在PC进行操作,触发考核开始指令;PC在接收到该考核开始指令时,即可进行考试流程。当然,在实际中,该考核开始指令也可以是自动触发的,例如PC设置有考核开始时间,当到达该时间时,自动触发考核开始指令;又或者由考核人员通过其它的控制终端触发的考核开始指令,例如由考核官通过一台控制终端对多台PC统一发送考核开始指令等。PC在接收到考核开始指令时,首先将会通过摄像装置采集预设范围内的考核图像,然后对该考核图像进行人脸识别,识别出其中的人脸图像,其中该预设范围可以是PC前的某一个区域、考生所坐的考核座位、考核所在房间等;在得到人脸图像时,PC将会访问预设数据库,以将得到的人脸图像与考生的标准图像进行比对,从而对考生进行身份认证;若人脸图像与标准图像匹配(或是两者的相似度大于一定阈值),则可认为当前是考生本人进行考核,此时身份认证通过;而若两者不匹配,则可认为当前不是考生本人进行考核,此时身份认证不通过。其中,对于预设数据库,可以是根据考生报名参加考核时提供的报名信息所构建,包括有考生的报名图像,该报名图像可认为是考生的标准图像;而当该考核是发生在面试过程时,还可以是考生在应聘时提供自己的身份信息,包括有考生的身份图像,该身份图像可认为是考生的标准图像;当然该预设数据库也可以是其它第三方具有考生身份信息的数据库,如访问公安系统的数据库,获取考生的证件图像作为标准图像进行比对验证。
步骤S20,当身份验证通过时,从预设的样本考题中获取目标考题,并播报所述目标考题;
本实施例中,当考生的身份验证通过时,可认为当前是考生本人进行考核,此时PC将会从预设的样本考题中获取本次考核需要使用的目标考题,并通过语音播放功能播报该目标考题。值得说明的是,在对考生进行考核时,可能是需要播报两题以上(“以上”包括本数,下同),而在播报完一题的题目后PC将留白让考生作答,并等待一定时间后再播报下一题;也可以是播报播报完一题的题目后直接留白让考生作答,并接收到考生触发的下一题播报指令时再播报下一题;又或者将上述两种方式结合,或采用其它的方式。
值得说明的是,若考生的身份验证不通过,则可输出相关的考生身份有误等提示,又或者是向考核官对应的控制终端发送考生身份有误信息,以提示考核官及时进行处理。
步骤S30,采集所述考生口语作答时的原始视频流,对所述原始视频流进行语义分析得到语义分析结果,并对所述原始视频流进行情绪分析得到情绪分析结果;
本实施例中,PC在播报目标考题后,考生即可通过口语的方式进行作答。在考生口语作答过程中,PC将通过双录功能(录音录像)采集考生口语作答的原始视频流,该原始视频流包括考生作答时的图像和声音。对于对该原始视频流,PC将会对其进行语义分析,以分析考生作答时所表达的含义,以得到语义分析结果,也即确定考生在作答过程中的作答内容。同时,PC会对原始视频流进行情绪分析,通过考生的语速、语调、作答时间、微表情等方面的信息分析考生作答时的情感倾向,得到情绪分析结果,该情绪分析结果在一定程度上可评估出考生对考题所涉及知识点的掌握程度、以及考生作答的真实性(是否欺诈)等;例如,以语速为例,若考生作答时的语音语速较为缓慢、且存在多处断续的特征,则可认为考生对该知识点较为生疏、或者是考生回答真实性不高,而若考生作答时语速稳定、不存在断续的特征,则可认为考生对该知识点较为熟悉、又或者是考生此时回答真实性较高;又例如,以微表情为例,若考生作答时出现瞳孔突然放大、目光飘忽的特征,则可认为考生对该知识点较为生疏、或者是考生回答真实性不高。
进一步的,对于语义分析的过程,可以是先获取原始视频流中的视频语音,然后将该视频语音转换为对应的考生语义文本,得到语义分析结果。而对于情绪分析的过程,可以是通过某一机器学习模型实现的,具体的,可预先收集若干带分析结果标注的样本视频流(包括正例样本和负例样本),通过这些样本视频流对初始模型进行不断训练,最终得到情绪分析模型,然后即可通过该情绪分析模型对原始视频流进行情绪分析;当然,对于情绪分析模型的情绪分析结果,可以是二分的形式,即判断知识点掌握、生疏两种(或者是真实、欺诈两种等),也可以是多分的方式,如包括第一情绪等级、第二情绪等级、第三情绪等级,不同的等级代表不同的作答可信度,其中第一情绪等级、第二情绪等级、第三情绪等级的作答可信度依次提高(或认为是作答的参考价值依次变大)。
步骤S40,根据语义分析结果和情绪分析结果生成所述考生对应的考生考核评价。
本实施例中,在得到语义分析结果和情绪分析结果时,PC将会综合语义分析结果和情绪分析结果对考生的考核情况进行评价,以得到考生考核评价;其中,语义分析结果侧重于从作答语义方面为评价提供参考依据,而情绪分析结果则是侧重于从考生的情绪状态为评价提供参考依据,从而结合语义和情绪对考生进行综合评价,提高考核评价的公平性和准确性。在得到考生考核评价时,PC可将该考生考核评价发送至考核官对于的控制终端,以供考核官进行查看和后续处理;当然,PC还可显示该考生考核评价,以供考生获知自己的考核情况。
进一步的,参照图3,图3为图2所述步骤S40的细化流程示意图。
本实施例中,语义分析结果包括考生语义文本,情绪分析结果包括情绪等级,而考生考核评价包括考核评价分值,所述步骤S40包括:
步骤S41,获取所述目标考题对应的目标关键字;
本实施例中,对于语义分析的过程,可以是先获取原始视频流中的视频语音,然后将该视频语音转换为对应的考生语义文本,该考生语义文本即为语义分析结果。而情绪分析的过程,则为通过情绪分析模型对原始视频流进行情绪分析,得到对应的情绪等级,该情绪等级即为情绪分析结果。PC在得到考生语义文本和情绪等级时,将会获取目标考题对应的目标关键字,该目标关键字可认为是目标考题的参考答案关键字。
步骤S42,将所述考生语义文本与所述目标关键字进行匹配,并根据匹配结果获得对应的匹配分值;
在得到目标关键时,PC可将考生语义文本与目标关键字进行匹配,然后可根据匹配结果获得对应的匹配分值,其中两者的匹配度越高,则匹配分值越高。而对于匹配的方式,可以是将考生语义文本与目标关键字分别转换为对应的特征向量,然后根据特征向量之间的距离(或者是余弦相似度等特征匹配表征方法)来表征两者的匹配度,特征向量之间的距离越近,考生语义文本与目标关键字的匹配度越高;又或者是根据考生语义文本所命中的目标关键字数量来表征两者的匹配度,考生语义文本所命中的目标关键字数量越多,两者匹配度越高;此外,还可以是其它的匹配方式。
步骤S43,根据所述情绪等级获取对应的可信系数,并根据所述可信系数和所述匹配分值得到对应的考核评价分值。
在得到匹配分值时,该匹配分值可认为是从内容上的评价参考依据,此时PC还将根据情绪等级获取对应的可信系数,然后将可信系数和匹配分值相乘得到对应的考核评价分值。例如,情绪等级包括第一情绪等级、第二情绪等级、第三情绪等级,其对应的作答可信度依次提高,分别依次对应可信系数为0.3、0.7、1;某一考生的匹配分值为90分,情绪等级为第二情绪等级,则该考生的考核评价分值为90*0.7=63分。当然,在实际中,PC可能会播报多道目标考题,而在计算考核评价分值是可以是针对每道目标考题进行,然后将各题的考核评价分值进行汇总(汇总可以是加和、平均、加权等),也可以是针对所有的目标考题的整体作答进行计算。在得到考核评价分值时,该考核评价分值即可认为是考生的考生考核评价,分值越高;当然,还可以是根据考核评价分值确定考生的评价等级,不同的考核评价分值对应不同的评价等级,又或者是根据考核评价分值与某一分值阈值的大小关系确定考生是考核通过/不通过等。
再进一步的,本实施例在对考生进行考核的同时,还可以根据考生的作答情况对考生进行发展方向的推荐,例如,当本实施例的考核方法应用于应聘面试时,可以根据考生(面试者)的作答给出考生的推荐岗位。具体的,所述目标关键字包括发展方向关键字,即对于不同的发展方向,对应有不同的关键字,例如不同的岗位对应不同的关键字;在将考生语义文本与目标关键字进行匹配时,可以是将考生语义文本分别与各发展方向的发展方向关键字进行匹配,并根据匹配结果获得各发展方向对应的方向匹配分值(分值的获得过程具体可类比上述步骤S42所述,此处不再赘述),例如A岗位的方向匹配分值为90分,B岗位的方向匹配分值为80分值等。在得到各发展方向对应的方向匹配分值时,可根据方向匹配分值在各发展方向中确定推荐方向,并将推荐方向添加至考生考核评价,例如,可将匹配分值最高的一个(或若干个)发展方向(岗位)作为考生的推荐方向(推荐岗位),并添加至考生考核评价中。
此外,本实施例中,PC在得到原始视频流时,还会对所述原始视频流进行实时地违规检测,判断原始视频流中是否存在违规图像;若所述原始视频流中存在违规图像,则说明在考核过程中考生有进行违规操作,例如违规使用手机、工具书等,又例如考生的人脸图像发生变化,出现代考核的情况。若所述原始视频流中存在违规图像,PC将会根据违规图像进行违规记录,并将记录内容添加至所述考生考核评价,以供考核官根据该记录进行违规处理,记录内容可以包括违规发生时间、违规持续时间、违规类型、违规时对应的违规考题、违规对应的考生作答内容等。当然,在出现违规情况时,PC还可以直接将考生考核评价确定为考核不通过、又或是考核评价分值最低等。通过上述方式,避免了考生违规行为影响了正常的考核评价,提高了考核评价的公正性和准确性。
本实施例中,通过在接收到考核开始指令时,采集预设范围内的考核图像,并根据所述考核图像对考生的身份进行验证;当身份验证通过时,从预设的样本考题中获取目标考题,并播报所述目标考题;采集所述考生口语作答时的原始视频流,对所述原始视频流进行语义分析得到语义分析结果,并对所述原始视频流进行情绪分析得到情绪分析结果;根据语义分析结果和情绪分析结果生成所述考生对应的考生考核评价。通过以上方式,本实施例采用人机对话的方式对考生进行自动考核,通过双录(录音录像)的方式记录考核的全流程,同时采用语义分析技术和微表情情绪分析技术对考生的语音作答分析,结合语义和情绪对考生进行综合评价,提高考核评价的公平性和准确性,同时有还利于降低考核所需的人力成本,降低人为工作量,提高考核效率。
基于上述图2所述实施例,提出本发明基于人工智能的考核方法第二实施例。
本实施例中,所述步骤S20包括:
当身份验证通过时,根据考生的身份确定考核项目;
本实施例中,同一台PC可以是供多位考生使用,而这些考生可以是分别对应不同的考核项目,例如,该PC可以是用于普通话口语考试和英语口语考试,又例如该PC是可以用于A岗位应聘面试和B岗位应聘面试等;而PC中可以存在多个考核项目的样本考题,然后在不同考核项目中使用对应的题目进行考核。具体的,PC在对考生的身份进行验证后,若考生的身份验证通过,则PC可根据考生的身份确定考核项目,例如PC可根据考生的人脸图像获取考生对应的身份信息,如考生的报名信息或是应聘提供的简历信息等,然后根据考生的身份信息确定考生对应的考核项目。
根据所述考核项目从预设的样本考题中获取目标考题,并播报所述目标考题。
本实施例中,当确定考生对应的考核项目时,PC可根据考核项目从预设的样本考题中获取对应的目标考题,并播报该目标考题,以供考生进行作答。
通过以上方式,本实施例中同一台PC可用于多种考核项目的考核,对于不同的考核项目播报不同的目标考题,从而提高了本实施例的基于人工智能的考核方法的适用性。
基于上述图2所述实施例,提出本发明基于人工智能的考核方法第三实施例。
本实施例中,所述样本考题包括难度等级,所述步骤S20还包括:
当身份验证通过时,根据预设难题比例、预设考题总数量和各样本考题的难度等级属性从所述样本考题中选择对应数量的样本考题作为目标考题,并播报所述目标考题。
本实施例中,PC中存储的样本考题数量较多,而这些样本考题包括有难度等级属性,例如难度等级属性包括困难和一般,其中考题Q1的难度等级属性为困难,考题Q2的难度等级属性为普通;在进行考核时,PC可以是根据预设的考题总数量和难度比例自动选择合适的样本考题作为目标考题。具体的,当,PC在对考生的身份进行验证后,若考生的身份验证通过,则PC可根据预设的难题比例、预设考题总数量和各样本考题的难度等级从样本考题中选择对应数量的样本考题作为目标考题,并播报目标考题。例如,PC存储有500道样本考题,其中有150道难度等级属性为困难的样本考题和350道难度等级属性为普通的样本考题;本次考核的难题比例为3/10,预设考题总数量为10题,则PC可根据难题比例3/10和考题总数量10计算得到本次考核所用的目标考题中有3道(10*3/10)的难度等级属性为困难,剩下7道的目标考题的难度等级属性为一般;对此,PC可从150道难度等级属性为困难的样本考题中选择3道样本考题,并从350道难度等级属性为普通的样本考题选择7道样本考题,这些选择出来的样本考题即为目标考题,且困难的目标考题占本次考核所用考题的总数量的3/10,然后PC即可播报该目标考题。
通过以上方式,本实施例中的PC可存储有若干具有不同难度属性的样本考题,并根据考核的难题比例需要选择对应数量的样本考题进行考核,还有利于保证不同考生所用考题具有统一的难度,也有利于避免了考题重复对评价准确性带来的负面影响,提高了考核评价的公平性和准确性。
进一步的,本实施例中,所述步骤S40之后,还包括:
获取预设数量或预设周期的历史考生的历史考核评价,并根据所述历史考核评价对应目标考题的难度等级属性进行更新。
本实施例中,在得到考生的考生考核评价后,PC还可将其进行存储。当收集到预设数量的历史考生或某一预设周期内的历史考生的历史考核评价时,可以对这些历史评价进行汇总和统计,得到这些历史考生对某一目标考题的作答评价分布,进而根据作答评价分布更新该目标考题的难度等级属性,例如在100名考生中或者上一个月中,有超过70%的考生对目标考题Q2的作答分数低于预设阈值,则可认为该目标考题考题较难,而该目标考题Q2原来的难度等级属性为普通,此时可将其更新为困难,然后根据更新后的难度等级属性调整后续考核时的出题策略,有利于维持考题难易程度统一。
通过以上方式,可根据考生的作答情况对考题的难度等级属性进行更新,保证考题的难度等级属性与实际情况的匹配,从而提高考核评价的公平性和准确性。
此外,本发明实施例还提供一种基于人工智能的考核装置。
参照图4,图4为本发明基于人工智能的考核装置第一实施例的功能模块示意图。
本实施例中,所述基于人工智能的考核装置包括:
身份验证模块10,用于在接收到考核开始指令时,采集预设范围内的考核图像,并根据所述考核图像对考生的身份进行验证;
考题获取模块20,用于当身份验证通过时,从预设的样本考题中获取目标考题,并播报所述目标考题;
视频分析模块30,用于采集所述考生口语作答时的原始视频流,对所述原始视频流进行语义分析得到语义分析结果,并对所述原始视频流进行情绪分析得到情绪分析结果;
评价生成模块40,用于根据语义分析结果和情绪分析结果生成所述考生对应的考生考核评价。
其中,上述基于人工智能的考核装置的各虚拟功能模块存储于图1所示基于人工智能的考核设备的存储器1005中,用于实现计算机程序的所有功能;各模块被处理器1001执行时,可实现基于人工智能的考核功能。
进一步的,所述基于人工智能的考核装置还包括:
违规检测模块,用于对所述原始视频流进行违规检测,判断所述原始视频流中是否存在违规图像;
违规记录模块,用于若所述原始视频流中存在违规图像,根据所述违规图像进行违规记录,并将记录内容添加至所述考生考核评价。
进一步的,所述语义分析结果包括考生语义文本,所述情绪分析结果包括情绪等级,所述考生考核评价包括考核评价分值,所述视频分析模块30包括:
关键字获取单元,用于获取所述目标考题对应的目标关键字;
关键字匹配单元,用于将所述考生语义文本与所述目标关键字进行匹配,并根据匹配结果获得对应的匹配分值;
分值获取单元,用于根据所述情绪等级获取对应的可信系数,并根据所述可信系数和所述匹配分值得到对应的考核评价分值。
进一步的,所述目标关键字包括发展方向关键字,所述关键字匹配单元,还用于将所述考生语义文本分别与各发展方向的发展方向关键字进行匹配,并根据匹配结果获得各发展方向对应的方向匹配分值;
所述基于人工智能的考核装置还包括:
方向确定模块,用于根据所述方向匹配分值在各发展方向中确定推荐方向,并将所述推荐方向添加至所述考生考核评价。
进一步的,所述考题获取模块20包括:
项目确定单元,用于当身份验证通过时,根据考生的身份确定考核项目;
考题获取单元,用于根据所述考核项目从预设的样本考题中获取目标考题,并播报所述目标考题。
进一步的,所述样本考题包括难度等级属性,所述考题获取模块20还包括:
考题选择单元,用于当身份验证通过时,根据预设难题比例、预设考题总数量和各样本考题的难度等级属性从所述样本考题中选择对应数量的样本考题作为目标考题,并播报所述目标考题。
进一步的,所述基于人工智能的考核装置还包括:
属性更新模块,用于获取预设数量或预设周期的历史考生的历史考核评价,并根据所述历史考核评价对应目标考题的难度等级属性进行更新。
其中,上述基于人工智能的考核装置中各个模块的功能实现与上述基于人工智能的考核方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
此外,本发明实施例还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如上述的基于人工智能的考核方法的步骤。
其中,计算机程序被执行时所实现的方法可参照本发明基于人工智能的考核方法的各个实施例,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。
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,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)
1.一种基于人工智能的考核方法,其特征在于,所述基于人工智能的考核方法包括:
在接收到考核开始指令时,采集预设范围内的考核图像,并根据所述考核图像对考生的身份进行验证;
当身份验证通过时,从预设的样本考题中获取目标考题,并播报所述目标考题;
采集所述考生口语作答时的原始视频流,对所述原始视频流进行语义分析得到语义分析结果,并对所述原始视频流进行情绪分析得到情绪分析结果;
根据语义分析结果和情绪分析结果生成所述考生对应的考生考核评价。
2.如权利要求1所述的基于人工智能的考核方法,其特征在于,所述采集考生口语作答时的原始视频流的步骤之后,还包括:
对所述原始视频流进行违规检测,判断所述原始视频流中是否存在违规图像;
若所述原始视频流中存在违规图像,根据所述违规图像进行违规记录,并将记录内容添加至所述考生考核评价。
3.如权利要求1所述的基于人工智能的考核方法,其特征在于,所述语义分析结果包括考生语义文本,所述情绪分析结果包括情绪等级,所述考生考核评价包括考核评价分值,
所述根据语义分析结果和情绪分析结果生成所述考生对应的考生考核评价的步骤包括:
获取所述目标考题对应的目标关键字;
将所述考生语义文本与所述目标关键字进行匹配,并根据匹配结果获得对应的匹配分值;
根据所述情绪等级获取对应的可信系数,并根据所述可信系数和所述匹配分值得到对应的考核评价分值。
4.如权利要求3所述的基于人工智能的考核方法,其特征在于,所述目标关键字包括发展方向关键字,
所述将所述考生语义文本与所述目标关键字进行匹配,并根据匹配结果获得对应的匹配分值的步骤包括:
将所述考生语义文本分别与各发展方向的发展方向关键字进行匹配,并根据匹配结果获得各发展方向对应的方向匹配分值;
所述考核方法还包括:
根据所述方向匹配分值在各发展方向中确定推荐方向,并将所述推荐方向添加至所述考生考核评价。
5.如权利要求1所述的基于人工智能的考核方法,其特征在于,所述当身份验证通过时,从预设的样本考题中获取目标考题,并播报所述目标考题的步骤包括:
当身份验证通过时,根据考生的身份确定考核项目;
根据所述考核项目从预设的样本考题中获取目标考题,并播报所述目标考题。
6.如权利要求1所述的基于人工智能的考核方法,其特征在于,所述样本考题包括难度等级属性,
所述当身份验证通过时,从预设的样本考题中获取目标考题,并播报所述目标考题的步骤包括:
当身份验证通过时,根据预设难题比例、预设考题总数量和各样本考题的难度等级属性从所述样本考题中选择对应数量的样本考题作为目标考题,并播报所述目标考题。
7.如权利要求6所述的基于人工智能的考核方法,其特征在于,所述根据语义分析结果和情绪分析结果生成所述考生对应的考生考核评价的步骤之后,还包括:
获取预设数量或预设周期的历史考生的历史考核评价,并根据所述历史考核评价对应目标考题的难度等级属性进行更新。
8.一种基于人工智能的考核装置,其特征在于,所述基于人工智能的考核装置包括:
身份验证模块,用于在接收到考核开始指令时,采集预设范围内的考核图像,并根据所述考核图像对考生的身份进行验证;
考题获取模块,用于当身份验证通过时,从预设的样本考题中获取目标考题,并播报所述目标考题;
视频分析模块,用于采集所述考生口语作答时的原始视频流,对所述原始视频流进行语义分析得到语义分析结果,并对所述原始视频流进行情绪分析得到情绪分析结果;
评价生成模块,用于根据语义分析结果和情绪分析结果生成所述考生对应的考生考核评价。
9.一种基于人工智能的考核设备,其特征在于,所述基于人工智能的考核设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如权利要求1至7中任一项所述的基于人工智能的考核方法的步骤。
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计算机程序,其中所述计算机程序被处理器执行时,实现如权利要求1至7中任一项所述的基于人工智能的考核方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911387660.9A CN111209817A (zh) | 2019-12-25 | 2019-12-25 | 基于人工智能的考核方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911387660.9A CN111209817A (zh) | 2019-12-25 | 2019-12-25 | 基于人工智能的考核方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111209817A true CN111209817A (zh) | 2020-05-29 |
Family
ID=70786440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911387660.9A Pending CN111209817A (zh) | 2019-12-25 | 2019-12-25 | 基于人工智能的考核方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111209817A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053597A (zh) * | 2020-10-13 | 2020-12-08 | 北京灵伴即时智能科技有限公司 | 人工坐席培训考核方法及系统 |
Citations (6)
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 |
KR20020088798A (ko) * | 2001-05-21 | 2002-11-29 | (주)이폴랩 | 온라인 면접 서비스 제공방법 |
CN109472472A (zh) * | 2018-10-26 | 2019-03-15 | 南京米好信息安全有限公司 | 一种人工智能评分系统 |
CN109948438A (zh) * | 2019-02-12 | 2019-06-28 | 平安科技(深圳)有限公司 | 自动面试评分方法、装置、系统、计算机设备及存储介质 |
CN110135800A (zh) * | 2019-04-23 | 2019-08-16 | 南京葡萄诚信息科技有限公司 | 一种人工智能视频面试方法及系统 |
CN110210301A (zh) * | 2019-04-26 | 2019-09-06 | 平安科技(深圳)有限公司 | 基于微表情评价面试者的方法、装置、设备和存储介质 |
-
2019
- 2019-12-25 CN CN201911387660.9A patent/CN111209817A/zh active Pending
Patent Citations (6)
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 |
KR20020088798A (ko) * | 2001-05-21 | 2002-11-29 | (주)이폴랩 | 온라인 면접 서비스 제공방법 |
CN109472472A (zh) * | 2018-10-26 | 2019-03-15 | 南京米好信息安全有限公司 | 一种人工智能评分系统 |
CN109948438A (zh) * | 2019-02-12 | 2019-06-28 | 平安科技(深圳)有限公司 | 自动面试评分方法、装置、系统、计算机设备及存储介质 |
CN110135800A (zh) * | 2019-04-23 | 2019-08-16 | 南京葡萄诚信息科技有限公司 | 一种人工智能视频面试方法及系统 |
CN110210301A (zh) * | 2019-04-26 | 2019-09-06 | 平安科技(深圳)有限公司 | 基于微表情评价面试者的方法、装置、设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053597A (zh) * | 2020-10-13 | 2020-12-08 | 北京灵伴即时智能科技有限公司 | 人工坐席培训考核方法及系统 |
CN112053597B (zh) * | 2020-10-13 | 2023-02-21 | 北京灵伴即时智能科技有限公司 | 人工坐席培训考核方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115413348B (zh) | 用于自动验证和量化面试问题回答的系统和方法 | |
US10095850B2 (en) | User identity authentication techniques for on-line content or access | |
Tur et al. | Effect of charismatic signaling in social media settings: Evidence from TED and Twitter | |
US20180197548A1 (en) | System and method for diarization of speech, automated generation of transcripts, and automatic information extraction | |
CN111949822A (zh) | 一种基于云计算和移动终端的智能教育视频服务系统及其运行方法 | |
US20200082928A1 (en) | Assisting psychological cure in automated chatting | |
CN110874716A (zh) | 面试测评方法、装置、电子设备及存储介质 | |
CN111126553A (zh) | 智能机器人面试方法、设备、存储介质及装置 | |
US20150262496A1 (en) | Multimedia educational content delivery with identity authentication and related compensation model | |
CN112364234B (zh) | 一种在线讨论的自动分组系统 | |
WO2019054894A1 (ru) | Способ мониторинга поведения пользователя при взаимодействии с контентом и система для его осуществления | |
CN109739354A (zh) | 一种基于声音的多媒体交互方法及装置 | |
CN109509088A (zh) | 基于微表情识别的贷款审核方法、装置、设备及介质 | |
CN111192170B (zh) | 题目推送方法、装置、设备和计算机可读存储介质 | |
CN111915111A (zh) | 在线课堂的互动质量评价方法、装置及终端设备 | |
CN111209817A (zh) | 基于人工智能的考核方法、装置、设备及可读存储介质 | |
CN114902217A (zh) | 用于认证数字内容的系统 | |
Ivanova et al. | Enhancing trust in eassessment-the tesla system solution | |
CN114971658B (zh) | 一种反诈宣传方法、系统、电子设备以及存储介质 | |
KR20180005876A (ko) | 음성데이터 기반 인성평가를 통한 인공지능형 개인신용평가 및 분석 시스템 및 방법 | |
WO2015179428A1 (en) | User identity authentication techniques for on-line content or access | |
WO2022180860A1 (ja) | ビデオセッション評価端末、ビデオセッション評価システム及びビデオセッション評価プログラム | |
CN114333844A (zh) | 声纹识别方法、装置、介质及设备 | |
CN111723752A (zh) | 基于情绪识别的驾驶员上岗驾驶检测方法及装置 | |
CN111078992A (zh) | 一种听写内容生成方法及电子设备 |
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 |