CN113780997A - 一种人岗匹配的测评方法、装置、电子设备及存储介质 - Google Patents
一种人岗匹配的测评方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113780997A CN113780997A CN202111086881.XA CN202111086881A CN113780997A CN 113780997 A CN113780997 A CN 113780997A CN 202111086881 A CN202111086881 A CN 202111086881A CN 113780997 A CN113780997 A CN 113780997A
- Authority
- CN
- China
- Prior art keywords
- answer
- user
- evaluation
- recommended
- library
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 168
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 33
- 230000009467 reduction Effects 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 238000012854 evaluation process Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 230000007115 recruitment Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000003058 natural language processing Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 238000013519 translation Methods 0.000 description 4
- 230000014616 translation Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- 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
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种人岗匹配的测评方法、装置、电子设备及存储介质,涉及数据处理领域。一种人岗匹配的测评方法包括:基于与用户对应的推荐岗位,推送与推荐岗位对应的第一测评问题,并获取用户针对所述第一测评问题的第一用户回答;对标准答案库进行降维及分类处理,以获取与所述推荐岗位对应的目标参考答案库,所述标准答案库包括岗位库中的所有推荐岗位对应问题的参考答案,所述目标参考答案库包括与所述第一测评问题的对应的第一参考答案;将第一用户回答与所述第一参考答案进行匹配,以得到第一匹配结果。对标准答案库降维并分类处理,使得用户回答能够快速地与参考答案进行匹配,从而获得匹配结果,由此,一定程度上提高了测评过程的效率。
Description
技术领域
本发明涉及数据处理领域,具体地,涉及一种人岗匹配的测评方法、一种人岗匹配的测评装置、一种电子设备、一种计算机可读存储介质。
背景技术
目前,招聘网站可以基于用户的简历为用户推荐工作岗位。对于所推荐的工作岗位,用户可以通过招聘网站所提供的在线测评系统进行在线测评,以评估自身是否能够胜任该工作岗位。入驻招聘网站的企业也可以基于在线测评系统对应招聘网站所推荐的符合在招岗位要求的用户进行在线测评(自动化面试)。在测评的过程中,在线测评系统需要将用户对测评问题的回答和与该测评问题对应的参考答案进行匹配。然而,由于在线测评系统中包括对应所有岗位的所有测评问题的参考答案,因此,匹配耗时较长,测评效率低下。
发明内容
有鉴于此,本发明旨在提供一种人岗匹配的测评方法、人岗匹配的测评装置、电子设备及计算机可读存储介质,用于改善现有技术中用户在针对招聘网站所推荐的岗位进行在线测评时,匹配耗时较长,测评效率低下的问题。
为了实现上述目的,本申请的实施例通过如下方式实现:
第一方面,本申请实施例提供了一种人岗匹配的测评方法,包括:基于与用户对应的推荐岗位,推送与所述推荐岗位对应的第一测评问题,并获取所述用户针对所述第一测评问题的第一用户回答;对标准答案库进行降维及分类处理,以获取与所述推荐岗位对应的目标参考答案库,所述标准答案库包括岗位库中的所有推荐岗位对应问题的参考答案,所述目标参考答案库包括与所述第一测评问题的对应的第一参考答案;将所述第一用户回答与所述第一参考答案进行匹配,以得到第一匹配结果。
本申请实施例中,基于与用户对应的推荐岗位向用户推送测评问题,使得测评更具针对性。在判断第一用户回答是否正确之前,对标准答案库进行降维与分类处理,获得包括与用户推荐岗位对应的测评问题的参考答案的目标参考答案库,减少了后续匹配的运算量和复杂度,使得用户回答能够快速地与参考答案进行匹配,从而获得匹配结果,由此,一定程度上提高了测评过程的效率。
一实施例中,所述将所述第一用户回答与所述第一参考答案进行匹配,以得到第一匹配结果之后,所述方法还包括:推送第二测评问题,所述第二测评问题与所述推荐岗位对应且不同于所述第一测评问题,所述目标参考答案库中包括所述第二测评问题对应的第二参考答案;获取所述用户针对所述第二测评问题的第二用户回答,并将所述第二用户回答与所述第二参考答案进行匹配,以得到第二匹配结果。
本申请实施例中,通过在得到第一匹配结果后,继续推送与推荐岗位对应的测试问题,能够对用户与推荐岗位的匹配程度进行进一步地测评,从而得到更为准确的测评结果。
一实施例中,所述推送第二测评结果,包括:基于所述第一匹配结果推送所述第二测评问题。
本申请实施例中,通过基于第一匹配结果推送第二测评问题,使得测评方法能够根据第一匹配结果的匹配情况,调整测评方向,以便得到更为准确的测评结果。
一实施例中,在所述第一匹配结果表征所述第一用户回答与所述第一参考答案不匹配时,所述第二测评问题与所述第一测评问题分别用于测评所述用户对与所述推荐岗位相关的不同技能的掌握情况;在所述第一匹配结果表征所述第一用户回答与所述第一参考答案匹配时,所述第二测评问题与所述第一测评问题均用于测评所述用户对与所述推荐岗位相关的同一技能的掌握情况。
本申请实施例中,通过这样的方式,一方面,能够更为准确地测评用户对与推荐岗位相关的某一技能的掌握情况,另一方面,通过测评用户对与推荐方位相关的不同的技能的掌握情况,能够更为全面地对用户与推荐岗位的匹配情况进行测评,从而能够更为准确的测评结果。
一实施例中,所述将所述第一用户回答与所述第一参考答案进行匹配,以得到第一匹配结果,包括:计算所述第一用户回答与所述第一参考答案的语义相似度,其中,所述语义相似度为所述第一匹配结果。
本实施例中,通过使用计算语义相似度的方式,计算第一用户回答与第一参考答案的语义相似度,获得用户回答与正确答案的匹配程度,从而判断用户回答是否正确。
一实施例中,所述基于与用户对应的推荐岗位,推送与所述推荐岗位对应的第一测评问题之前,包括:获取所述用户的简历;对所述简历进行解析,获取解析结果;对所述解析结果进行聚类处理,并基于所述聚类处理的结果获取所述与用户对应的推荐岗位。
本申请实施例中,通过对用户的简历解析后聚类处理,快速从用户的简历中提取有用信息,缩减处理的范围,从而计算的减少复杂程度,继而提高获取推荐推荐岗位的效率。
一实施例中,所述对标准答案库进行降维及分类处理,以获取与所述推荐岗位对应的目标参考答案库,包括:对所述标准答案库进行降维,获得分类邻居集;基于所述分类邻居集对所述标准答案库进行分类,获得不同推荐岗位对应的测评问题的参考答案库;基于所述与用户对应的推荐岗位获取所述参考答案库。
本申请实施例中,由于标准答案库中包括所有岗位的测评问题的参考答案,直接分类会耗费大量的运算资源,因此,通过对标准答案库降维,再通过将降维后得到的分类邻居集作为分类的向量,对参考答案进行分类,减少分类的计算量与降低复杂性,从而减少分类所花费的运算时间。
第二方面,本申请实施例提供了一种人岗匹配的测评装置,包括:获取模块,用于基于与用户对应的推荐岗位,推送与所述推荐岗位对应的第一测评问题,并获取所述用户针对所述第一测评问题的第一用户回答;处理模块,用于对标准答案库进行降维及分类处理,以获取与所述推荐岗位对应的目标参考答案库,所述标准答案库包括岗位库中的所有推荐岗位对应问题的参考答案,所述目标参考答案库包括与所述第一测评问题的对应的第一参考答案;所述处理模块,还用于将所述第一用户回答与所述第一参考答案进行匹配,以得到第一匹配结果。
第三方面,本申请实施例提供了一种电子设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如第一方面所述的一种人岗匹配的测评方法或实现如第二方面所述的一种人岗匹配的测评装置的功能。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述可读存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行如第一方面所述的一种人岗匹配的测评方法或实现如第二方面所述的一种人岗匹配的测评装置的功能。
本公开的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本公开的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举本发明较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种人岗匹配的测评方法的流程图;
图2为本申请实施例提供的一种人岗匹配的测评装置的结构框图;
图3为本申请实施例提供的一种电子设备的结构框图。
图标:人岗匹配的测评装置100;获取模块110;处理模块120。
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,此处所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。
请参照图1,图1为本申请一实施例提供的一种人岗匹配的测评方法的流程图,该方法可以包括如下步骤:
S110,基于与用户对应的推荐岗位,推送与推荐岗位对应的第一测评问题,并获取用户针对第一测评问题的第一用户回答。
一实施例中,在基于与用户对应的推荐岗位向用户推送与推荐岗位对应的第一测评问题前,需确定与用户对应的推荐岗位。确定推荐岗位的方法可以包括:获取用户的简历;对简历进行解析,获取解析结果;对解析结果进行聚类处理,并基于聚类处理的结果获取与用户对应的推荐岗位。
本实施例中,用户的简历可以是用户的自制简历,自制的简历格式可以为如图片、电子文档等;也可以是用户根据招聘网站或招聘APP客户端等所提供的简历模板填写个人信息所得到的简历。通过对简历进行解析,提取其中能够用于匹配岗位的信息特征,获得解析结果,示例性地,解析结果可以包括专业信息、工作经历、项目经历、任职岗位、工作时间等可以用于判断用户推荐岗位的内容。需要说明的是,可以采用文本识别技术对简历进行解析,而文本识别技术为本领域的成熟技术,在此不做具体展开介绍。
本实施例中,在获取到用户简历的解析结果后,通过对解析结果的各特征进行聚类处理,与岗位已知的包括对应用户信息的特征进行匹配,从而确定出与用户匹配的推荐岗位,示例性地,可以使用K-means聚类算法,将大量特征中相同或相似的特征归为同一类,并获取该类特征对应的岗位,在为用户推荐岗位时,将用户简历信息里的特征与具有该类特征的岗位进行匹配,匹配成功后,将满足匹配条件对应的岗位作为与用户对应的推荐岗位。具体地,在对个人用户推荐岗位前,通过使用大量不同人的简历提取出大量特征,再使用聚类的方式,将其中的特征与任职的岗位对应,由此获得对应的聚类结果,聚类结果可以包括机器学习方向、图像处理、自然语言处理前端、后端、人事等一系列不同的工作岗位,之后在对个人用户进行解析匹配时,能直接使用聚类好的数据进行匹配。示例性地,在为用户推荐岗位时,在用户简历中,项目经历涉及做过百度翻译等类似的案例,可以提取出该项目经历中的特征,该特征与自然语言处理岗位中的特征相似且满足条件,那么匹配结果大概率就是自然语言处理,则其匹配的岗位也是自然语言处理或与之相关的岗位,将匹配的自然语言处理类岗位作为该用户的推荐岗位。需要说明的是,利用K-means聚类算法做聚类处理的具体过程为本领域现有技术,因此,在此不做具体展开。
本实施例中,针对每个推荐岗位预设有与之对应的测评问题库,不同的推荐岗位对应的测评问题库不同。对于每一推荐岗位,与之对应的测评问题库中,可以包括对与该推荐岗位相关的不同技能进行测评的测评问题。对于每一推荐岗位中的每一相关技能,与该推荐岗位对应的测评问题库中可以包括对应该相关技能的不同掌握程度的测评问题,示例性地,对于教师岗位,可以包括语文、数学、英语及其他科目技能的测评问题,针对教师岗位中数学这一技能,可以包括基础问题、具有一定难度的问题以及具有较高难度的问题等对应数学这一技能不同掌握程度的测评问题,可以理解,上述仅用于示例便于本领域技术人员理解本申请的方案,具体实施方式根据实际情况与需求进行设置。
在确定与用户对应的推荐岗位之后,可以对用户与推荐岗位的适配情况进行测评,也就是说,对用户是否能够胜任该推荐岗位进行测评,因此,可以基于与用户对应的推荐岗位,从与该推荐岗位对应的测评问题库中选取测评问题并推送给用户,以及获取用户针对所推送的测评问题的用户回答,通过确定用户回答与所推送的测评问题的参考答案是否匹配,来确定用户是否能够胜任所推荐岗位。
S120,对标准答案库进降维及分类处理,以获取与推荐岗位对应的目标参考答案库。
一实施例中,标准答案库包括岗位库中的所有岗位对应测评问题的参考答案,目标参考答案库包括与第一测评问题的对应的第一参考答案。
本实施例中,标准答案库还可以包括岗位库中所有岗位对应的测评问题的参考答案。由于标准答案库中的数据太过庞杂,包括过多与用户对应的推荐岗位无关的问题及答案。因此,在直接使用标准答案库与用户回答对比,判断是否回答正确时,会使得运行的终端设备做过多的处理运算,从而导致耗时较长,效率较低,示例性地,标准答案库可以包括人事、运营、策划、销售等大量岗位的测评问题的参考答案,用户的推荐岗位为人事岗位时,直接进行匹配判断是否回答正确还要对除人事以外的其他岗位的参考答案进行匹配。
一实施例中,对标准答案库进行降维及分类处理过程包括:对标准答案库进行降维,获得分类邻居集;基于分类邻居集对标准答案库进行分类,获得不同推荐岗位对应问题的参考答案库;基于与用户对应的推荐岗位获取参考答案库。
本实施例中,通过对标准答案库进行降维及分类处理,使得处理后的分类数据更聚焦,可以减少将用户回答与参考答案进行比对时计算的复杂性。具体地,可以使用PCA(principal component analysis,主成分分析)算法对标准答案库进行降维处理,将重复或相似的内容删除,使获得的向量不相关即获得分类邻居集。需要说明的是,PCA算法进行数据降维的具体过程为本领域现有技术,因此,在此不做具体展开。
本实施例中,在对标准答案库降维处理之后,可以使用kNN(邻近)算法对降维处理后的标准答案库进行分类,即对分类邻居集执行kNN算法对标准答案库中的答案进行分类,将问题的对应参考答案依据不同推荐岗位区分开。通过使用分类邻居集来执行kNN算法,而不是使用未经处理的向量,能够有效减少kNN算法计算的复杂性。具体地,未经处理的向量包括过多与所需要的内容无关的内容,使用未经降维处理的向量执行kNN算法会大量增加算法的计算量,从而使得耗时较长,效率较低。可以理解的是,kNN算法的具体实现过程为现有技术,在此不做展开介绍。
本实施例中,在对标准答案库进行降维分类后,标准答案库中的测评问题及对应参考答案根据对应的不同岗位完成分类,由此,获得不同岗位对应的参考答案库。此时,可以根据与用户对应的推荐岗位,或根据第一测评问题,选择用户对应的推荐岗位的目标参考答案库中,可以理解的是,目标参考答案库包括与用户对应的推荐岗位的测评问题对应的参考答案,当然,包括与第一测评问题的对应的第一参考答案。
S130,将第一用户回答与第一参考答案进行匹配,以得到第一匹配结果。
一实施例中,将第一用户回答与第一参考答案进行匹配,以得到第一匹配结果,包括:计算用户回答与第一参考答案的语义相似度,其中语义相似度为第一匹配结果。
本实施例中,用户回答可以是文字,也可以是语音或者其他方式,通过提取用户回答中的特征信息,与目标参考答案库中与第一测评问题对应的参考答案进行匹配,计算两者的相似度,从而判断用户回答是否正确。示例性地,可以使用神经网络模型的方式提取特征并进行语义相似度的匹配,亦或是其他能够提取特征进行语义相似度匹配的方式。需要说明的是,利用神经网络模型进行特征提取及语义相似度的匹配为本领域的成熟技术,在此不做展开说明。
本实施例中,因为是基于与用户对应的推荐岗位向用户推送测评问题,使得测评更具针对性。在判断第一用户回答是否正确之前,对标准答案库进行降维与分类处理,获得包括与用户推荐岗位对应的测评问题的参考答案的目标参考答案库,减少了后续匹配的运算量和复杂度,使得用户回答能够快速地与参考答案进行匹配,从而获得匹配结果,由此,一定程度上提高了测评过程的效率。
由于在同一推荐岗位中,可能有不同的岗位与擅长方向,示例性地,自然语言处理的岗位,此岗位需要掌握的技能可以包括机器学习的十大经典算法,transformer、LSTM、bert等不同模型。由于每个人擅长的方向不同,需要通过更多的问题去测评用户的能力。因此,人岗匹配的测评方法还可以向用户推荐第二测评问题。
一实施例中,将第一用户回答与第一参考答案进行匹配,以得到第一匹配结果之后,该测评方法还可以包括推送第二测评问题的步骤,其中,第二测评问题与推荐岗位对应且不同于第一测评问题,目标参考答案库中包括第二测评问题对应的第二参考答案。
本实施例中,通过在得到第一匹配结果后,继续推送与推荐岗位对应的测试问题,能够对用户与推荐岗位的匹配程度进行进一步地测评,从而得到更为准确的测评结果。
S140,判断第一匹配结果是否表征第一用户回答与第一参考答案匹配。
本实施例中,由于第一匹配结果是通过计算语义相似度获得,因此,第一匹配结果为第一用户回答与第一参考答案的相似程度,由此,可以通过判断第一匹配结果是否大于预设阈值,确定第一匹配结果是否表征第一用户回答与第一参考答案匹配,预设阈值可以基于需求和实际情况进行设置。在第一匹配结果大于等于预设阈值时,表征第一用户回答与第一参考答案匹配,即判断用户回答正确;在第一匹配结果小于预设阈值时,表征第一用户回答与第一参考答案不匹配,即判断用户回答错误或掌握程度不够。
S150,推送第二测评问题。
本实施例中,由于目标参考答案库是针对某一岗位的问题及参考答案,因此,参考答案库中不仅包括第一测评问题对应技能的测评问题对应的参考答案,还包括该岗位其他技能的测评问题对应的参考答案,因此,目标参考答案库可以基于与用户对应的推荐岗位推送的第二测评问题对应的第二参考答案。可以理解的是,参考答案库包括的与岗位对应的各种技能的不同测评问题,或同一技能不同的测评问题。示例性地,如小语种翻译相关岗位,就可以包括德语、意大利语、泰语等翻译岗位,参考答案库可以包括所有小语种翻译相关岗位的测评问题及对应答案。可以理解,以上所提到的岗位内容仅为示例,具体设置方式根据实际情况进行确定。
本实施例中,向用户推送的第二测评问题,是与推荐岗位的技能相关的问题。其中,第二测评问题,可以是与第一测评问题所属的技能相同,难度相同或不同的问题,也可以是与第一测评问题所属的技能不同,但难度相同或类似的问题。示例性地,第一测评问题为德语相关知识,第二测评问题可以是相同难度或不同难度的德语测评问题,也可以是意大利语或其他语言的测评问题。
一实施例中,基于第一匹配结果推送第二测评问题。
本实施例中,通过第一匹配结果,判断用户是否回答正确,从而根据匹配结果,调整测评方向,继续向用户推送与推荐岗位相关的问题,以便得到更为准确的测评结果。
一实施例中,在第一匹配结果表征第一用户回答与第一参考答案不匹配时,第二测评问题与第一测评问题分别用于测评用户对与推荐岗位相关的不同技能的掌握情况;在第一匹配结果表征第一用户回答与第一参考答案匹配时,第二测评问题与第一测评问题均用于测评用户对与推荐岗位相关的同一技能的掌握情况。
本实施例中,第一匹配结果表征第一用户回答与第一参考答案不匹配时,即在第一匹配结果小于预设阈值,则判断用户回答错误,由此,可以认为用户对第一测评问题对应技能的知识不是太了解,或擅长方向不是这一技能,因此,向用户推荐与第一测评问题技能不同的第二测评问题,考察用户推荐岗位中其他技能的掌握情况。
本实施例中,判断第一匹配结果是否大于预设阈值,在是时,向用户推荐相同分类问题。在第一匹配结果大于预设阈值时,认为用户回答正确,因此,可以认为用户对第一测评问题对应类型的知识有一定掌握,因此,继续向用户推荐与第一测评问题所属技能相同的第二测评问题,第二测评问题相较于第一测评问题,难度可以相同、也可以更深入,以便更为准确地测评用户对该技能的掌握情况。
示例性地,在自然语言处理岗位中,第一测评问题为LSTM模型的基础概念相关的问题,在用户未给出正确答案时,说明用户对LSTM掌握不够,那么不再做进一步的推荐与LSTM相关的内容,第二测评问题可以是机器学习的基础算法、bert模型的基础概念等其他的内容。相反如果用户给出了正确答案,那么推荐LSTM相关的问题,可以是继续推荐基础概念相关问题,亦或是难度更高的问题,判断该候选人的对LSTM技能的掌握情况。
S160,获取第二测评问题的第二用户回答与第二参考答案的第二匹配结果。
本实施例中,在获取到用户回答和参考答案后,继续通过语义相似度匹配的方式获取第二匹配结果,判断用户是否回答正确。
本实施例中,基于用户的回答向用户推荐不同的问题,能够快速测评用户的擅长方向与能力水平。
一实施例中,在获取第二匹配结果之后,基于第二匹配结果,继续向用户推荐第三测评问题,第三测评问题可以为与第二测评问题所属技能相同的更深入的问题,也可以是与第一、第二测评问题所属技能均不同的测评问题。
请参阅图2,图2为本申请实施例提供的一种人岗匹配的测评装置的结构框图。人岗匹配的测评装置100包括获取模块110和处理模块120。
一实施例中,获取模块110,用于基于与用户对应的推荐岗位,推送与推荐岗位对应的第一测评问题,并获述用户针对第一测评问题的第一用户回答;处理模块120,用于对标准答案库进行降维及分类处理,以获取与推荐岗位对应的目标参考答案库,标准答案库包括岗位库中的所有推荐岗位对应问题的参考答案,目标参考答案库与第一测评问题的对应的第一参考答案;处理模块120,还用于将第一用户回答与第一参考答案进行匹配,以得到第一匹配结果。
一实施例中,获取模块110还用于获取用户的简历;处理模块120用于对简历进行解析,获取解析结果;对解析结果进行聚类处理,并基于聚类处理的结果获取与用户对应的推荐岗位。
一实施例中,处理模块120用于对标准答案库进行降维及分类处理,以获取与推荐岗位对应的目标参考答案库,包括:对标准答案库进行降维,获得分类邻居集;基于分类邻居集对标准答案库进行分类,获得不同推荐岗位对应问题的参考答案库;基于与用户对应的推荐岗位获取目标参考答案库。
一实施例中,处理模块120用于计算第一用户回答与第一参考答案的语义相似度,其中语义相似度为第一匹配结果。
一实施例中,获取模块110还用于推送第二测评问题,第二测评问题与推荐岗位对应且不同于第一测评问题,目标参考答案库中包括第二测评问题对应的第二参考答案;获取模块110还用于获取用户针对第二测评问题的第二用户回答,处理模块120将第二用户回答与第二参考答案进行匹配,以得到第二匹配结果。
一实施例中,获取模块110基于第一匹配结果推送第二测评问题,其中第二测评问题与推荐岗位对应且不同于第一测评问题,目标参考答案库中包括第二测评问题对应的第二参考答。其中在第一匹配结果表征第一用户回答与所述第一参考答案不匹配时,第二测评问题与所述第一测评问题分别用于测评所述用户对与推荐岗位相关的不同技能的掌握情况;在所述第一匹配结果表征所述第一用户回答与第一参考答案匹配时,所述第二测评问题与所述第一测评问题均用于测评用户对与推荐岗位相关的同一技能的掌握情况。
可以理解,本申请提供的人岗匹配的测评装置200与本申请提供的人岗匹配的测评方法对应,为使说明书简洁,相同或相似部分可以参照人岗匹配的测评方法部分的内容,在此不再赘述。
上述人岗匹配的测评装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于服务器中的处理器中,也可以以软件形式存储于服务器中的存储器中,以便于处理器调用执行以上各个模块对应的操作。该处理器可以为中央处理单元(CPU)、微处理器、单片机等。
上述人岗匹配的测评方法或存储装置可以实现为一种计算机可读指令的形式,计算机可读指令可以在如图3所示的电子设备上运行。
本申请实施例还提供的一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令,该处理器执行该程序时实现上述的人岗匹配的测评方法。
图3为根据本申请的一个实施例的电子设备的内部结构示意图,电子设备可以为服务器。请参阅图3,该电子设备包括通过系统总线连接的处理器、非易失性存储介质、内存储器、输入装置、显示屏和网络接口。其中,该电子设备的非易失性存储介质可存储操作系统和计算机可读指令,该计算机可读指令被执行时,可使得处理器执行本申请各实施例的一种人岗匹配的测评方法,该方法的具体实现过程可参考图1、图2的具体内容,在此不再赘述。该电子设备的处理器用于提供计算和控制能力,支撑整个电子设备的运行。该内存储器中可储存有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种人岗匹配的测评方法。电子设备的输入装置用于各个参数的输入,电子设备的显示屏用于进行显示,电子设备的网络接口用于进行网络通信。本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
基于同一发明构思,本申请实施例还提供一种计算机可读存储介质,可读存储介质中存储有计算机程序,当计算机程序在计算机上运行时,使得计算机执行人岗匹配的测评方法。
在本申请所提供的实施例中,应该理解到,所揭露的方法和装置,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的。在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
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。
Claims (10)
1.一种人岗匹配的测评方法,其特征在于,包括:
基于与用户对应的推荐岗位,推送与所述推荐岗位对应的第一测评问题,并获取所述用户针对所述第一测评问题的第一用户回答;
对标准答案库进行降维及分类处理,以获取与所述推荐岗位对应的目标参考答案库,所述标准答案库包括岗位库中的所有推荐岗位对应问题的参考答案,所述目标参考答案库包括与所述第一测评问题的对应的第一参考答案;
将所述第一用户回答与所述第一参考答案进行匹配,以得到第一匹配结果。
2.根据权利要求1所述方法,其特征在于,所述将所述第一用户回答与所述第一参考答案进行匹配,以得到第一匹配结果之后,所述方法还包括:
推送第二测评问题,所述第二测评问题与所述推荐岗位对应且不同于所述第一测评问题,所述目标参考答案库中包括所述第二测评问题对应的第二参考答案;
获取所述用户针对所述第二测评问题的第二用户回答,并将所述第二用户回答与所述第二参考答案进行匹配,以得到第二匹配结果。
3.根据权利要求2所述方法,其特征在于,推送第二测评问题,包括:基于所述第一匹配结果推送所述第二测评问题。
4.根据权利要求3所述方法,其特征在于,在所述第一匹配结果表征所述第一用户回答与所述第一参考答案不匹配时,所述第二测评问题与所述第一测评问题分别用于测评所述用户对与所述推荐岗位相关的不同技能的掌握情况;在所述第一匹配结果表征所述第一用户回答与所述第一参考答案匹配时,所述第二测评问题与所述第一测评问题均用于测评所述用户对与所述推荐岗位相关的同一技能的掌握情况。
5.根据权利要求1所述方法,其特征在于,所述将所述第一用户回答与所述第一参考答案进行匹配,以得到第一匹配结果,包括:
计算所述第一用户回答与所述第一参考答案的语义相似度,其中所述语义相似度为所述第一匹配结果。
6.根据权利要求1所述方法,其特征在于,所述基于与用户对应的推荐岗位,向用户推送与所述推荐岗位对应的第一测评问题,包括:获取所述用户的简历;
对所述简历进行解析,获取解析结果;
对所述解析结果进行聚类处理,并基于所述聚类处理的结果获取所述与用户对应的推荐岗位。
7.根据权利要求1所述方法,其特征在于,所述对标准答案库进行降维及分类处理,以获取与所述推荐岗位对应的目标参考答案库,包括:
对所述标准答案库进行降维,获得分类邻居集;
基于所述分类邻居集对所述标准答案库进行分类,获得不同推荐岗位对应问题的参考答案库;
基于所述与用户对应的推荐岗位获取所述目标参考答案库。
8.一种人岗匹配的测评装置,其特征在于,包括:
获取模块,用于基于与用户对应的推荐岗位,推送与所述推荐岗位对应的第一测评问题,并获取所述用户针对所述第一测评问题的第一用户回答;
处理模块,用于对标准答案库进行降维及分类处理,以获取与所述推荐岗位对应的目标参考答案库,所述标准答案库包括岗位库中的所有推荐岗位对应问题的参考答案,所述目标参考答案库包括与所述第一测评问题的对应的第一参考答案;
所述处理模块,还用于将所述第一用户回答与所述第一参考答案进行匹配,以得到第一匹配结果。
9.一种电子设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1-7任一项所述的人岗匹配的测评方法或实现如权利要求8所述的人岗匹配的测评装置的功能。
10.一种计算机可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行如权利要求1-7中任一权项所述的一种人岗匹配的测评方法或实现如权利要求8所述的人岗匹配的测评装置的功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111086881.XA CN113780997A (zh) | 2021-09-16 | 2021-09-16 | 一种人岗匹配的测评方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111086881.XA CN113780997A (zh) | 2021-09-16 | 2021-09-16 | 一种人岗匹配的测评方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113780997A true CN113780997A (zh) | 2021-12-10 |
Family
ID=78851561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111086881.XA Pending CN113780997A (zh) | 2021-09-16 | 2021-09-16 | 一种人岗匹配的测评方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780997A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009075690A (ja) * | 2007-09-19 | 2009-04-09 | Human Create Japan:Kk | 求人求職情報マッチングシステム |
CN101625737A (zh) * | 2008-07-11 | 2010-01-13 | 福建升腾资讯有限公司 | 知识结构评估系统 |
CN103294816A (zh) * | 2013-06-09 | 2013-09-11 | 广东倍智人才管理咨询有限公司 | 一种为求职者推荐职位的方法和职位推荐系统 |
CN104537949A (zh) * | 2014-12-26 | 2015-04-22 | 湖南亿谷信息科技发展有限公司 | 试题管理系统和方法 |
CN108346030A (zh) * | 2017-12-29 | 2018-07-31 | 北京北森云计算股份有限公司 | 计算机自适应能力测验方法及装置 |
CN110096708A (zh) * | 2019-04-30 | 2019-08-06 | 科大讯飞股份有限公司 | 一种定标集确定方法及装置 |
CN110197454A (zh) * | 2018-02-27 | 2019-09-03 | 深圳微盐传媒科技有限公司 | 一种知识问答处理方法和互动终端 |
CN112766647A (zh) * | 2020-12-30 | 2021-05-07 | 广东德诚科教有限公司 | 一种初高中生生涯规划测评方法及设备 |
CN113159528A (zh) * | 2021-03-31 | 2021-07-23 | 国家电网有限公司 | 一种岗位匹配评估方法及装置 |
CN113343972A (zh) * | 2021-06-29 | 2021-09-03 | 北京市商汤科技开发有限公司 | 一种阅卷方法、装置、电子设备及存储介质 |
-
2021
- 2021-09-16 CN CN202111086881.XA patent/CN113780997A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009075690A (ja) * | 2007-09-19 | 2009-04-09 | Human Create Japan:Kk | 求人求職情報マッチングシステム |
CN101625737A (zh) * | 2008-07-11 | 2010-01-13 | 福建升腾资讯有限公司 | 知识结构评估系统 |
CN103294816A (zh) * | 2013-06-09 | 2013-09-11 | 广东倍智人才管理咨询有限公司 | 一种为求职者推荐职位的方法和职位推荐系统 |
CN104537949A (zh) * | 2014-12-26 | 2015-04-22 | 湖南亿谷信息科技发展有限公司 | 试题管理系统和方法 |
CN108346030A (zh) * | 2017-12-29 | 2018-07-31 | 北京北森云计算股份有限公司 | 计算机自适应能力测验方法及装置 |
CN110197454A (zh) * | 2018-02-27 | 2019-09-03 | 深圳微盐传媒科技有限公司 | 一种知识问答处理方法和互动终端 |
CN110096708A (zh) * | 2019-04-30 | 2019-08-06 | 科大讯飞股份有限公司 | 一种定标集确定方法及装置 |
CN112766647A (zh) * | 2020-12-30 | 2021-05-07 | 广东德诚科教有限公司 | 一种初高中生生涯规划测评方法及设备 |
CN113159528A (zh) * | 2021-03-31 | 2021-07-23 | 国家电网有限公司 | 一种岗位匹配评估方法及装置 |
CN113343972A (zh) * | 2021-06-29 | 2021-09-03 | 北京市商汤科技开发有限公司 | 一种阅卷方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110096570B (zh) | 一种应用于智能客服机器人的意图识别方法及装置 | |
CN107609493B (zh) | 优化人脸图片质量评价模型的方法及装置 | |
Lalor et al. | Building an evaluation scale using item response theory | |
CN105426356B (zh) | 一种目标信息识别方法和装置 | |
CN112270196A (zh) | 实体关系的识别方法、装置及电子设备 | |
US10909871B2 (en) | Method, apparatus, and computer program for operating machine-learning framework | |
CN110569356A (zh) | 基于智能面试交互系统的面试方法、装置和计算机设备 | |
CN111767382A (zh) | 生成反馈信息的方法、装置及终端设备 | |
CN110866209A (zh) | 在线教育数据推送方法、系统和计算机设备 | |
CN111475628B (zh) | 会话数据处理方法、装置、计算机设备和存储介质 | |
CN113900654A (zh) | 基于程序语言教学实践平台的代码抄袭检测方法及系统 | |
EP4273750A1 (en) | Data processing method and apparatus, computing device, and test simplification device | |
CN110852071A (zh) | 知识点检测方法、装置、设备及可读存储介质 | |
CN113988044A (zh) | 错题原因类别的判定方法 | |
CN112288584B (zh) | 保险报案处理方法、装置、计算机可读介质及电子设备 | |
CN113705792A (zh) | 基于深度学习模型的个性化推荐方法、装置、设备及介质 | |
CN113705207A (zh) | 语法错误识别方法及装置 | |
CN110991172B (zh) | 域名推荐方法、域名推荐模型训练方法及电子设备 | |
CN112836754A (zh) | 一种面向图像描述模型泛化能力评估方法 | |
CN113590772A (zh) | 异常评分的检测方法、装置、设备及计算机可读存储介质 | |
CN110750712A (zh) | 基于数据驱动的软件安全需求推荐方法 | |
CN108304366B (zh) | 一种上位词检测方法及设备 | |
CN113780997A (zh) | 一种人岗匹配的测评方法、装置、电子设备及存储介质 | |
CN112085594B (zh) | 身份核实方法、设备及可读存储介质 | |
CN113918471A (zh) | 测试用例的处理方法、装置及计算机可读存储介质 |
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 |