CN112434144B - 生成目标问题的方法、装置、电子设备和计算机可读介质 - Google Patents
生成目标问题的方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN112434144B CN112434144B CN202011320947.2A CN202011320947A CN112434144B CN 112434144 B CN112434144 B CN 112434144B CN 202011320947 A CN202011320947 A CN 202011320947A CN 112434144 B CN112434144 B CN 112434144B
- Authority
- CN
- China
- Prior art keywords
- target
- information
- data information
- keyword
- sample
- 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 50
- 238000002372 labelling Methods 0.000 claims description 25
- 230000006854 communication Effects 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 abstract description 9
- 238000010801 machine learning Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000007115 recruitment Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000013407 communication difficulty Diseases 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请提供了一种生成目标问题的方法、装置、电子设备和计算机可读介质，属于机器学习技术领域。方法包括：获取目标人员提供的第一数据信息；将所述第一数据信息输入目标关键词生成模型，得到所述目标关键词生成模型输出的所述第一数据信息中的第一关键词；将所述第一数据信息和所述第一关键词输入目标问题推荐模型，得到所述目标问题推荐模型输出的所述第一数据信息对应的目标问题。本申请通过针对目标人员提供的第一数据信息，得到目标问题，目标人员可以在正式答复前先根据目标问题进行模拟答复，提前准备好答复思路，提高答复成功率。
Description
技术领域
本申请涉及机器学习技术领域，尤其涉及一种生成目标问题的方法、装置、电子设备和计算机可读介质。
背景技术
目前社会竞争压力大，人们需要参加各种面试或会议，这就需要人们在面试或会议沟通过程中做出一个好的答复，以给对方一个良好的印象，提高做事的成功率。但人们往往无法提前知道对方要问的问题，导致在沟通过程中出现思路卡壳，答复不流畅。
举例来说，求职者都希望得到一份适合自己的好工作，这就需要求职者准备一份精美的简历，让自己在面试环节表现优异，针对面试官提出的问题对答如流，给面试官留下好的印象。对于求职经验少或缺乏求职经验的求职者，他们往往不了解面试官针对自己的简历要提出哪些问题，无法提前做好准备，答复过程中卡壳，面试成功的概率低。
发明内容
本申请实施例的目的在于提供一种生成目标问题的方法、装置、电子设备和计算机可读介质，以解决答复不流畅的问题。具体技术方案如下：
第一方面，提供了一种生成目标问题的方法，所述方法包括：
获取目标人员提供的第一数据信息；
将所述第一数据信息输入目标关键词生成模型，得到所述目标关键词生成模型输出的所述第一数据信息中的第一关键词；
将所述第一数据信息和所述第一关键词输入目标问题推荐模型，得到所述目标问题推荐模型输出的所述第一数据信息对应的目标问题。
可选地，在将所述第一数据信息和所述第一关键词输入目标问题推荐模型，得到所述目标问题推荐模型输出的所述第一数据信息对应的目标问题之后，所述方法还包括：
获取所述目标人员针对所述目标问题提供的答复信息；
确定所述答复信息与所述目标问题的标准信息的匹配信息；
显示所述匹配信息，以使所述目标人员根据所述匹配信息对所述第一数据信息作出修改。
可选地，在将所述第一数据信息输入目标关键词生成模型，得到所述目标关键词生成模型输出的所述第一数据信息中的第一关键词之后，所述方法还包括：确定所述第一数据信息中的目标信息与所述第一关键词的第一匹配度；
在显示所述匹配信息之后，所述方法还包括：获取目标人员对所述第一数据信息作出修改后提供的第二数据信息；将所述第二数据信息输入目标关键词生成模型，得到所述目标关键词生成模型输出的所述第二数据信息中的第二关键词，其中，所述第二关键词与所述目标信息的目标匹配度高于所述第一匹配度。
可选地，将所述第二数据信息输入目标关键词生成模型，得到所述目标关键词生成模型输出的所述第二数据信息中的第二关键词之后，所述方法还包括：
根据所述第二关键词的知识图谱生成所述目标人员的技能画像，以使所述目标人员了解自身技能。
可选地，在将所述第一数据信息输入目标关键词生成模型之前，所述方法还包括：
获取样本数据信息和所述样本数据信息中的样本关键词；
将所述样本数据信息输入到初始关键词生成模型，得到所述初始关键词生成模型输出的标注关键词；
在所述标注关键词与所述样本关键词不一致的情况下，调整所述初始关键词生成模型的模型参数，得到所述目标关键词生成模型，其中，在所述目标关键词生成模型输出的所述标注关键词与所述样本关键词一致。
可选地，在将所述第一数据信息和所述第一关键词输入目标问题推荐模型之前，所述方法还包括：
获取所述样本数据信息、所述样本关键词和所述样本数据信息对应的样本问题；
将所述样本数据信息和所述样本关键词输入到初始问题推荐模型，得到所述初始问题推荐模型输出的标注问题；
在所述标注问题与所述样本问题不一致的情况下，调整所述初始问题推荐模型的模型参数，得到所述目标问题推荐模型，其中，在所述目标问题推荐模型输出的所述标注问题与所述样本问题一致。
第二方面，提供了一种生成目标问题的装置，所述装置包括：
第一获取模块，用于获取目标人员提供的第一数据信息；
第一输入模块，用于将所述第一数据信息输入目标关键词生成模型，得到所述目标关键词生成模型输出的所述第一数据信息中的第一关键词；
第二输入模块，用于将所述第一数据信息和所述第一关键词输入目标问题推荐模型，得到所述目标问题推荐模型输出的所述第一数据信息对应的目标问题。
可选地，所述装置还包括：
第二获取模块，用于获取所述目标人员针对所述目标问题提供的答复信息；
确定模块，用于确定所述答复信息与所述目标问题的标准信息的匹配信息；
显示模块，用于显示所述匹配信息，以使所述目标人员根据所述匹配信息对所述第一数据信息作出修改。
第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现任一所述的方法步骤。
第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现任一所述的方法步骤。
本申请实施例有益效果：
本申请实施例提供了一种生成面试问题的方法，方法包括：服务器获取目标人员提供的第一数据信息，然后将第一数据信息输入目标关键词生成模型，得到目标关键词生成模型输出的第一数据信息中的第一关键词，最后将第一数据信息和第一关键词输入目标问题推荐模型，得到目标问题推荐模型输出的第一数据信息对应的目标问题。本申请通过针对目标人员提供的第一数据信息，得到目标问题，目标人员可以在正式答复前先根据目标问题进行模拟答复，提前准备好答复思路，提高答复成功率。
当然，实施本申请的任一产品或方法并不一定需要同时达到以上的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种生成目标问题的方法流程图；
图2为本申请实施例提供的确定匹配信息的方法流程图；
图3为本申请实施例提供的一种生成目标问题装置的结构示意图；
图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请实施例提供了一种生成目标问题的方法，可以应用于服务器，用于根据目标人员的数据信息生成目标问题，有助于目标人员根据目标问题进行模拟性的问题答复。本申请可以应用于求职者面试、学生升学面试或会议沟通等场景。
下面将结合具体实施方式，对本申请实施例提供的一种生成目标问题的方法进行详细的说明，如图1所示，具体步骤如下：
步骤101：获取目标人员提供的第一数据信息。
在本申请实施例中，服务器获取目标人员提供的第一数据信息，第一数据信息包括与目标问题关联的数据信息。
示例性地，目标人员为求职者，第一数据信息为第一简历信息。求职者在求职之前会准备自己的简历，然后面试官根据求职者的简历提出相关面试问题，并基于求职者的答复做出评价。对于求职者而言，他们并无法预先知道面试官会问何种面试问题，尤其不知道在工作技术方面面试官会提出哪些技术问题，导致求职者在面试时需要手忙脚乱，求职失败的风险相对较高，因此，本申请可以根据求职者的简历生成面试问题，有助于求职者根据面试问题进行模拟面试，提高面试成功率。服务器获取求职者提供的第一简历信息，该第一简历信息包括了求职者的个人信息、教育经历、工作经验、工作技能等信息。
步骤102：将第一数据信息输入目标关键词生成模型，得到目标关键词生成模型输出的第一数据信息中的第一关键词。
在本申请实施例中，服务器将第一数据信息输入目标关键词生成模型，得到目标关键词生成模型输出的第一数据信息中的第一关键词。
示例性地，服务器将第一简历信息输入目标关键词生成模型，得到目标关键词生成模型输出的第一简历信息中的第一关键词，其中，第一关键词为工作技能关键词，工作技能包括专业技能、业务技能和项目经验。第一关键词可以为web前端、python、流动负债、重大损害等。
作为一种可选的实施方式，在将第一数据信息输入目标关键词生成模型之前，方法还包括：获取样本数据信息和样本数据信息中的样本关键词；将样本数据信息输入到初始关键词生成模型，得到初始关键词生成模型输出的标注关键词；在标注关键词与样本关键词不一致的情况下，调整初始关键词生成模型的模型参数，得到目标关键词生成模型，其中，在目标关键词生成模型输出的标注关键词与样本关键词一致。
在本申请实施例中，服务器在将第一数据信息输入关键词生成模型之前，需要对初始关键词生成模型进行训练，得到目标关键词生成模型。训练过程为：服务器获取样本数据信息和样本数据信息中的样本关键词，然后将样本数据信息输入到初始关键词生成模型，得到初始关键词生成模型输出的标注关键词，在标注关键词与样本关键词不一致的情况下，服务器调整初始关键词生成模型的模型参数，直至目标关键词生成模型输出的标注关键词与样本关键词一致，得到目标关键词生成模型。
示例性地，样本数据信息为样本简历信息。训练之前需要通过人工方式搜集样本简历，搜集来源包括网络资源、公司内部招聘部门等，然后人工标注简历中的关键字和面试问题。关键字包括简历中专业技能、业务技能和项目经验等内容中的关键字，得到样本关键词。
步骤103：将第一数据信息和第一关键词输入目标问题推荐模型，得到目标问题推荐模型输出的第一数据信息对应的目标问题。
在本申请实施例中，服务器获取第一数据信息中的第一关键词后，将第一数据信息和第一关键词输入目标问题推荐模型，得到目标问题推荐模型输出的第一数据信息对应的目标问题。
作为一种可选的实施方式，在将第一数据信息和第一关键词输入目标问题推荐模型之前，方法还包括：获取样本数据信息、样本关键词和样本数据信息对应的样本问题；将样本数据信息和样本关键词输入到初始问题推荐模型，得到初始问题推荐模型输出的标注问题；在标注问题与样本问题不一致的情况下，调整初始问题推荐模型的模型参数，得到目标问题推荐模型，其中，在目标问题推荐模型输出的标注问题与样本问题一致。
在本申请实施例中，服务器在将第一数据信息和第一关键词输入目标问题推荐模型之前，获取样本数据信息、样本关键词和样本数据信息对应的样本问题，然后将样本数据信息和样本关键词输入到初始问题推荐模型，得到初始问题推荐模型输出的标注问题，在标注问题与样本问题不一致的情况下，调整初始问题推荐模型的模型参数，直至标注问题与样本问题一致，得到目标问题推荐模型。
在本申请中，通过目标关键词生成模型和目标问题推荐模型根据目标人员的第一数据信息自动生成目标问题，目标人员可以根据目标问题进行模拟性的问题答复，提前准备好答复思路，提高答复成功率。
作为一种可选的实施方式，如图2所示，在将第一数据信息和第一关键词输入目标问题推荐模型，得到目标问题推荐模型输出的第一数据信息对应的目标问题之后，方法还包括：
步骤201：获取目标人员针对目标问题提供的答复信息。
在本申请实施例中，目标人员获取目标问题后，可以根据目标问题提供答复信息，服务器获取目标人员针对目标问题提供的答复信息。
步骤202：确定答复信息与目标问题的标准信息的匹配信息。
在本申请实施例中，匹配信息包括关键词匹配度和语句匹配度。关键词匹配度包括关键词匹配比例。关于关键词匹配度，服务器获取目标问题的标准信息和目标人员提供的答复信息，并获取标准信息中的标准关键词信息和答复信息中的答复关键词信息，服务器确定标准关键词信息和答复关键词信息中相同的关键词信息，并将相同关键词信息的数量与答复关键词信息的数量的比值作为匹配度。语句匹配度包括为语句逻辑匹配比例。语句匹配度为答复信息的答复逻辑顺序与标准信息的标准逻辑顺序的匹配度。
步骤203：显示匹配信息，以使目标人员根据匹配信息对第一数据信息作出修改。
在本申请实施例中，服务器确定匹配信息后，显示该匹配信息，以使目标人员得知自己的答复信息与标准信息的差距。由于标准信息是根据第一数据信息的目标信息得到的，标准信息中涵盖了该目标信息需要的技能，因此，目标人员需要根据匹配信息对第一数据信息做出修改，以缩小第一数据信息与标准信息的差距。
示例性地，目标信息可以为岗位信息，服务器确定匹配信息后，显示该匹配信息，以使求职者得知自己的答复信息与标准信息的差距。由于标准信息是根据第一简历信息的岗位信息得到的，标准信息中涵盖了该岗位信息需要的工作技能，因此，求职者需要根据匹配信息对第一简历信息做出修改，以缩小第一简历信息与岗位信息所要求的标准信息的差距。
在本申请中，服务器确定答复信息与标准信息的匹配信息，可以使目标人员根据匹配信息发现第一数据信息的不足，并修改第一数据信息，提高第一数据信息与所需要的目标信息的匹配度，提高答复成功率。
作为一种可选的实施方式，在将第一数据信息输入目标关键词生成模型，得到目标关键词生成模型输出的第一数据信息中的第一关键词之后，方法还包括：确定第一数据信息中的目标信息与第一关键词的第一匹配度；在显示匹配信息之后，方法还包括：获取目标人员对第一数据信息作出修改后提供的第二数据信息；将第二数据信息输入目标关键词生成模型，得到目标关键词生成模型输出的第二数据信息中的第二关键词，其中，第二关键词与目标信息的目标匹配度高于第一匹配度。
在本申请实施例中，服务器获取第一数据信息的第一关键词和所需要的目标信息，并确定该目标信息与第一关键词的匹配度。目标人员根据匹配信息对第一数据信息做出修改后得到第二数据信息，服务器将第二数据信息输入目标关键词生成模型，得到目标关键词生成模型输出的第二数据信息中的第二关键词，由于第二数据信息根据答复信息和标准信息的匹配信息做了修改，而标准信息是根据第一数据信息中的目标信息得到的，因此，第二数据信息与目标信息的目标匹配度高于第一匹配度。
目标人员修改后的第二数据信息与目标信息的匹配度更高，高匹配度的数据信息更方便目标人员与对方的沟通，减少沟通难度。
示例性地，服务器获取第一简历信息的第一关键词和所要面试的岗位信息，并确定该岗位信息与第一关键词的匹配度。求职者根据匹配信息对第一简历信息做出修改后得到第二简历信息，服务器将第二简历信息输入目标关键词生成模型，得到目标关键词生成模型输出的第二简历信息中的第二关键词，由于第二简历信息根据答复信息和标准信息的匹配信息做了修改，而标准信息是根据第一简历信息中的岗位信息得到的，因此，第二简历信息与岗位信息的目标匹配度高于第一匹配度。求职者修改后的第二简历信息与岗位信息的匹配度更高，在招聘流程中，由于在面试之前还需要简历的筛选，高匹配度的简历更容易使求职者进入面试，提高求职者的求职成功率。
作为一种可选的实施方式，在将第二数据信息输入目标关键词生成模型，得到目标关键词生成模型输出的第二数据信息中的第二关键词之后，方法还包括：根据第二关键词的知识图谱生成目标人员的技能画像，以使目标人员了解自身技能。
在本申请实施例中，服务器得到第二数据信息中的第二关键词之后，确定第二关键词的知识图谱，根据知识图谱生成目标人员的技能画像，目标人员可以根据该技能画像全面了解自身技能。
示例性地，技能画像为工作技能画像。服务器得到第二简历信息中的第二关键词之后，确定第二关键词的知识图谱，根据知识图谱生成求职者的工作技能画像，求职者可以根据该工作技能画像全面了解自身技能，也可以将该工作技能画像提供给面试官，使面试官全面深入的了解自己的工作技能，提高面试成功率。
基于知识图谱的用户画像技术利用系统采集到的真实用户数据，构建面向用户画像的知识图谱。然后，利用知识图谱提供的实体与实体之间的语义相似性和逻辑相关性，计算生成知识图谱的所有语料的词语与知识图谱中的实体之间的相关性，得到语义有关的知识实体。同样计算得到相关实体与已知用户行为标签语义相近的标签表，并通过组合计算得到与标签对应用户的相关性的强弱，从而生成可以表示用户特性的用户行为标签关联组合。这种用户特性的用户行为标签关联组合就是对用户的画像描述。
基于相同的技术构思，本申请实施例还提供了一种生成目标问题的装置，如图3所示，该装置包括：
第一获取模块301，用于获取目标人员提供的第一数据信息；
第一输入模块302，用于将第一数据信息输入目标关键词生成模型，得到目标关键词生成模型输出的第一数据信息中的第一关键词；
第二输入模块303，用于将第一数据信息和第一关键词输入目标问题推荐模型，得到目标问题推荐模型输出的第一数据信息对应的目标问题。
可选地，装置还包括：
第二获取模块，用于获取目标人员针对目标问题提供的答复信息；
第一确定模块，用于确定答复信息与目标问题的标准信息的匹配信息；
显示模块，用于显示匹配信息，以使目标人员根据匹配信息对第一数据信息作出修改。
可选地，装置还包括：
第二确定模块，用于确定第一数据信息中的目标信息与第一关键词的第一匹配度；
第三获取模块，用于获取目标人员对第一数据信息作出修改后提供的第二数据信息；
第三输入模块，用于将第二数据信息输入目标关键词生成模型，得到目标关键词生成模型输出的第二数据信息中的第二关键词，其中，第二关键词与目标信息的目标匹配度高于第一匹配度。
可选地，装置还包括：
生成模块，用于根据第二关键词的知识图谱生成目标人员的技能画像，以使目标人员了解自身技能。
可选地，装置还包括：
第四获取模块，用于获取样本简历信息和样本简历信息中的样本关键词；
第四输入模块，用于将样本简历信息输入到初始关键词生成模型，得到初始关键词生成模型输出的标注关键词；
第一调整模块，用于在标注关键词与样本关键词不一致的情况下，调整初始关键词生成模型的模型参数，得到目标关键词生成模型，其中，在目标关键词生成模型输出的标注关键词与样本关键词一致。
可选地，装置还包括：
第五获取模块，用于获取样本简历信息、样本关键词和样本简历信息对应的样本目标问题；
第五输入模块，用于将样本简历信息和样本关键词输入到初始问题推荐模型，得到初始问题推荐模型输出的标注目标问题；
第二调整模块，用于在标注目标问题与样本目标问题不一致的情况下，调整初始问题推荐模型的模型参数，得到目标问题推荐模型，其中，在目标问题推荐模型输出的标注目标问题与样本目标问题一致。
基于相同的技术构思，本发明实施例还提供了一种电子设备，如图4所示，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，
存储器403，用于存放计算机程序；
处理器401，用于执行存储器403上所存放的程序时，实现上述步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。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个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、数字用户线(DSL))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取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。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，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种生成目标问题的方法，其特征在于，所述方法包括：
获取目标人员提供的第一数据信息，其中，所述第一数据信息为第一简历信息，所述第一简历信息包括求职者的个人信息、教育经历、工作经验、工作技能信息；
将所述第一数据信息输入目标关键词生成模型，得到所述目标关键词生成模型输出的所述第一数据信息中的第一关键词，其中，第一关键词为工作技能关键词，工作技能包括专业技能、业务技能和项目经验，或者所述第一关键词为web前端、python、流动负债、重大损害；
将所述第一数据信息和所述第一关键词输入目标问题推荐模型，得到所述目标问题推荐模型输出的所述第一数据信息对应的目标问题；
其中，在将所述第一数据信息和所述第一关键词输入目标问题推荐模型，得到所述目标问题推荐模型输出的所述第一数据信息对应的目标问题之后，所述方法还包括：
获取所述目标人员针对所述目标问题提供的答复信息；
确定所述答复信息与所述目标问题的标准信息的匹配信息，其中，所述标准信息是根据所述第一数据信息中的目标信息得到的，所述标准信息中涵盖了所述目标信息需要的技能；
显示所述匹配信息，以使所述目标人员根据所述匹配信息对所述第一数据信息作出修改；
获取目标人员对所述第一数据信息作出修改后提供的第二数据信息；
将所述第二数据信息输入目标关键词生成模型，得到所述目标关键词生成模型输出的所述第二数据信息中的第二关键词，其中，所述第二关键词与所述目标信息的目标匹配度高于第一匹配度，所述第一匹配度指所述第一数据信息中的目标信息与所述第一关键词的匹配度。
2.根据权利要求1所述的方法，其特征在于，在将所述第二数据信息输入目标关键词生成模型，得到所述目标关键词生成模型输出的所述第二数据信息中的第二关键词之后，所述方法还包括：
根据所述第二关键词的知识图谱生成所述目标人员的技能画像，以使所述目标人员了解自身技能。
3.根据权利要求1所述的方法，其特征在于，在将所述第一数据信息输入目标关键词生成模型之前，所述方法还包括：
获取样本数据信息和所述样本数据信息中的样本关键词；
将所述样本数据信息输入到初始关键词生成模型，得到所述初始关键词生成模型输出的标注关键词；
在所述标注关键词与所述样本关键词不一致的情况下，调整所述初始关键词生成模型的模型参数，得到所述目标关键词生成模型，其中，在所述目标关键词生成模型输出的所述标注关键词与所述样本关键词一致。
4.根据权利要求3所述的方法，其特征在于，在将所述第一数据信息和所述第一关键词输入目标问题推荐模型之前，所述方法还包括：
获取所述样本数据信息、所述样本关键词和所述样本数据信息对应的样本问题；
将所述样本数据信息和所述样本关键词输入到初始问题推荐模型，得到所述初始问题推荐模型输出的标注问题；
在所述标注问题与所述样本问题不一致的情况下，调整所述初始问题推荐模型的模型参数，得到所述目标问题推荐模型，其中，在所述目标问题推荐模型输出的所述标注问题与所述样本问题一致。
5.一种生成目标问题的装置，其特征在于，所述装置包括：
第一获取模块，用于获取目标人员提供的第一数据信息，其中，所述第一数据信息为第一简历信息，所述第一简历信息包括求职者的个人信息、教育经历、工作经验、工作技能信息；
第一输入模块，用于将所述第一数据信息输入目标关键词生成模型，得到所述目标关键词生成模型输出的所述第一数据信息中的第一关键词，其中，第一关键词为工作技能关键词，工作技能包括专业技能、业务技能和项目经验，或者所述第一关键词为web前端、python、流动负债、重大损害；
第二输入模块，用于将所述第一数据信息和所述第一关键词输入目标问题推荐模型，得到所述目标问题推荐模型输出的所述第一数据信息对应的目标问题；
其中，所述装置还包括：
第二获取模块，用于获取所述目标人员针对所述目标问题提供的答复信息；
确定模块，用于确定所述答复信息与所述目标问题的标准信息的匹配信息，其中，所述标准信息是根据所述第一数据信息中的目标信息得到的，所述标准信息中涵盖了所述目标信息需要的技能；
显示模块，用于显示所述匹配信息，以使所述目标人员根据所述匹配信息对所述第一数据信息作出修改；获取目标人员对所述第一数据信息作出修改后提供的第二数据信息；将所述第二数据信息输入目标关键词生成模型，得到所述目标关键词生成模型输出的所述第二数据信息中的第二关键词，其中，所述第二关键词与所述目标信息的目标匹配度高于第一匹配度，所述第一匹配度指所述第一数据信息中的目标信息与所述第一关键词的匹配度。
6.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-4任一所述的方法步骤。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-4任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011320947.2A CN112434144B (zh) | 2020-11-23 | 2020-11-23 | 生成目标问题的方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011320947.2A CN112434144B (zh) | 2020-11-23 | 2020-11-23 | 生成目标问题的方法、装置、电子设备和计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112434144A CN112434144A (zh) | 2021-03-02 |
| CN112434144B true CN112434144B (zh) | 2024-08-16 |
Family
ID=74694619
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011320947.2A Active CN112434144B (zh) | 2020-11-23 | 2020-11-23 | 生成目标问题的方法、装置、电子设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112434144B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113806516B (zh) * | 2021-09-22 | 2024-06-14 | 湖北天天数链技术有限公司 | 匹配度确定方法、装置、电子设备及计算机可读存储介质 |
| CN116069911A (zh) * | 2023-01-04 | 2023-05-05 | 阿里巴巴（中国）有限公司 | 智能问答方法、装置、设备及存储介质 |
| CN117252260B (zh) * | 2023-09-06 | 2024-06-11 | 山东心法科技有限公司 | 一种基于大语言模型的面试技能训练方法、设备及介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110874716A (zh) * | 2019-09-23 | 2020-03-10 | 平安科技（深圳）有限公司 | 面试测评方法、装置、电子设备及存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6164596B2 (ja) * | 2015-09-25 | 2017-07-19 | データ・サイエンティスト株式会社 | キーワードターゲティングシステム、キーワードターゲティング装置、サーバ装置、キーワードターゲティング方法、及びプログラム |
| US11250332B2 (en) * | 2016-05-11 | 2022-02-15 | International Business Machines Corporation | Automated distractor generation by performing disambiguation operations |
| US11587040B2 (en) * | 2017-04-25 | 2023-02-21 | Zipstorm, Inc. | System and method for identifying, ordering, and contacting candidates for a target position based on a position detail profile for the target position |
| CN111723180A (zh) * | 2020-06-08 | 2020-09-29 | 中国建设银行股份有限公司 | 一种面试方法和装置 |
-
2020
- 2020-11-23 CN CN202011320947.2A patent/CN112434144B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110874716A (zh) * | 2019-09-23 | 2020-03-10 | 平安科技（深圳）有限公司 | 面试测评方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于B_S结构的大学生就业指导系统的设计与开发;白宇;中国优秀硕士学位论文全文数据库（电子期刊）社会科学Ⅱ辑;第【0001】-第【0065】页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112434144A (zh) | 2021-03-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112434144B (zh) | 生成目标问题的方法、装置、电子设备和计算机可读介质 | |
| Nazaretsky et al. | Teachers' trust in AI‐powered educational technology and a professional development program to improve it | |
| Desjardins | Translation and social media | |
| Xie et al. | Detecting leadership in peer-moderated online collaborative learning through text mining and social network analysis | |
| Ekanayake et al. | Integrating mobile phones into teaching and learning: A case study of teacher training through professional development workshops | |
| Liu et al. | Chinese language teachers’ perceptions of technology and instructional use of technology: A path analysis | |
| CN110874716A (zh) | 面试测评方法、装置、电子设备及存储介质 | |
| Wyatt-Smith et al. | NAPLAN data on writing: A picture of accelerating negative change | |
| CN109284502B (zh) | 一种文本相似度计算方法、装置、电子设备及存储介质 | |
| Gierke et al. | Definition of intercultural competence (IC) in undergraduate students at a private university in the USA: A mixed-methods study | |
| Lee et al. | Temporal analytics with discourse analysis: Tracing ideas and impact on communal discourse | |
| CN110910694A (zh) | 一种智能客服培训系统 | |
| CN116644167A (zh) | 目标答案的生成方法和装置、存储介质及电子装置 | |
| Pullen | The influence of the home learning environment on middle school students' use of ICT at school | |
| CN116010569A (zh) | 在线答疑方法、系统、电子设备及存储介质 | |
| CN110633410A (zh) | 信息处理方法及装置、存储介质、电子装置 | |
| Pratt et al. | Producing assessment truths: a Foucauldian analysis of teachers’ reorganisation of levels in English primary schools | |
| Curran | “More like a friend than a teacher”: ideal teachers and the gig economy for online language learning | |
| Røed et al. | Enhancing questioning skills through child avatar chatbot training with feedback | |
| CN112434504B (zh) | 生成文件信息的方法、装置、电子设备和计算机可读介质 | |
| CN109885727A (zh) | 资料推送方法、装置、电子设备及系统 | |
| WO2018132860A2 (en) | System and method for determining rank | |
| CN115132353A (zh) | 心理问题自动答复模型的生成方法、装置及设备 | |
| Yorke | Faulty signals? Inadequacies of grading systems and a possible response | |
| Willever-Farr et al. | Tell me about my family: A study of cooperative research on Ancestry. com |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant after: Jingdong Technology Holding Co.,Ltd. Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant before: Jingdong Digital Technology Holding Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |