CN113034044A - 基于人工智能的面试方法、装置、设备及介质 - Google Patents
基于人工智能的面试方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113034044A CN113034044A CN202110426612.7A CN202110426612A CN113034044A CN 113034044 A CN113034044 A CN 113034044A CN 202110426612 A CN202110426612 A CN 202110426612A CN 113034044 A CN113034044 A CN 113034044A
- Authority
- CN
- China
- Prior art keywords
- target
- interview
- data
- interview question
- answer
- 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 52
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 30
- 230000007115 recruitment Effects 0.000 claims description 26
- 230000008451 emotion Effects 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 description 24
- 238000007726 management method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012216 screening Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 206010007776 catatonia Diseases 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 210000004709 eyebrow Anatomy 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000004898 kneading Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及人工智能技术领域，揭示了一种基于人工智能的面试方法、装置、设备及介质，其中方法包括：当身份认证结果为通过时根据应聘岗位信息和面试者工作经历信息从面试问题库中确定目标面试问题数据；根据目标面试问题数据得到回答视频数据；根据应聘岗位信息和回答视频数据得到目标面试问题数据中各个面试问题各自对应的目标答案准确率；根据目标面试问题数据和回答视频数据得到目标面试问题数据中各个面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果；采用应聘岗位信息，根据目标答案准确率、目标诚信度评分结果和目标紧张度评分结果得到目标面试评分结果并生成视频面试结果。减少了人工面试的工作量。本申请还涉及区块链技术。
Description
技术领域
本申请涉及到人工智能技术领域，特别是涉及到一种基于人工智能的面试方法、装置、设备及介质。
背景技术
现在的企业在社会招聘的过程中，往往会接收到上万份的简历。企业首先通过笔试系统对候选人进行筛选，然后对筛选出的候选人逐一进行人工面试。因为笔试系统只能根据答题准确性进行筛选，无法根据答题时的诚信度、紧张度进行评估及筛选，导致对候选人的筛选不全面，从而使筛选得到的候选人比较多，导致增加了下一环节的人工面试的工作量，增加了招聘的成本。
发明内容
本申请的主要目的为提供一种基于人工智能的面试方法、装置、设备及介质，旨在解决现有技术的笔试系统只能根据答题准确性进行筛选，无法根据答题时的诚信度、紧张度进行评估及筛选，导致候选人的筛选不全面，从而使筛选得到的候选人比较多，导致增加了下一环节的人工面试的工作量，增加了招聘的成本的技术问题。
为了实现上述发明目的，本申请提出一种基于人工智能的面试方法，所述方法包括：
获取目标面试者的面试请求，所述面试请求携带有面试者标识；
基于所述面试请求采集所述目标面试者的人脸图像，得到待对比的人脸图像，根据所述面试者标识和所述待对比的人脸图像进行身份认证，得到身份认证结果；
当所述身份认证结果为通过时，获取与所述面试者标识对应的应聘岗位信息和面试者工作经历信息，根据所述应聘岗位信息和所述面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据；
根据所述目标面试问题数据进行视频面试，得到回答视频数据；
针对所述目标面试问题数据中每个面试问题，根据所述应聘岗位信息和所述回答视频数据进行每个所述面试问题的答案准确率分析，得到所述目标面试问题数据中各个所述面试问题各自对应的目标答案准确率；
根据所述目标面试问题数据和所述回答视频数据进行每个所述面试问题的答题状态评分，得到所述目标面试问题数据中各个所述面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果；
采用所述应聘岗位信息，根据所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进行面试评分，得到目标面试评分结果；
根据所述目标面试评分结果，生成视频面试结果。
进一步的，所述根据所述应聘岗位信息和所述面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据的步骤，包括：
采用预设通用特征提取规则，从所述面试者工作经历信息中进行通用特征提取，得到通用特征数据；
根据所述通用特征数据从所述面试问题库中获取工作经历通用问题，得到所述面试者标识对应的工作经历通用问题数据；
根据所述应聘岗位信息从所述面试问题库中获取岗位专业问题，得到所述面试者标识对应的岗位专业问题数据；
根据所述应聘岗位信息、所述面试者工作经历信息和所述面试问题库进行相似工作经验问题确定，得到所述面试者标识对应的相似工作经验问题数据；
将所述面试者标识对应的所述工作经历通用问题数据、所述岗位专业问题数据和所述相似工作经验问题数据，作为所述目标面试问题数据。
进一步的，所述根据所述应聘岗位信息、所述面试者工作经历信息和所述面试问题库进行相似工作经验问题确定，得到所述面试者标识对应的相似工作经验问题数据的步骤，包括：
分别将所述面试者工作经历信息中每份工作经历信息与所述应聘岗位信息进行相似度计算，得到所述面试者工作经历信息中各份所述工作经历信息各自对应的相似度结果；
根据所述应聘岗位信息获取第一相似度阈值，从所述面试者工作经历信息中各份所述工作经历信息各自对应的所述相似度结果中找出大于所述第一相似度阈值的值，将找出的所有所述相似度结果各自对应的所述工作经历信息作为相似工作经历信息集合；
根据所述应聘岗位信息和所述相似工作经历信息集合，从所述面试问题库中获取相似工作经验问题，得到所述面试者标识对应的所述相似工作经验问题数据。
进一步的，所述针对所述目标面试问题数据中每个面试问题，根据所述应聘岗位信息和所述回答视频数据进行每个所述面试问题的答案准确率分析，得到所述目标面试问题数据中各个所述面试问题各自对应的目标答案准确率的步骤，包括：
采用语音识别技术对所述回答视频数据中的语音进行文本转换，得到目标答案文本数据；
针对所述目标面试问题数据中每个面试问题，分别对所述目标答案文本数据进行每个所述面试问题的关键字提取，得到所述目标面试问题数据中各个所述面试问题各自对应的目标答案关键字集合；
根据所述目标面试问题数据和所述应聘岗位信息，从所述面试问题库中获取标准答案关键字，得到所述目标面试问题数据中各个所述面试问题各自对应的标准答案关键字集合；
分别根据所述目标面试问题数据中每个所述面试问题对应的所述目标答案关键字集合和所述标准答案关键字集合进行相似度计算，得到所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率。
进一步的，所述分别根据所述目标面试问题数据中每个所述面试问题对应的所述目标答案关键字集合和所述标准答案关键字集合进行相似度计算，得到所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率的步骤，包括：
从所述目标面试问题数据中获取一个所述面试问题，作为目标面试问题；
将所述目标面试问题对应的所述目标答案关键字集合和所述标准答案关键字集合进行相似度计算，得到相似度矩阵；
获取第二相似度阈值，从所述相似度矩阵中找出所有大于所述第二相似度阈值的值，得到目标相似度集合；
根据所述目标相似度集合进行命中标准答案关键字的数量计算，得到目标命中关键字数量；
根据所述目标面试问题对应的所述标准答案关键字集合进行标准答案关键字的数量计算，得到目标关键字总数量；
将所述目标命中关键字数量除以所述目标关键字总数量，得到所述目标面试问题对应的所述目标答案准确率；
重复执行所述从所述目标面试问题数据中获取一个所述面试问题，作为目标面试问题的步骤，直至确定所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率。
进一步的，所述根据所述目标面试问题数据和所述回答视频数据进行每个所述面试问题的答题状态评分，得到所述目标面试问题数据中各个所述面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果的步骤，包括：
采用微表情提取模型，对所述回答视频数据进行微表情特征识别，得到目标微表情特征数据；
采用情绪特征提取模型，对所述回答视频数据进行情绪特征识别，得到目标情绪特征数据；
针对所述目标面试问题数据中每个所述面试问题，将所述目标微表情特征数据和所述目标情绪特征数据输入预设的诚信度评分模型进行诚信度评分，得到所述目标面试问题数据中各个所述面试问题各自对应的所述目标诚信度评分结果；
针对所述目标面试问题数据中每个所述面试问题，将所述目标微表情特征数据和所述目标情绪特征数据输入预设的紧张度评分模型进行紧张度评分，得到所述目标面试问题数据中各个所述面试问题各自对应的所述目标紧张度评分结果。
进一步的，所述采用所述应聘岗位信息，根据所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进行面试评分，得到目标面试评分结果的步骤，包括：
从所述目标面试问题数据获取一个所述面试问题作为待统计的面试问题；
根据所述待统计的面试问题和所述应聘岗位信息获取单问题角度权重，得到目标问题角度权重；
采用所述目标问题角度权重，根据所述待统计的面试问题对应的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进评分加权求和，得到所述待统计的面试问题对应的单问题评分结果；
重复执行所述从所述目标面试问题数据获取一个所述面试问题作为待统计的面试问题的步骤，直至确定所述目标面试问题数据中的各个所述面试问题各自对应的所述单问题评分结果；
根据所述应聘岗位信息获取问题权重数据，得到目标问题权重数据；
采用所述目标问题权重数据，对所述目标面试问题数据中的各个所述面试问题各自对应的所述单问题评分结果进行加权求和，得到所述目标面试评分结果，将所述目标资源分析结果存储至区块链系统的区块链上。
本申请还提出了一种基于人工智能的面试装置，所述装置包括：
请求获取模块，用于获取目标面试者的面试请求，所述面试请求携带有面试者标识；
身份认证模块，用于基于所述面试请求采集所述目标面试者的人脸图像，得到待对比的人脸图像，根据所述面试者标识和所述待对比的人脸图像进行身份认证，得到身份认证结果；
目标面试问题数据确定模块，用于当所述身份认证结果为通过时，获取与所述面试者标识对应的应聘岗位信息和面试者工作经历信息，根据所述应聘岗位信息和所述面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据；
回答视频数据确定模块，用于根据所述目标面试问题数据进行视频面试，得到回答视频数据；
目标答案准确率确定模块，用于针对所述目标面试问题数据中每个面试问题，根据所述应聘岗位信息和所述回答视频数据进行每个所述面试问题的答案准确率分析，得到所述目标面试问题数据中各个所述面试问题各自对应的目标答案准确率；
答题状态评分模块，用于根据所述目标面试问题数据和所述回答视频数据进行每个所述面试问题的答题状态评分，得到所述目标面试问题数据中各个所述面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果；
目标面试评分结果确定模块，用于采用所述应聘岗位信息，根据所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进行面试评分，得到目标面试评分结果；
视频面试结果确定模块，用于根据所述目标面试评分结果，生成视频面试结果。
本申请还提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的基于人工智能的面试方法、装置、设备及介质，首先通过根据面试者标识和待对比的人脸图像进行身份认证，得到身份认证结果，其次当身份认证结果为通过时，根据面试者标识获取应聘岗位信息、面试者工作经历信息，根据应聘岗位信息和面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据，根据目标面试问题数据进行视频面试，得到回答视频数据，然后针对目标面试问题数据中每个面试问题，根据应聘岗位信息和回答视频数据进行每个面试问题的答案准确率分析，得到目标面试问题数据中各个面试问题各自对应的目标答案准确率，以及根据目标面试问题数据和回答视频数据进行每个面试问题的答题状态评分，得到目标面试问题数据中各个面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果，最后采用应聘岗位信息，根据目标面试问题数据中各个面试问题各自对应的目标答案准确率、目标诚信度评分结果和目标紧张度评分结果进行面试评分，得到目标面试评分结果，根据目标面试评分结果，生成视频面试结果，从而实现了自动化进行视频面试，减少了人工面试的工作量，降低了招聘的成本；而且采用个性化的面试问题实现最大程度挖掘目标面试者的潜力；采用诚信度评分和紧张度评分，实现了智能判断回答的真实性和面试者的心理素质，提高了视频面试的准确性。
附图说明
图1为本申请一实施例的基于人工智能的面试方法的流程示意图；
图2为本申请一实施例的基于人工智能的面试装置的结构示意框图；
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的实现、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
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
为了解决现有技术的笔试系统只能根据答题准确性进行筛选，无法根据答题时的诚信度、紧张度进行评估及筛选，导致候选人的筛选不全面，从而使筛选得到的候选人比较多，导致增加了下一环节的人工面试的工作量，增加了招聘的成本的技术问题，本申请提出来基于人工智能的面试方法，所述方法应用于人工智能技术领域。所述基于人工智能的面试方法，首先通过根据面试者标识和待对比的人脸图像进行身份认证，得到身份认证结果，其次当身份认证结果为通过时，根据应聘岗位和简历信息生成个性化的面试问题，根据面试问题获取面试者的回答视频，采用语音识别技术、微表情技术、情绪技术根据回答视频确定每个面试问题的诚信度、紧张度、回答正确率，根据每个面试问题的诚信度、紧张度、回答正确率进行面试评分，根据面试评分结果确定视频面试结果，从而实现了自动化进行视频面试，减少了人工面试的工作量，降低了招聘的成本；而且采用个性化的面试问题实现最大程度挖掘目标面试者的潜力；采用诚信度评分和紧张度评分，实现了智能判断回答的真实性和面试者的心理素质，提高了视频面试的准确性。
参照图1，本申请实施例中提供一种基于人工智能的面试方法，所述方法包括：
S1：获取目标面试者的面试请求，所述面试请求携带有面试者标识；
S2：基于所述面试请求采集所述目标面试者的人脸图像，得到待对比的人脸图像，根据所述面试者标识和所述待对比的人脸图像进行身份认证，得到身份认证结果；
S3：当所述身份认证结果为通过时，获取与所述面试者标识对应的应聘岗位信息和面试者工作经历信息，根据所述应聘岗位信息和所述面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据；
S4：根据所述目标面试问题数据进行视频面试，得到回答视频数据；
S5：针对所述目标面试问题数据中每个面试问题，根据所述应聘岗位信息和所述回答视频数据进行每个所述面试问题的答案准确率分析，得到所述目标面试问题数据中各个所述面试问题各自对应的目标答案准确率；
S6：根据所述目标面试问题数据和所述回答视频数据进行每个所述面试问题的答题状态评分，得到所述目标面试问题数据中各个所述面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果；
S7：采用所述应聘岗位信息，根据所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进行面试评分，得到目标面试评分结果；
S8：根据所述目标面试评分结果，生成视频面试结果。
本实施例首先通过根据面试者标识和待对比的人脸图像进行身份认证，得到身份认证结果，其次当身份认证结果为通过时，根据面试者标识获取应聘岗位信息、面试者工作经历信息，根据应聘岗位信息和面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据，根据目标面试问题数据进行视频面试，得到回答视频数据，然后针对目标面试问题数据中每个面试问题，根据应聘岗位信息和回答视频数据进行每个面试问题的答案准确率分析，得到目标面试问题数据中各个面试问题各自对应的目标答案准确率，以及根据目标面试问题数据和回答视频数据进行每个面试问题的答题状态评分，得到目标面试问题数据中各个面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果，最后采用应聘岗位信息，根据目标面试问题数据中各个面试问题各自对应的目标答案准确率、目标诚信度评分结果和目标紧张度评分结果进行面试评分，得到目标面试评分结果，根据目标面试评分结果，生成视频面试结果，从而实现了自动化进行视频面试，减少了人工面试的工作量，降低了招聘的成本；而且采用个性化的面试问题实现最大程度挖掘目标面试者的潜力；采用诚信度评分和紧张度评分，实现了智能判断回答的真实性和面试者的心理素质，提高了视频面试的准确性。
对于S1，获取目标面试者通过客户端发送的面试请求。
面试请求，是指进行远程视频面试的请求。
面试者标识可以是面试者名称、面试者ID等唯一标识一个面试者的标识。
可选的，目标面试者是指通过笔试系统筛选得到的候选人。
对于S2，响应所述面试请求，启动与所述面试请求对应的客户端的视频通话；基于视频通话采集所述目标面试者的人脸图像，得到待对比的人脸图像；根据所述面试者标识从简历库中获取简历，将获取的简历作为目标简历；从所述目标简历中获取照片，得到简历携带的人脸图像；采用人脸比对算法将所述待对比的人脸图像与所述简历携带的人脸图像进行对比，当所述待对比的人脸图像与所述简历携带的人脸图像是同一个人时，确定所述身份认证结果为通过，否则确定所述身份认证结果为不通过。
可以理解的是，采用人脸比对算法将所述待对比的人脸图像与所述简历携带的人脸图像进行对比的实现方式可以从现有技术中选择，在此不做赘述。
可选的，所述基于所述面试请求采集所述目标面试者的人脸图像，得到待对比的人脸图像的步骤，包括：按预设采集时长基于视频通话获取所述目标面试者的人脸图像，得到待筛选的人脸图像集合；采用人脸选择算法，从所述待筛选的人脸图像集合中进行人脸图像的筛选，得到所述待对比的人脸图像。
所述人脸选择算法，用于选择五官完整、面部没有被遮挡、正面的人脸图像、清晰度符合要求的人脸图像。
对于S3，当所述身份认证结果为通过时，意味着视频通话的目标面试者和所述面试者标识对应的简历中的人脸图像是同一个人，此时可以继续进行视频面试；当所述身份认证结果为不通过时，意味着视频通话的面试者和所述面试者标识对应的简历中的人脸图像不是同一个人，此时不能进行视频面试，并根据所述身份认证结果生成人脸比对不匹配信号，根据所述人脸比对不匹配信号提醒所述目标面试者。
其中，根据所述面试者标识从简历库中获取简历，将获取的简历作为目标简历；从所述目标简历中获取工作经历信息，将获取的工作经历信息作为所述面试者工作经历信息；根据所述面试者标识从数据库中获取应聘岗位信息。
根据所述应聘岗位信息和所述面试者工作经历信息，在面试问题库中进行查找，将查找的所有面试问题作为目标面试问题数据。从而实现了采用个性化的面试问题实现最大程度挖掘目标面试者的潜力。
对于S4，根据所述目标面试问题数据向所述面试请求对应的客户端播放面试语音，并获取所述面试请求对应的客户端录制的回答视频，得到回答视频数据。
可以理解的是，播放面试语音时可以播放音频，也可以播放视频，在此不做具体限定。
对于S5，从所述目标面试问题数据中获取一个所述面试问题，作为目标面试问题；根据所述应聘岗位信息和所述目标面试问题，从面试问题库中确定目标面试问题的标准答案关键字；根据所述目标面试问题、所述回答视频数据确定目标面试问题的目标答案关键字；计算目标面试问题的标准答案关键字和目标答案关键字的相似度，根据计算的所有相似度确定命中关键字的数量，将命中关键字的数量除以标准答案关键字的数量，得到目标面试问题对应的目标答案准确率；重复执行所述从所述目标面试问题数据中获取一个所述面试问题，作为目标面试问题的步骤，直至确定所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率。
对于S6，采用预设的诚信度评分模型，根据所述目标面试问题数据和所述回答视频数据进行每个所述面试问题的诚信度评分，得到所述目标面试问题数据中各个所述面试问题各自对应的目标诚信度评分结果；采用预设的紧张度评分模型，根据所述目标面试问题数据和所述回答视频数据进行每个所述面试问题的紧张度评分，得到所述目标面试问题数据中各个所述面试问题各自对应的目标紧张度评分结果。
对于S7，先根据所述目标面试问题数据中每个面试问题的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进行加权求和，得到单项评分结果，然后将再将所述目标面试问题数据中所有面试问题各自对应的单项评分结果进行加权求和，得到目标面试评分结果。
对于S8，根据所述应聘岗位信息获取评分阈值，当所述目标面试评分结果大于所述评分阈值时，确定所述视频面试结果为成功，当所述目标面试评分结果小于或等于所述评分阈值时，确定所述视频面试结果为失败。
可以从数据库中获取评分阈值，还可以从缓存中获取评分阈值，也可以从第三方应用系统获取评分阈值。可以理解的是，还可以将评分阈值写入实现本身的程序文件中。
其中，当所述视频面试结果为成功时，将所述面试请求对应的所述目标面试者作为人工面试候选人，将所述人工面试候选人转入人工面试以实现复试。
需要强调的是，为进一步保证上述目标资源分析结果的私密和安全性，上述目视频面试结果还可以存储至区块链系统的区块链上。
所述区块链，是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。
区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中，用户管理模块负责所有区块链参与者的身份信息管理，包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等，并且在授权的情况下，监管和审计某些真实身份的交易情况，提供风险控制的规则配置(风控审计)；基础服务模块部署在所有区块链节点设备上，用来验证业务请求的有效性，并对有效请求完成共识后记录到存储上，对于一个新的业务请求，基础服务先对接口适配解析和鉴权处理(接口适配)，然后通过共识算法将业务信息加密(共识管理)，在加密之后完整一致的传输至共享账本上(网络通信)，并进行记录存储；智能合约模块负责合约的注册发行以及合约触发和合约执行，开发人员可以通过某种编程语言定义合约逻辑，发布到区块链上(合约注册)，根据合约条款的逻辑，调用密钥或者其它的事件触发执行，完成合约逻辑，同时还提供对合约升级注销的功能；运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出，例如：告警、监控网络情况、监控节点设备健康状态等。
在一个实施例中，上述根据所述应聘岗位信息和所述面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据的步骤，包括：
S31：采用预设通用特征提取规则，从所述面试者工作经历信息中进行通用特征提取，得到通用特征数据；
S32：根据所述通用特征数据从所述面试问题库中获取工作经历通用问题，得到所述面试者标识对应的工作经历通用问题数据；
S33：根据所述应聘岗位信息从所述面试问题库中获取岗位专业问题，得到所述面试者标识对应的岗位专业问题数据；
S34：根据所述应聘岗位信息、所述面试者工作经历信息和所述面试问题库进行相似工作经验问题确定，得到所述面试者标识对应的相似工作经验问题数据；
S35：将所述面试者标识对应的所述工作经历通用问题数据、所述岗位专业问题数据和所述相似工作经验问题数据，作为所述目标面试问题数据。
本实施例将所述面试者标识对应的所述工作经历通用问题数据、所述岗位专业问题数据和所述相似工作经验问题数据，作为所述目标面试问题数据，采用针对工作经历、岗位专业的个性化的面试问题实现最大程度挖掘目标面试者的潜力。
对于S31，针对预设通用特征提取规则中的每个通用特征提取规则，分别从所述面试者工作经历信息中进行通用特征提取，将提取的所有通用特征作为通用特征数据。
预设通用特征提取规则包括但不限于：每份工作平均月份、最后一份工作月份。
从所述面试者工作经历信息中进行每份工作平均月份计算，得到每份工作平均月份的值，从所述面试者工作经历信息中进行最后一份工作月份计算，得到最后一份工作月份的值，将每份工作平均月份的值和最后一份工作月份的值作为通用特征数据。
对于S32，比如，获取每份工作平均月份阈值和最后一份工作月份阈值，当通用特征数据中每份工作平均月份的值小于每份工作平均月份阈值时从所述面试问题库中获取工作平均月份小于要求对应的面试问题，当通用特征数据中最后一份工作月份的值大于或等于最后一份工作月份阈值时不获取最后一份工作月份小于要求的面试问题，在此举例不做具体限定。
对于S33，将所述应聘岗位信息从所述面试问题库中进行查找，将查找到的岗位信息对应的岗位专业问题作为所述面试者标识对应的岗位专业问题数据。
对于S34，采用所述应聘岗位信息，在所述面试者工作经历信息找查找相似工作经历，得到待处理的工作经历，根据所述应聘岗位信息从所述面试问题库中获取相似工作经验问题，得到待处理的相似工作经验问题，根据待处理的工作经历，对待处理的相似工作经验问题中的变量进行更新，得到所述面试者标识对应的相似工作经验问题数据。
对于S35，将所述面试者标识对应的所述工作经历通用问题数据、所述岗位专业问题数据和所述相似工作经验问题数据作为一个集合，将该集合作为所述目标面试问题数据。
在一个实施例中，上述根据所述应聘岗位信息、所述面试者工作经历信息和所述面试问题库进行相似工作经验问题确定，得到所述面试者标识对应的相似工作经验问题数据的步骤，包括：
S341：分别将所述面试者工作经历信息中每份工作经历信息与所述应聘岗位信息进行相似度计算，得到所述面试者工作经历信息中各份所述工作经历信息各自对应的相似度结果；
S342：根据所述应聘岗位信息获取第一相似度阈值，从所述面试者工作经历信息中各份所述工作经历信息各自对应的所述相似度结果中找出大于所述第一相似度阈值的值，将找出的所有所述相似度结果各自对应的所述工作经历信息作为相似工作经历信息集合；
S343：根据所述应聘岗位信息和所述相似工作经历信息集合，从所述面试问题库中获取相似工作经验问题，得到所述面试者标识对应的所述相似工作经验问题数据。
本实施例实现了根据相似度确定相似工作经历信息，根据所述应聘岗位信息和所述相似工作经历信息集合，从所述面试问题库中获取相似工作经验问题，从而提高了确定相似工作经验问题的准确性，有利于提高视频面试的准确性。
对于S341，分别将所述面试者工作经历信息中每份工作经历信息与所述应聘岗位信息进行相似度计算，也就是说，每份工作经历信息对一个相似度结果。相似度结果，是工作经历信息和应聘岗位信息的相似度。
工作经历信息与所述应聘岗位信息进行相似度计算的方法可以从现有技术中选择，比如，相似度检测方法、NLP(自然语言处理)中的文本相似度，在此不做赘述。
对于S342，可以将所述应聘岗位信息在数据库中进行查找，将查找到的岗位信息对应的相似度阈值作为所述应聘岗位信息的第一相似度阈值；也可以将所述应聘岗位信息在缓存中进行查找，将查找到的岗位信息对应的相似度阈值作为所述应聘岗位信息的第一相似度阈值。
所述相似度结果中大于所述第一相似度阈值的所述应聘岗位信息的相似度，意味着符合最低相似度的要求，此时可以确定所述相似度结果中大于所述第一相似度阈值的所述应聘岗位信息的相似度对应的工作经历信息与所述应聘岗位信息相似，将所述相似度结果中大于所述第一相似度阈值的所述应聘岗位信息的相似度对应的工作经历信息作为相似工作经历信息，将所有相似工作经历信息作为相似工作经历信息集合。
对于S343，根据所述应聘岗位信息从所述面试问题库中获取相似工作经验问题，得到待处理的相似工作经验问题，分别根据所述相似工作经历信息集合中每个相似工作经历信息，分别对待处理的相似工作经验问题中每个面试问题中的变量进行更新，得到所述面试者标识对应的相似工作经验问题数据。也就是说，针对每个相似工作经历信息都会更新一次待处理的相似工作经验问题。比如，所述相似工作经历信息集合中有3个相似工作经历信息，待处理的相似工作经验问题中有5个面试问题，则所述面试者标识对应的所述相似工作经验问题数据中问题的数量为15个(3个相似工作经历信息乘以5个面试问题)，在此举例不做具体限定。
在一个实施例中，上述针对所述目标面试问题数据中每个面试问题，根据所述应聘岗位信息和所述回答视频数据进行每个所述面试问题的答案准确率分析，得到所述目标面试问题数据中各个所述面试问题各自对应的目标答案准确率的步骤，包括：
S51：采用语音识别技术对所述回答视频数据中的语音进行文本转换，得到目标答案文本数据；
S52：针对所述目标面试问题数据中每个面试问题，分别对所述目标答案文本数据进行每个所述面试问题的关键字提取，得到所述目标面试问题数据中各个所述面试问题各自对应的目标答案关键字集合；
S53：根据所述目标面试问题数据和所述应聘岗位信息，从所述面试问题库中获取标准答案关键字，得到所述目标面试问题数据中各个所述面试问题各自对应的标准答案关键字集合；
S54：分别根据所述目标面试问题数据中每个所述面试问题对应的所述目标答案关键字集合和所述标准答案关键字集合进行相似度计算，得到所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率。
本实施例实现了针对所述目标面试问题数据中每个面试问题，根据所述应聘岗位信息和所述回答视频数据进行每个所述面试问题的答案准确率分析，为后续进行目标面试评分结果提供了数据基础。
对于S51，采用语音识别技术，将所述回答视频数据中的语音进行语音转文本的转换，将转换得到的文本作为目标答案文本数据。
对于S52，针对所述目标面试问题数据中每个面试问题，从所述目标答案文本数据中提取出所述目标面试问题数据中每个面试问题对应的答案文本，得到所述目标面试问题数据中各个面试问题各自对应的答案文本数据；采用预设的答案关键字提取规则，分别对所述目标面试问题数据中每个面试问题对应的答案文本数据进行关键字提取，得到所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案关键字集合。
对于S53，分别采用所述目标面试问题数据中每个面试问题和所述应聘岗位信息在所述面试问题库中进行标准答案关键字查找，得到所述目标面试问题数据中各个所述面试问题各自对应的标准答案关键字集合。
对于S54，分别根据所述目标面试问题数据中每个所述面试问题对应的所述目标答案关键字集合和所述标准答案关键字集合进行相似度计算，分别对每个相似度计算结果进行答案准确率分析，确定所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率。
在一个实施例中，上述分别根据所述目标面试问题数据中每个所述面试问题对应的所述目标答案关键字集合和所述标准答案关键字集合进行相似度计算，得到所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率的步骤，包括：
S541：从所述目标面试问题数据中获取一个所述面试问题，作为目标面试问题；
S542：将所述目标面试问题对应的所述目标答案关键字集合和所述标准答案关键字集合进行相似度计算，得到相似度矩阵；
S543：获取第二相似度阈值，从所述相似度矩阵中找出所有大于所述第二相似度阈值的值，得到目标相似度集合；
S544：根据所述目标相似度集合进行命中标准答案关键字的数量计算，得到目标命中关键字数量；
S545：根据所述目标面试问题对应的所述标准答案关键字集合进行标准答案关键字的数量计算，得到目标关键字总数量；
S546：将所述目标命中关键字数量除以所述目标关键字总数量，得到所述目标面试问题对应的所述目标答案准确率；
S547：重复执行所述从所述目标面试问题数据中获取一个所述面试问题，作为目标面试问题的步骤，直至确定所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率。
本实施例实现了根据相似度进行答案准确率分析，为后续进行目标面试评分结果提供了数据基础。
对于S541，依次从所述目标面试问题数据中获取一个所述面试问题，作为目标面试问题。
对于S542，将所述目标面试问题对应的所述目标答案关键字集合中每个关键字和所述标准答案关键字集合中每个关键字进行相似度计算，将计算结果组合成相似度矩阵。
可选的，相似度矩阵的行表述的是所述目标答案关键字集合中的关键字，相似度矩阵的列表述的是所述标准答案关键字集合中的关键字。
对于S543，可以从数据库中获取第二相似度阈值，也可以从缓存中获取第二相似度阈值，还可以是第三方应用系统发送的获取第二相似度阈值。可以理解的是，可以将第二相似度阈值写入实现本申请的程序文件中。
从所述相似度矩阵中找出所有大于所述第二相似度阈值的元素值，将找出的所有元素值作为目标相似度集合。
对于S544，计算所述目标相似度集合中相似度的数量，将计算的数量作为目标命中关键字数量。
对于S545，计算所述目标面试问题对应的所述标准答案关键字集合中关键字的数量，将计算的数量作为目标关键字总数量。
对于S547，重复执行步骤S541至步骤S547，直至确定所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率。
在一个实施例中，上述根据所述目标面试问题数据和所述回答视频数据进行每个所述面试问题的答题状态评分，得到所述目标面试问题数据中各个所述面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果的步骤，包括：
S61：采用微表情提取模型，对所述回答视频数据进行微表情特征识别，得到目标微表情特征数据；
S62：采用情绪特征提取模型，对所述回答视频数据进行情绪特征识别，得到目标情绪特征数据；
S63：针对所述目标面试问题数据中每个所述面试问题，将所述目标微表情特征数据和所述目标情绪特征数据输入预设的诚信度评分模型进行诚信度评分，得到所述目标面试问题数据中各个所述面试问题各自对应的所述目标诚信度评分结果；
S64：针对所述目标面试问题数据中每个所述面试问题，将所述目标微表情特征数据和所述目标情绪特征数据输入预设的紧张度评分模型进行紧张度评分，得到所述目标面试问题数据中各个所述面试问题各自对应的所述目标紧张度评分结果。
本实施例实现了根据所述目标面试问题数据和所述回答视频数据进行每个所述面试问题的答题状态评分，为后续进行目标面试评分结果提供了数据基础；而且采用诚信度评分和紧张度评分，实现了智能判断回答的真实性和面试者的心理素质，提高了视频面试的准确性。
对于S61，采用微表情提取模型，对所述回答视频数据进行微表情特征识别，将识别出的所有微表情特征作为目标微表情特征数据。微表情提取模型的工作原理和实现方法在此不做赘述。
微表情特征包括但不限于：瞳孔放大、单肩抖动、注视对方眼睛、回答时生硬的重复问题、把手放在眉骨之间、揉鼻子、提高右边的眉毛、提高左边的眉毛、抿嘴、摸脖子、用手抚额头。
对于S62，采用情绪特征提取模型，对所述回答视频数据进行情绪特征识别，将识别出的所有情绪特征作为目标情绪特征数据。情绪特征提取模型的工作原理和实现方法在此不做赘述。
对于S63，根据所述目标微表情特征数据和所述目标情绪特征数据进行每个问题的特征向量生成，得到所述目标面试问题数据中各个面试问题各自对应的第一特征向量；分别将每个第一特征向量输入预设的诚信度评分模型进行诚信度评分预测，得到所述目标面试问题数据中各个面试问题各自对应的所述目标诚信度评分结果。
预设的诚信度评分模型，是基于神经网络训练得到的模型。
其中，将第一特征向量划分为多个区域，得到多个第一区域特征向量；分别将多个第一区域特征向量中每个第一区域特征向量与预设的诚信度基准表匹配，得到多个第一区域特征向量各自对应的活动参数；将每个第一区域特征向量对应的活动参数组成一个变量矩阵，得到多个第一区域特征向量各自对应的变量矩阵；分别将多个第一区域特征向量各自对应的变量矩阵输入预设的诚信度评分模型进行诚信度评分预测。
预设的诚信度评分模型可以表述为：Y＝b+a1x1+a2x2+a3x3……+anxn，a为第一调整系数，x为第一区域特征向量对应的变量矩阵，b为第一调节常量。
对于S64，根据所述目标微表情特征数据和所述目标情绪特征数据进行每个问题的特征向量生成，得到所述目标面试问题数据中各个面试问题各自对应的第二特征向量；分别将每个第二特征向量输入预设的紧张度评分模型进行紧张度评分预测，得到所述目标面试问题数据中各个面试问题各自对应的所述目标紧张度评分结果。
其中，将第二特征向量划分为多个区域，得到多个第二区域特征向量；分别将多个第二区域特征向量中每个第二区域特征向量与预设的紧张度基准表匹配，得到多个第二区域特征向量各自对应的活动参数；将每个第二区域特征向量对应的活动参数组成一个变量矩阵，得到多个第二区域特征向量各自对应的变量矩阵；分别将多个第二区域特征向量各自对应的变量矩阵输入预设的紧张度评分模型进行紧张度评分预测。
预设的紧张度评分模型，是基于神经网络训练得到的模型。
预设的紧张度评分模型可以表述为：Z＝d+c1m1+c2m2+c3m3……+cnmn，c为第二调整系数，m为第二区域特征向量对应的变量矩阵，d为第二调节常量。
在一个实施例中，上述采用所述应聘岗位信息，根据所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进行面试评分，得到目标面试评分结果的步骤，包括：
S71：从所述目标面试问题数据获取一个所述面试问题作为待统计的面试问题；
S72：根据所述待统计的面试问题和所述应聘岗位信息获取单问题角度权重，得到目标问题角度权重；
S73：采用所述目标问题角度权重，根据所述待统计的面试问题对应的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进评分加权求和，得到所述待统计的面试问题对应的单问题评分结果；
S74：重复执行所述从所述目标面试问题数据获取一个所述面试问题作为待统计的面试问题的步骤，直至确定所述目标面试问题数据中的各个所述面试问题各自对应的所述单问题评分结果；
S75：根据所述应聘岗位信息获取问题权重数据，得到目标问题权重数据；
S76：采用所述目标问题权重数据，对所述目标面试问题数据中的各个所述面试问题各自对应的所述单问题评分结果进行加权求和，得到所述目标面试评分结果，将所述目标资源分析结果存储至区块链系统的区块链上。
本实施例根据所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进行面试评分，得到目标面试评分结果，实现了在判断答案准确率的情况下智能判断回答的真实性和面试者的心理素质，提高了视频面试的准确性。
对于S71，依次从所述目标面试问题数据获取一个所述面试问题作为待统计的面试问题。
对于S72，采用所述待统计的面试问题和所述应聘岗位信息从数据库或缓存中进行查找，得到所述待统计的面试问题对应的目标问题角度权重。
对于S73，将所述待统计的面试问题对应的所述目标答案准确率乘以100，得到所述待统计的面试问题对应的目标答案评分结果；采用所述目标问题角度权重，根据所述待统计的面试问题对应的所述目标答案评分结果、所述目标诚信度评分结果和所述目标紧张度评分结果进评分加权求和，将加权求和得到的分数作为所述待统计的面试问题对应的所述单问题评分结果。也就是说，所述目标答案评分结果、所述目标诚信度评分结果和所述目标紧张度评分结果都是0-100之间的分数，可以包括0，也可以包括1。
对于S74，重复执行步骤S71至步骤S74，直至确定所述目标面试问题数据中的各个所述面试问题各自对应的所述单问题评分结果。
对于S75，采用所述应聘岗位信息从数据库或缓存中进行查找，将查找到的岗位信息对应的问题权重数据作为目标问题权重数据。
对于S76，采用所述目标问题权重数据，对所述目标面试问题数据中的各个所述面试问题各自对应的所述单问题评分结果进行加权求和，将加权求和得到的分数作为所述目标面试评分结果。也就是说，所述目标面试评分结果是0-100之间的分数，可以包括0，也可以包括1。
需要强调的是，为进一步保证上述目标资源分析结果的私密和安全性，上述目标资源分析结果还可以存储至区块链系统的区块链上。
参照图2，一种基于人工智能的面试装置，所述装置包括：
请求获取模块100，用于获取目标面试者的面试请求，所述面试请求携带有面试者标识；
身份认证模块200，用于基于所述面试请求采集所述目标面试者的人脸图像，得到待对比的人脸图像，根据所述面试者标识和所述待对比的人脸图像进行身份认证，得到身份认证结果；
目标面试问题数据确定模块300，用于当所述身份认证结果为通过时，获取与所述面试者标识对应的应聘岗位信息和面试者工作经历信息，根据所述应聘岗位信息和所述面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据；
回答视频数据确定模块400，用于根据所述目标面试问题数据进行视频面试，得到回答视频数据；
目标答案准确率确定模块500，用于针对所述目标面试问题数据中每个面试问题，根据所述应聘岗位信息和所述回答视频数据进行每个所述面试问题的答案准确率分析，得到所述目标面试问题数据中各个所述面试问题各自对应的目标答案准确率；
答题状态评分模块600，用于根据所述目标面试问题数据和所述回答视频数据进行每个所述面试问题的答题状态评分，得到所述目标面试问题数据中各个所述面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果；
目标面试评分结果确定模块700，用于采用所述应聘岗位信息，根据所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进行面试评分，得到目标面试评分结果；
视频面试结果确定模块800，用于根据所述目标面试评分结果，生成视频面试结果。
本实施例首先通过根据面试者标识和待对比的人脸图像进行身份认证，得到身份认证结果，其次当身份认证结果为通过时，根据面试者标识获取应聘岗位信息、面试者工作经历信息，根据应聘岗位信息和面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据，根据目标面试问题数据进行视频面试，得到回答视频数据，然后针对目标面试问题数据中每个面试问题，根据应聘岗位信息和回答视频数据进行每个面试问题的答案准确率分析，得到目标面试问题数据中各个面试问题各自对应的目标答案准确率，以及根据目标面试问题数据和回答视频数据进行每个面试问题的答题状态评分，得到目标面试问题数据中各个面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果，最后采用应聘岗位信息，根据目标面试问题数据中各个面试问题各自对应的目标答案准确率、目标诚信度评分结果和目标紧张度评分结果进行面试评分，得到目标面试评分结果，根据目标面试评分结果，生成视频面试结果，从而实现了自动化进行视频面试，减少了人工面试的工作量，降低了招聘的成本；而且采用个性化的面试问题实现最大程度挖掘目标面试者的潜力；采用诚信度评分和紧张度评分，实现了智能判断回答的真实性和面试者的心理素质，提高了视频面试的准确性。
参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于储存基于人工智能的面试方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于人工智能的面试方法。所述基于人工智能的面试方法，包括：获取目标面试者的面试请求，所述面试请求携带有面试者标识；基于所述面试请求采集所述目标面试者的人脸图像，得到待对比的人脸图像，根据所述面试者标识和所述待对比的人脸图像进行身份认证，得到身份认证结果；当所述身份认证结果为通过时，获取与所述面试者标识对应的应聘岗位信息和面试者工作经历信息，根据所述应聘岗位信息和所述面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据；根据所述目标面试问题数据进行视频面试，得到回答视频数据；针对所述目标面试问题数据中每个面试问题，根据所述应聘岗位信息和所述回答视频数据进行每个所述面试问题的答案准确率分析，得到所述目标面试问题数据中各个所述面试问题各自对应的目标答案准确率；根据所述目标面试问题数据和所述回答视频数据进行每个所述面试问题的答题状态评分，得到所述目标面试问题数据中各个所述面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果；采用所述应聘岗位信息，根据所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进行面试评分，得到目标面试评分结果；根据所述目标面试评分结果，生成视频面试结果。
本实施例首先通过根据面试者标识和待对比的人脸图像进行身份认证，得到身份认证结果，其次当身份认证结果为通过时，根据面试者标识获取应聘岗位信息、面试者工作经历信息，根据应聘岗位信息和面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据，根据目标面试问题数据进行视频面试，得到回答视频数据，然后针对目标面试问题数据中每个面试问题，根据应聘岗位信息和回答视频数据进行每个面试问题的答案准确率分析，得到目标面试问题数据中各个面试问题各自对应的目标答案准确率，以及根据目标面试问题数据和回答视频数据进行每个面试问题的答题状态评分，得到目标面试问题数据中各个面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果，最后采用应聘岗位信息，根据目标面试问题数据中各个面试问题各自对应的目标答案准确率、目标诚信度评分结果和目标紧张度评分结果进行面试评分，得到目标面试评分结果，根据目标面试评分结果，生成视频面试结果，从而实现了自动化进行视频面试，减少了人工面试的工作量，降低了招聘的成本；而且采用个性化的面试问题实现最大程度挖掘目标面试者的潜力；采用诚信度评分和紧张度评分，实现了智能判断回答的真实性和面试者的心理素质，提高了视频面试的准确性。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种基于人工智能的面试方法，包括步骤：获取目标面试者的面试请求，所述面试请求携带有面试者标识；基于所述面试请求采集所述目标面试者的人脸图像，得到待对比的人脸图像，根据所述面试者标识和所述待对比的人脸图像进行身份认证，得到身份认证结果；当所述身份认证结果为通过时，获取与所述面试者标识对应的应聘岗位信息和面试者工作经历信息，根据所述应聘岗位信息和所述面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据；根据所述目标面试问题数据进行视频面试，得到回答视频数据；针对所述目标面试问题数据中每个面试问题，根据所述应聘岗位信息和所述回答视频数据进行每个所述面试问题的答案准确率分析，得到所述目标面试问题数据中各个所述面试问题各自对应的目标答案准确率；根据所述目标面试问题数据和所述回答视频数据进行每个所述面试问题的答题状态评分，得到所述目标面试问题数据中各个所述面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果；采用所述应聘岗位信息，根据所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进行面试评分，得到目标面试评分结果；根据所述目标面试评分结果，生成视频面试结果。
上述执行的基于人工智能的面试方法，首先通过根据面试者标识和待对比的人脸图像进行身份认证，得到身份认证结果，其次当身份认证结果为通过时，根据面试者标识获取应聘岗位信息、面试者工作经历信息，根据应聘岗位信息和面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据，根据目标面试问题数据进行视频面试，得到回答视频数据，然后针对目标面试问题数据中每个面试问题，根据应聘岗位信息和回答视频数据进行每个面试问题的答案准确率分析，得到目标面试问题数据中各个面试问题各自对应的目标答案准确率，以及根据目标面试问题数据和回答视频数据进行每个面试问题的答题状态评分，得到目标面试问题数据中各个面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果，最后采用应聘岗位信息，根据目标面试问题数据中各个面试问题各自对应的目标答案准确率、目标诚信度评分结果和目标紧张度评分结果进行面试评分，得到目标面试评分结果，根据目标面试评分结果，生成视频面试结果，从而实现了自动化进行视频面试，减少了人工面试的工作量，降低了招聘的成本；而且采用个性化的面试问题实现最大程度挖掘目标面试者的潜力；采用诚信度评分和紧张度评分，实现了智能判断回答的真实性和面试者的心理素质，提高了视频面试的准确性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。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、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请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，均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种基于人工智能的面试方法，其特征在于，所述方法包括：
获取目标面试者的面试请求，所述面试请求携带有面试者标识；
基于所述面试请求采集所述目标面试者的人脸图像，得到待对比的人脸图像，根据所述面试者标识和所述待对比的人脸图像进行身份认证，得到身份认证结果；
当所述身份认证结果为通过时，获取与所述面试者标识对应的应聘岗位信息和面试者工作经历信息，根据所述应聘岗位信息和所述面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据；
根据所述目标面试问题数据进行视频面试，得到回答视频数据；
针对所述目标面试问题数据中每个面试问题，根据所述应聘岗位信息和所述回答视频数据进行每个所述面试问题的答案准确率分析，得到所述目标面试问题数据中各个所述面试问题各自对应的目标答案准确率；
根据所述目标面试问题数据和所述回答视频数据进行每个所述面试问题的答题状态评分，得到所述目标面试问题数据中各个所述面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果；
采用所述应聘岗位信息，根据所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进行面试评分，得到目标面试评分结果；
根据所述目标面试评分结果，生成视频面试结果。
2.根据权利要求1所述的基于人工智能的面试方法，其特征在于，所述根据所述应聘岗位信息和所述面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据的步骤，包括：
采用预设通用特征提取规则，从所述面试者工作经历信息中进行通用特征提取，得到通用特征数据；
根据所述通用特征数据从所述面试问题库中获取工作经历通用问题，得到所述面试者标识对应的工作经历通用问题数据；
根据所述应聘岗位信息从所述面试问题库中获取岗位专业问题，得到所述面试者标识对应的岗位专业问题数据；
根据所述应聘岗位信息、所述面试者工作经历信息和所述面试问题库进行相似工作经验问题确定，得到所述面试者标识对应的相似工作经验问题数据；
将所述面试者标识对应的所述工作经历通用问题数据、所述岗位专业问题数据和所述相似工作经验问题数据，作为所述目标面试问题数据。
3.根据权利要求2所述的基于人工智能的面试方法，其特征在于，所述根据所述应聘岗位信息、所述面试者工作经历信息和所述面试问题库进行相似工作经验问题确定，得到所述面试者标识对应的相似工作经验问题数据的步骤，包括：
分别将所述面试者工作经历信息中每份工作经历信息与所述应聘岗位信息进行相似度计算，得到所述面试者工作经历信息中各份所述工作经历信息各自对应的相似度结果；
根据所述应聘岗位信息获取第一相似度阈值，从所述面试者工作经历信息中各份所述工作经历信息各自对应的所述相似度结果中找出大于所述第一相似度阈值的值，将找出的所有所述相似度结果各自对应的所述工作经历信息作为相似工作经历信息集合；
根据所述应聘岗位信息和所述相似工作经历信息集合，从所述面试问题库中获取相似工作经验问题，得到所述面试者标识对应的所述相似工作经验问题数据。
4.根据权利要求1所述的基于人工智能的面试方法，其特征在于，所述针对所述目标面试问题数据中每个面试问题，根据所述应聘岗位信息和所述回答视频数据进行每个所述面试问题的答案准确率分析，得到所述目标面试问题数据中各个所述面试问题各自对应的目标答案准确率的步骤，包括：
采用语音识别技术对所述回答视频数据中的语音进行文本转换，得到目标答案文本数据；
针对所述目标面试问题数据中每个面试问题，分别对所述目标答案文本数据进行每个所述面试问题的关键字提取，得到所述目标面试问题数据中各个所述面试问题各自对应的目标答案关键字集合；
根据所述目标面试问题数据和所述应聘岗位信息，从所述面试问题库中获取标准答案关键字，得到所述目标面试问题数据中各个所述面试问题各自对应的标准答案关键字集合；
分别根据所述目标面试问题数据中每个所述面试问题对应的所述目标答案关键字集合和所述标准答案关键字集合进行相似度计算，得到所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率。
5.根据权利要求4所述的基于人工智能的面试方法，其特征在于，所述分别根据所述目标面试问题数据中每个所述面试问题对应的所述目标答案关键字集合和所述标准答案关键字集合进行相似度计算，得到所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率的步骤，包括：
从所述目标面试问题数据中获取一个所述面试问题，作为目标面试问题；
将所述目标面试问题对应的所述目标答案关键字集合和所述标准答案关键字集合进行相似度计算，得到相似度矩阵；
获取第二相似度阈值，从所述相似度矩阵中找出所有大于所述第二相似度阈值的值，得到目标相似度集合；
根据所述目标相似度集合进行命中标准答案关键字的数量计算，得到目标命中关键字数量；
根据所述目标面试问题对应的所述标准答案关键字集合进行标准答案关键字的数量计算，得到目标关键字总数量；
将所述目标命中关键字数量除以所述目标关键字总数量，得到所述目标面试问题对应的所述目标答案准确率；
重复执行所述从所述目标面试问题数据中获取一个所述面试问题，作为目标面试问题的步骤，直至确定所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率。
6.根据权利要求1所述的基于人工智能的面试方法，其特征在于，所述根据所述目标面试问题数据和所述回答视频数据进行每个所述面试问题的答题状态评分，得到所述目标面试问题数据中各个所述面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果的步骤，包括：
采用微表情提取模型，对所述回答视频数据进行微表情特征识别，得到目标微表情特征数据；
采用情绪特征提取模型，对所述回答视频数据进行情绪特征识别，得到目标情绪特征数据；
针对所述目标面试问题数据中每个所述面试问题，将所述目标微表情特征数据和所述目标情绪特征数据输入预设的诚信度评分模型进行诚信度评分，得到所述目标面试问题数据中各个所述面试问题各自对应的所述目标诚信度评分结果；
针对所述目标面试问题数据中每个所述面试问题，将所述目标微表情特征数据和所述目标情绪特征数据输入预设的紧张度评分模型进行紧张度评分，得到所述目标面试问题数据中各个所述面试问题各自对应的所述目标紧张度评分结果。
7.根据权利要求1所述的基于人工智能的面试方法，其特征在于，所述采用所述应聘岗位信息，根据所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进行面试评分，得到目标面试评分结果的步骤，包括：
从所述目标面试问题数据获取一个所述面试问题作为待统计的面试问题；
根据所述待统计的面试问题和所述应聘岗位信息获取单问题角度权重，得到目标问题角度权重；
采用所述目标问题角度权重，根据所述待统计的面试问题对应的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进评分加权求和，得到所述待统计的面试问题对应的单问题评分结果；
重复执行所述从所述目标面试问题数据获取一个所述面试问题作为待统计的面试问题的步骤，直至确定所述目标面试问题数据中的各个所述面试问题各自对应的所述单问题评分结果；
根据所述应聘岗位信息获取问题权重数据，得到目标问题权重数据；
采用所述目标问题权重数据，对所述目标面试问题数据中的各个所述面试问题各自对应的所述单问题评分结果进行加权求和，得到所述目标面试评分结果，将所述目标资源分析结果存储至区块链系统的区块链上。
8.一种基于人工智能的面试装置，其特征在于，所述装置包括：
请求获取模块，用于获取目标面试者的面试请求，所述面试请求携带有面试者标识；
身份认证模块，用于基于所述面试请求采集所述目标面试者的人脸图像，得到待对比的人脸图像，根据所述面试者标识和所述待对比的人脸图像进行身份认证，得到身份认证结果；
目标面试问题数据确定模块，用于当所述身份认证结果为通过时，获取与所述面试者标识对应的应聘岗位信息和面试者工作经历信息，根据所述应聘岗位信息和所述面试者工作经历信息从面试问题库中获取问题，得到目标面试问题数据；
回答视频数据确定模块，用于根据所述目标面试问题数据进行视频面试，得到回答视频数据；
目标答案准确率确定模块，用于针对所述目标面试问题数据中每个面试问题，根据所述应聘岗位信息和所述回答视频数据进行每个所述面试问题的答案准确率分析，得到所述目标面试问题数据中各个所述面试问题各自对应的目标答案准确率；
答题状态评分模块，用于根据所述目标面试问题数据和所述回答视频数据进行每个所述面试问题的答题状态评分，得到所述目标面试问题数据中各个所述面试问题各自对应的目标诚信度评分结果和目标紧张度评分结果；
目标面试评分结果确定模块，用于采用所述应聘岗位信息，根据所述目标面试问题数据中各个所述面试问题各自对应的所述目标答案准确率、所述目标诚信度评分结果和所述目标紧张度评分结果进行面试评分，得到目标面试评分结果；
视频面试结果确定模块，用于根据所述目标面试评分结果，生成视频面试结果。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110426612.7A CN113034044B (zh) | 2021-04-20 | 2021-04-20 | 基于人工智能的面试方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110426612.7A CN113034044B (zh) | 2021-04-20 | 2021-04-20 | 基于人工智能的面试方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113034044A true CN113034044A (zh) | 2021-06-25 |
| CN113034044B CN113034044B (zh) | 2024-05-28 |
Family
ID=76457001
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110426612.7A Active CN113034044B (zh) | 2021-04-20 | 2021-04-20 | 基于人工智能的面试方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113034044B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113709028A (zh) * | 2021-09-29 | 2021-11-26 | 五八同城信息技术有限公司 | 面试视频的处理方法、装置、电子设备及可读介质 |
| CN114022124A (zh) * | 2021-11-10 | 2022-02-08 | 广东省通信产业服务有限公司广州分公司 | 辅助面试的方法、装置、计算机设备和存储介质 |
| CN115829533A (zh) * | 2023-02-15 | 2023-03-21 | 成都萌想科技有限责任公司 | 一种智能化线上面试方法、系统、设备及存储介质 |
| CN117114475A (zh) * | 2023-08-21 | 2023-11-24 | 广州红海云计算股份有限公司 | 基于多维度人才评估策略的综合能力测评系统 |
| CN117853977A (zh) * | 2024-01-04 | 2024-04-09 | 北京小懂科技有限公司 | 一种通过视频进行智能测评的方法、系统、设备和介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102147895A (zh) * | 2011-04-28 | 2011-08-10 | 江苏欧索软件有限公司 | 软件人才信息服务平台 |
| CN110321409A (zh) * | 2019-06-03 | 2019-10-11 | 平安科技（深圳）有限公司 | 基于人工智能的辅助面试方法、装置、设备及存储介质 |
| 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 |
| CN111126553A (zh) * | 2019-12-25 | 2020-05-08 | 平安银行股份有限公司 | 智能机器人面试方法、设备、存储介质及装置 |
| CN112418779A (zh) * | 2020-10-30 | 2021-02-26 | 济南浪潮高新科技投资发展有限公司 | 一种基于自然语言理解的在线自助面试方法 |
-
2021
- 2021-04-20 CN CN202110426612.7A patent/CN113034044B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102147895A (zh) * | 2011-04-28 | 2011-08-10 | 江苏欧索软件有限公司 | 软件人才信息服务平台 |
| CN110321409A (zh) * | 2019-06-03 | 2019-10-11 | 平安科技（深圳）有限公司 | 基于人工智能的辅助面试方法、装置、设备及存储介质 |
| 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 |
| CN111126553A (zh) * | 2019-12-25 | 2020-05-08 | 平安银行股份有限公司 | 智能机器人面试方法、设备、存储介质及装置 |
| CN112418779A (zh) * | 2020-10-30 | 2021-02-26 | 济南浪潮高新科技投资发展有限公司 | 一种基于自然语言理解的在线自助面试方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113709028A (zh) * | 2021-09-29 | 2021-11-26 | 五八同城信息技术有限公司 | 面试视频的处理方法、装置、电子设备及可读介质 |
| CN114022124A (zh) * | 2021-11-10 | 2022-02-08 | 广东省通信产业服务有限公司广州分公司 | 辅助面试的方法、装置、计算机设备和存储介质 |
| CN115829533A (zh) * | 2023-02-15 | 2023-03-21 | 成都萌想科技有限责任公司 | 一种智能化线上面试方法、系统、设备及存储介质 |
| CN115829533B (zh) * | 2023-02-15 | 2023-04-18 | 成都萌想科技有限责任公司 | 一种智能化线上面试方法、系统、设备及存储介质 |
| CN117114475A (zh) * | 2023-08-21 | 2023-11-24 | 广州红海云计算股份有限公司 | 基于多维度人才评估策略的综合能力测评系统 |
| CN117853977A (zh) * | 2024-01-04 | 2024-04-09 | 北京小懂科技有限公司 | 一种通过视频进行智能测评的方法、系统、设备和介质 |
| CN117853977B (zh) * | 2024-01-04 | 2024-09-13 | 北京小懂科技有限公司 | 一种通过视频进行智能测评的方法、系统、设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113034044B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113034044B (zh) | 基于人工智能的面试方法、装置、设备及介质 | |
| Sawhney et al. | Real-time smart attendance system using face recognition techniques | |
| CN111897673B (zh) | 运维故障根因识别方法、装置、计算机设备和存储介质 | |
| WO2021068487A1 (zh) | 人脸识别模型构建方法、装置、计算机设备和存储介质 | |
| US20190057356A1 (en) | Detecting disability and ensuring fairness in automated scoring of video interviews | |
| CN110569356B (zh) | 基于智能面试交互系统的面试方法、装置和计算机设备 | |
| WO2015195841A1 (en) | Model-driven evaluator bias detection | |
| EP1433118A1 (en) | System and method of face recognition using portions of learned model | |
| US20220237892A1 (en) | Machine Learning for Video Analysis and Feedback | |
| WO2021042842A1 (zh) | 基于ai面试系统的面试方法、装置和计算机设备 | |
| CN111368926B (zh) | 图像筛选方法、装置和计算机可读存储介质 | |
| Martinho-Corbishley et al. | Soft biometric recognition from comparative crowdsourced annotations | |
| CN112949468A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
| CN113204968B (zh) | 医学实体的概念识别方法、装置、设备及存储介质 | |
| CN113516046A (zh) | 区域内生物多样性的监测方法、装置、设备以及存储介质 | |
| CN112329629A (zh) | 在线培训的评价方法、装置、计算机设备和存储介质 | |
| CN111368911A (zh) | 一种图像分类方法、装置和计算机可读存储介质 | |
| CN110705428A (zh) | 一种基于脉冲神经网络的脸部年龄识别系统及方法 | |
| Kurniawan et al. | The implementation of eigenface algorithm for face recognition in attendance system | |
| CN114639175A (zh) | 考试作弊行为预测方法、装置、设备及存储介质 | |
| Mishra et al. | A Face Recognition Method Using Deep Learning to Identify Mask and Unmask Objects | |
| Li et al. | Combining Machine Learning and Queueing Theory for Data-driven Incarceration-Diversion Program Management | |
| CN113946579A (zh) | 基于模型的数据生成方法、装置、计算机设备和存储介质 | |
| CN113191728B (zh) | 基于深度学习模型的简历推荐方法、装置、设备及介质 | |
| Martovytskyi et al. | Mathematical Model of User Behavior in Computer Systems |
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 |