CN115619360A - 基于人工智能的人才选拔招聘系统及方法 - Google Patents

Abstract

本发明提出了基于人工智能的人才选拔招聘系统，系统通过计算机视觉、模式识别等技术，对候选人进行人脸检测、缺陷识别、形象判断，进而判断候选人面试的真实性，为候选人自动评估提供支撑。此外，系统将通过自动语音识别技术、自然语言处理技术，包括文本分类、情感分析、意图识别等多种技术，将非结构化的语音信息转换为结构化的数字信息，进而去理解候选人的回答。与此同时，该系统还将涉及到机器学习模型、算法训练以及人才画像、胜任力模型等人力资源领域的专业数据、知识、方法论等，通过对以上技术、数据、专业知识的应用，得到候选人画像，进行人岗匹配，自动输出评估结果，实现基于人工智能(AI)人才选拔招聘系统全生命功能。

Description

基于人工智能的人才选拔招聘系统及方法

技术领域

本发明属于系统化人才招聘领域，特别涉及基于人工智能的人才选拔招聘系统。

背景技术

视频面试是AI面试的前身，摄像头伴随着PC、手机等终端的普及是视频面试得以进行的基础，而音视频技术的不断优化则是发展的关键。将AI引入视频面试环节，需要将人力资源的经验和理念沉淀成一套“公式”，得以让机器以自动化的方式筛选人才。在AI面试中，面试官由人变成了AI机器人，候选人的面试表现也可以通过算法进行自动分析和打分。

两者的应用场景略有不同。AI面试几乎不需要额外的人工参与，因此可以被看做自动化人才匹配的一环，主要面向大规模、结构化的招聘初筛场景。视频面试则更像是专用版的即时通讯工具，候选人与面试官可以实现协同面试，主要的价值点在于满足面试双方异步沟通的需求，是比较直接的线下面试替代方案，相对来说，更适用于招聘中后期。

基于人工智能(AI)人才选拔招聘系统提供的AI面试题包括基础专业技能和综合素质两个方面。候选人与AI面试机器人进行实时交互问答，在过程中，通过语音识别和视觉算法对候选人的表现进行分析，最终基于人岗匹配模型进行打分。

AI面试适用于有大量初筛需求的公司，目前看来地产业、金融业以及其他大型企业都是比较清晰的客群。对这些企业来说，初筛的效率对招聘进度的影响程度很大。例如我们这一套AI面试可以用于销售、导购等岗位的招聘，这类工作通常只需要做基础技能面试题例如)选择AI面试来招聘门店导购，由于门店店长招聘的人员良莠不齐可以通过AI面试将招聘标准规范化，减少主观偏见的同时将招聘底线提高。

对于一些大型的招聘项目，利用算法筛选简历，设计AI面试进行候选人初筛。通过多个国家部署多种语言的AI面试，缩短招聘周期，节省招聘成本，并且增加雇员的多样性。

过去企业面试都是传统的面对面的方式，但是随着科技的不断发展，AI面试开始逐渐被一些企业采用。一般来说，企业校园招聘的时间只有2-3个月，但对于企业的人力资源部来说，那绝对是时间紧任务重，工作量是非常大的。企业想尽快准确的从全国高校毕业生里面筛选出自己所需要的人才，因此才会将能够快速提升招聘效率的AI面试用于招聘当中。

实际上，有相关数据显示，在引入了人工智能的企业当中，借助人工智能来进行人才招聘是最常见的应用场景。

(1)能够使招聘质量提高

企业HR需要从大量申请者中选择合适的人选。由于人工智能，整个过程可以自动分为几个阶段。企业HR可以收集更多关于每个候选人的数据，从而更有效地评估候选人。有许多基于人工智能的解决方案可帮助评估候选人的技能和经验。

(2)能够更好地集成分析

基于人工智能招聘系统有机会根据求职者的技能来选择候选人，并找到最需要某个候选人能力的合适职位。这种新方法不仅提高了企业的生产力，而且还激励候选人提高他们的技能。此外，与企业HR招聘相比，人工智能招聘工具具有更高的准确性。

(3)能够自动化节省时间

时间对每个公司来说都是宝贵的，招聘行业也不例外。人工智能为评估候选人的技能提供了许多解决方案。基于人工智能的软件只需要几秒钟就可以分析大量数据，并提供给企业HR可以参考的分析报告。人工智能解决方案节省了时间，也节省了金钱和资源。

(4)更加公平公正

人为干预总是意味着一定程度的无意识或有意识的偏见，而人工智能解决方案能够最大限度地减少这一因素。企业有很好的机会根据他们的真实潜力和个性只聘用最好的候选人，因为所有的决定都是在考虑数据和简历的情况下做出的。

发明内容

基于人工智能(AI)人才选拔招聘系统(以下简称系统)结合先进人工智能技术为视频面试提供强大助力，利用先进技术完善系统功能。

本发明的技术方案是这样实现的：基于人工智能(AI)人才选拔招聘系统(以下简称系统)结合先进人工智能技术为视频面试提供强大助力，利用先进技术完善系统功能。其中模型的建立是系统的核心模块，包含了胜任力模型、能力评分模型、精神面貌模型、诚信模型：

所述胜任力模型：依托已建知识图谱等底层模型补全和完善职位和简历的画像，并在此基础上实现了人才与岗位之间精准的双向匹配。根据C端人才的偏好，浏览记录进行个性化频道推荐和相似职位推荐，能够为企业提供相似人才推荐，技能侧重推荐，工作背景相似推荐等等花式场景。结合大数据、深度学习技术、语音识别技术等当前热门先进手段，根据特定岗位需求定制胜任力模型。所述能力评分模型：AI面试系统的评价准确性取决于内部搭建的算法模型和被输入的数据。

首先，让特定岗位的代表员工(包含绩优员工和绩差员工)参加测试，AI系统获得这些代表员工的表现数据，并从中提炼出优秀员工在面试中展现出的某些特质或典型行为表现，作为以后评判应聘者能否成为该岗位或该序列好员工的标准。前期建立评价标准的环节，组织内部专家针对每项的回答，在能力素质维度上去做评分，有了这些数据基础之后，系统建立模型雏形，再通过不断的数据喂养，让模型通过深度学习形成一个个针对性的能力评分模型。所述精神面貌模型：脸是一个人的门面，也代表了人的精神面貌，在招聘的过程中是比较关注一个候选人的精神面貌。要建立这样的一个精神面貌的模型，系统就需要包括以下两个维度：一个颜值，一个是正向积极的精神面貌。构建精神面貌模型，AI面试根据相应数据比对，对候选人精神面貌进行科学评分。所述诚信模型：系统通过建立诚信模型，对候选人的回答进行评价，判断候选人的诚信度，在整个面试的过程中是否存在撒谎的情况，根据他们表现出的特征包括自信、反应、速度等进行诚信评分。

进一步地，基于人工智能(AI)人才选拔招聘系统利用了当前先进的手段进行系统的开发，其中主要包含深度学习技术、自然语音处理技术、语音识别及分析技术、基于深度全序列卷积神经网络、语音语调特征分析技术、人脸识别技术、情绪识别技术等方式。

所述深度学习技术：现有的深度学习人工智能模型是用户选取合适的训练样本和测试样本，然后应用深度学习算法对模型进行训练、测试，不断完善，最后再对训练好的深度学习人工智能模型进行应用。然而，目前大多数深度学习人工智能模型系统都是基于软件编程方式进行模型训练及调用，只适用于具备软件开发能力的专业人员，对于熟悉特定业务领域知识的业务专家，对其使用面临诸多挑战和困难。为解决以上不足，系统将采用智能化的深度学习人工智能模型建立方法及系统，通过接收用户的深度学习人工智能模型建立请求，根据所述深度学习人工智能模型建立请求生成模型建立作业流；根据所述模型建立作业流生成所述深度学习人工智能模型建立请求所对应的深度学习人工智能模型。系统根据用户发送的深度学习人工智能模型建立请求可自动地生成深度学习人工智能模型，无需用户再进行软件开发，便于用户操作，降低了用户专业要求，适用范围广。

所述自然语音处理技术：系统采用自然语言处理(natrual languageprocessing，用NLP表示)技术，用以实现人与计算机直接用自然语言进行有效通信。NLP的研究的对象是文本，与一般机器学习任务用到的数据不用，文本数据的往往是非结构化的。常见的NLP任务包括序列标注，分类任务，句子关系判断以及生成式任务。其中分类问题主要包含文本分类以及情感分析。

所述语音识别及分析技术：系统采用语音识别及分析技术，语音识别是通过对一种或多种语音信号进行特征分析，是实现对声音信号匹配、辨别的技术。语音识别技术是生物识别技术的一种。因个体的声带、口腔、舌头、嘴唇、软腭、咽腔、肺容、鼻腔、牙齿等发声控制器官各不相同，发音频率各异，音色、音强、音长、音高各不相同，形成独具一格的个体语音特色。这些不同要素又由90余种特征组成，共同表现出频率、节奏、波长、强度等不同声音个性特征。世界上没有发自两个人的完全相同的语音，所有的声纹都或多或少有区别，通过系统所采用的语音识别及分析技术能够辨析识别这些细小差异。

系统基于深度全序列卷积神经网路，对中、英文音频进行高精度的文本装换，可用来自动评估候选人表达能力。

系统对语音语调做特征分析，并可根据发音准确度和流畅度，对普通话以及英文水平、语速进行智能评测，可用来自动评估普通话是否标准/语速英语口语是否标准等。

所述人脸识别技术：人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。系统通过使用人脸识别技术，能够对人的脸部展开智能识别，对人的脸部不同结构特征进行科学合理检验，最终明确判断识别出检验者的实际身份。具体而言，就是计算机通过视频采集设备获取识别对象的面部图像，再利用核心算法对其脸部的五官位置、脸型和角度等特征信息进行计算分析，进而和自身数据库里已有的范本进行对比，最后判断出用户的真实身份。

所述情绪识别技术：系统采用文本情绪特征识别技术，能够打破大多数AI产品还停留在“听”和“看”的阶段，无法通过声音和行为动作来感知人这一局限。

进一步地，所述远程面试系统包括后台管理模块、岗位管理模块、人才管理模块和面试管理模块，其中：所述后台管理模块用于管理远程面试系统相关内容配置；所述岗位管理模块用于招聘单位发布岗位信息和发起远程面试，招聘单位可直接根据自身的应用场景、对应岗位来选择岗位胜任力评价标准，系统根据评价模型对应匹配试题。系统同时支持对评价标准、评价工具和评价试题的个性化定制，招聘单位可在系统内置内容的基础上进行自主选择或增加内容；

所述人才管理模块用于求职者发布求职信息、申请岗位及参加远程面试；系统支持基于岗位胜任力的要求，从合作的人才网站、人才大数据库中构建人才画像和人才简历库，并利用AI来搜寻人才找出合适人才，推荐面试；同时系统应用了AI简历解析技术，其核心原理是文本信息抽取。基于机器学习对大量的简历进行大数据分析，找到简历里的内容、岗位说明书以及与优秀候选人之间的关联。能够分析简历优势，从简历文本中智能抽取内容，对简历涉及的150余种特征做处理，汇总反馈，分析简历优势。同时对简历进行全方位的探测，在海量简历样本的基础上，借助机器学习和自然语音处理技术，对简历进行全方位智能解析，找到其中无效、错误、可疑信息。能够辅助招聘部门，判断简历质量；辅助求职者，优化简历内容；提取结构化信息，完善简历信息管理。

所述面试管理模块用于面试房间的创建，管理员可以随时安排一场或多场AI面试，将面试的候选人和面试官(可添加AI面试官)导入进来即可快速面试。管理员可自定义本次面试的面试名称和面试时间，候选人在此面试时间内登录参加面试，通过预先配置的面试试题完成面试；通过短信、链接分享等方式，候选人通过浏览器登录，告知相应地址；现阶段，AI面试是许多企业在进行首轮面试时采用的方法，候选人只需要登陆AI面试平台，根据屏幕给出的问题进行作答即可，系统还带有在线考试功能，还可以对候选人进行技术测评工作。面试过程的组织和实施，包括对面试活动的主持、对面试规则的宣导、试题宣读、与应聘者对话、面试过程记录等工作都可以交给AI面试官；面试完成后，系统对面试候选人回答情况，通过AI分析候选人各能力项得分、评价等级，同时，生成能力雷达图，明晰候选人各项能力强弱和整体能力素质水平；同时AI面试官根据该面试对应的胜任力标准、试题评价标准、应聘者面试过程的语言和非语言表现、系统根据以往面试收集到的面试评价分析算法等，给出评价结果。可自定义对评分维度、面试评语、面试意见及意见选项做相应设置；系统支持自定义设置AI面试官评语可通过导入阅卷人的形式，由阅卷人根据候选人面试回放及AI面试评分情况进行评语。

所述远程面试系统还包括了招聘流程自定义，招聘单位使用流程：建立与设置评价活动(包括设置回答的限制次数)——选择评价岗位、对应的评价标准、工具和题本(自主选择是否微调或微定制)——导入考生信息——由AI面试系统实施面试评价——获取面试结果并选择是否观看部分面试记录和评价记录。

考生使用流程：收到AI面试通知——提前进行系统调试和模拟——参与面试过程系统支持流程自定义，可自定义设置面试节点。

优选的，所述远程面试系统支持多场景面试，系统支持构建“提前分配面试、签到分配面试、人机面试”的多场景在线面试体系，针对面试群体及面试流程可自定义面试场景，为候选人和面试官提供专业的面试功能。

优选的，所述远程面试系统支持权限设置，系统支持招聘单位哪些人员可设置评价活动；哪些人员有权限调取面试结果。调取面试结果、可回看面试录像的人员应具备足够的专业或技术知识。

优选的，所述用系统支持数据导出及外部系统链接，招聘单位可直接在系统内管理历史数据，同时系统支持面试数据导出；可批量分析各岗位候选人的面试评价等级、面试得分、面试排名等，直接筛选出优秀的候选人。与招聘系统对接，嵌入到人才获取、简历筛选、测评、面试、评价、录用、入职管理全流程

基于人工智能的人才选拔招聘方法，其特征在于，方法包括如下步骤：S1：系统通过所述后台管理模块建立相应模型；S2：用人单位通过所述岗位管理模块发布岗位招聘信息；S3：求职者通过所述人才管理模块发布求职信息；S4：系统根据人才管理模块，对简历进行筛选及分析，针对用人单位所发布岗位信息与简历库中求职中信息自动匹配最为合适候选人进行面试；针对不符合的候选人进行岗位剔除；S5：人才画像分析模块对所述拟面试候选人相应情况进行分析筛选，并根据分析结果确定面试候选人；S6：面试管理模块根据管理里自身需求自定义创建不同类型面试房间，并对候选人提供面试地址；面试候选人的个人信息向用人单位的面试官发送面试推荐问题；S7：面试管理模块支持自定义出题，面试官根据面试推荐试题向候选人提出问题；S8：面试候选人根据所述面试问题作出相应回答；S9：面试结束后，由面试官及AI面试官针对候选人的回答进行智能评分，并生成AI面试报告将结果反馈给候选人；S10：判断候选人所述评分是否符合岗位所设置分值，若是，则执行步骤S11，若否，则执行S3；S11：用人单位聘用劳动者，完成招聘。

采用了上述技术方案后，本发明的有益效果是：

附图说明

为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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为本发明系统框图。

图2为本发明方法流程图。

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作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。

实施例一：

如图1所示，图1为本发明提供的远程面试系统的功能框图。所述远程面试系统包括展现层、功能应用层、核心技术及资源池。

所述展现层包含了系统服务输出：AI应用、人才管理、岗位管理及面试管理。所述AI应用包含了系统所提供的AI应用能力，能有效辅助用人单位参与远程面试；所述岗位管理能有效帮助用人单位创建相应岗位并通过岗位要求设置对应分值供系统为其搭建相应模型，为其推荐最为匹配的求职人员；所述人才管理模块能够有效帮助求职者创建人才画像并纳入到人才库中，为求职者推荐最为合适的岗位；所述面试管理模块，能够模拟传统线下面试真实场景，为面试官及候选人提供真实的面试环境，面试完成后，能够对候选人进行智能分析及评分。

所述多终端包含了PC端与移动端，系统不仅仅支持面试官及候选人在PC上参加一场面试，同时支持双方在移动端设备参加面试，大大优化了设备限制，使双方能够在自由选择面试时间及空间。

所述功能应用层包含了外部系统：BI数据支持、各厂家云平台、三方免密登录、视频信息同步等。

通过接入外部先进系统能够有效节省开发时间及开发成本，在确保网站安全保障的同时，使系统的功能更加丰富。

所述AI应用主要包含了：胜任力模型、能力评分模型、精神面貌模型、诚信模型、人才画像、AI面试、AI面试分析报告等模块；

所述AI面试能够在保留真人面试的灵活变通和主观能动性的同时，添加AI面试官，辅助真人面试官参与面试工作，能够有效提供人才智能面试评分的准确率。所述人才画像模块通过个人基础信息、就业经历和职业技能鉴定数据等以及用人单位的劳动用工等数据，通过对数据进行整理，完美地抽象出一个用户的信息全貌，从而为人社业务领域大数据应用，为宏观决策提供大数据技术支持。用户画像管理系统由档案袋管理、画像管理、接口开发等功能模块构成。所述人才管理主要包含了：简历收集、简历识别、人才筛选、AI自动标签、人才库查重；所述岗位管理主要包含了：视频岗位JD、流程实时修改、题目实时修改等模块；所述面试管理主要包含了：面试邀约、面试签到、面试进行、面试报告、面试数据导出、面试流程自定义等模块。

所述核心技术主要包含了：深度学习技术、训练技术、自然语音处理技术、语音识别及分析技术、ASR自动语音识别技术、语音评测技术、语义理解及表达意图识别、情绪识别技术、微表情识别技术等。

所述资源池分为结构化数据存储池及非结构化数据存储池。

所述结构化数据存储池由基础数据、业务数据及元数据构成，为系统基础业务数据存储提供保障；

所述非结构化数据存储池由图片数据及视频数据构成，为简历图片、岗位图片及面试录像等数据进行相应存储。

实施例二

本实施例在实施例一的基础上进行方法阐述，请参阅图2，图2为本发明提供的远程面试系统的功能框图。所述远程面试系统系统使用包括如下步骤：

S1：系统通过所述后台管理模块建立相应模型；

S2：用人单位通过所述岗位管理模块发布岗位招聘信息；

S3：求职者通过所述人才管理模块发布求职信息；

S4：系统根据人才管理模块，对简历进行筛选及分析，针对用人单位所发布岗位信息与简历库中求职中信息自动匹配最为合适候选人进行面试；针对不符合的候选人进行岗位剔除；

通过预先设置简历专业信息、工作经历与职位所关联字段信息进行筛选判断是否对应，筛选与职位相关简历。

S5：所述人才画像分析模块对所述拟面试候选人相应情况进行分析筛选，并根据分析结果确定面试候选人；获取当前操作信息，并对当前操作信息进行预处理，得到对应的行为特征向量及行为特征值；

对简历中工作经理、学习经历、工作经验等相关信息进行预处理，利用预设风险概率模型对行为特征值进行处理，得出与职位所对应特征值，通过构建行为检测模型，为对应的特征值进行检测得到对应的检测结果，将检测结果与行为风险概率进行融合，根据预设阈值评估当前操作信息存在的风险，实现网络安全状态的评估。

在故障树和事件树相结合的系统的系统建模与分析方法当中，采用“小事件—大故障树”的分析方法，对事件树的题头子系统建立故障树模型，从而将事件树序列和后果转化成“大链接故障树”进行分析，因此共因失效在故障树建模与分析中的处理是故障树建模与分析中的处理是故障树和事件树建模与分析技术中的重要环节。

通过采用传统的共因失效分析，针对故障树建立多个共因组，每个共因组可以包含多个共因的基本事件，并使用常用的共因模型对其进行处理。

共因组：一个事件的集合，这个集合所有的基本事件的失效模式及失效的参数值是相同的。共同组所包含的基本事件数目为共应组的阶数。

共因事件：共因事件是包含一个共因组中一个或多个基本事件的事件，所包含的基本事件数目为共因事件的阶数。通过定义共因组，其组内的共因事件也得到确定，当共因组信息发生改变时，共因事件也得到对应改变。

共因故障树：共因组中的每一个基本事件都有相应的共因故障树，当这些故障树均以所有与该基本事件相关的共因事件为输入，以一个或门顶门。当共因组的信息发生改变时，共因事件和共因故障树得到对应更新。

S6：所述面试管理模块根据管理里自身需求自定义创建不同类型面试房间，并对候选人提供面试地址；面试候选人的个人信息向用人单位的面试官发送面试推荐问题；

目前支持创建提前分配面试、签到分配面试、人机面试及签到后排队面试。

提前分配面试：为每个候选人提前分配一个面试时间，创建好面试房间后，自动生成候选人、面试管账号账号及所对应登录链接，候选人及面试官在面试时间到了通过打开所对应链接后，登录生成账号直接开始面试。

候选人签到后分配面试时间：可以设置多段签到时间，候选人需在规定的时间内完成签到，签到后自动分配或手动分配面试时间。

人机面试：可以设置候选人上机时间，候选人在此面试时间内登录参加面试，通过预先配置的面试题完成面试。

候选人签到后排队面试：可以设置多段签到时间，候选人需在规定的时间内完成签到，签到后根据排队情况分配预计的面试时间。

S7：所述面试管理模块支持自定义出题，所述面试官根据面试推荐试题向候选人提出相应问题；

后台所对应试题管理模块，支持添加或导入文字题、视频题、音频题、单选题、多选题、判断题及图文题等相关试题类型，根据所添加或导入试题内容进行灵活组卷，并设置试题参考答题，试题答题时间及试题得分分值，面试开始后，面试管可在面试间通过点击相应试题进行试题分享，给候选人出题。

S8：面试候选人根据所述面试问题作出相应回答；

S9：面试结束后，由面试官及AI面试官针对候选人的回答进行智能评分，并生成AI面试报告将结果反馈给候选人；

通过预先设置每道试题的关键点得分值，对候选人的回答情况与得分点进行关联判断，是否出现所对应点进行相应得分，

S10：判断候选人所述评分是否符合岗位所设置分值，若是，则执行步骤S11，若否，则执行S3；

通过预先设置岗位最低得分值，根据候选人答题情况得出候选人最终得分，通过计算最终得分是否达到所设最低得分，若大于等于最低得分，则执行下一步骤。

S11：用人单位聘用劳动者，完成招聘。

与相关技术相比，本发明提供的基于人工智能(AI)人才选拔招聘系统系统及其方法，后台管理中心的应用将促使劳动者与用人单位提供的招聘岗位进行严格的匹配，增加针对劳动者与企业的基于人工智能的远程面试，不仅保留了真人面试的灵活变通和主观能动性，还能提高招聘求职的人岗匹配效率和人工智能面试评价的准确率，降低就业成本，同时，为政府部门设计就业政策提供就业数据决策支持。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.基于人工智能的人才选拔招聘系统，其特征在于，包括建立系统模型，系统模型包括技术处理和模型处理，其中模型处理包括胜任力模型、能力评分模型、精神面貌模型和诚信模型；

所述胜任力模型：依托已建知识图谱的底层模型补全和完善职位和简历的画像，并在此基础上实现了人才与岗位之间精准的双向匹配，根据C端人才需求，浏览记录进行个性化频道推荐和相似职位推荐，能够为企业提供相似人才推荐，技能侧重推荐，工作背景相似推荐；

所述能力评分模型：AI面试系统的评价准确性取决于内部搭建的算法模型和被输入的数据，首先能力评分模型获取特定岗位的代表员工的基础数据，并获取员工在面试中展现出的典型行为表现，作为评判应聘者能否成为该岗位或该序列好员工的标准，并实时进行数据迭代；

所述精神面貌模型：对候选人的面部状态搭建对比模型，根据候选人面部数据与数据库内历史数据进行数据比对，对候选人精神面貌进行评价；

所述诚信模型：系统通过建立诚信模型，对候选人的回答进行评价，判断候选人的诚信度，在整个面试的过程中是否存在撒谎的情况，根据自信、反应、速度进行诚信评分。

2.如权利要求1所述的基于人工智能的人才选拔招聘系统，其特征在于：所述系统模型其中的技术处理包括深度学习技术、自然语音处理技术、语音识别及分析技术、基于深度全序列卷积神经网络、语音语调特征分析技术、人脸识别技术、情绪识别技术；

所述深度学习技术，接收用户的深度学习人工智能模型建立请求，根据深度学习人工智能模型建立请求生成模型建立作业流；模型建立作业流生成所述深度学习人工智能模型建立请求所对应的深度学习人工智能模型；

所述自然语音处理技术，采用自然语言处理技术，用以实现系统直接用自然语言进行有效通信；

所述语音识别及分析技术，系统采用语音识别及分析技术，语音识别是通过对一种或多种语音信号进行特征分析，是实现对声音信号匹配、辨别的技术；

系统基于深度全序列卷积神经网路，对中、英文音频进行高精度的文本装换，可用来自动评估候选人表达能力；

系统对语音语调做特征分析，并可根据发音准确度和流畅度，对普通话以及英文水平、语速进行智能评测，用来自动评估普通话是否标准，英语口语是否标准；

所述人脸识别技术：人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，系统通过使用人脸识别技术，能够对人的脸部展开智能识别，对人的脸部不同结构特征进行科学合理检验，最终明确判断识别出检验者的实际身份。

3.如权利要求1所述的基于人工智能的人才选拔招聘系统，其特征在于：系统内还设置有远程面试系统，远程面试系统包括后台管理模块、岗位管理模块、人才管理模块和面试管理模块，其中：

所述后台管理模块用于管理远程面试系统相关内容配置；

所述岗位管理模块用于招聘单位发布岗位信息和发起远程面试，招聘单位可直接根据自身的应用场景、对应岗位来选择岗位胜任力评价标准，系统根据评价模型对应匹配试题；

所述人才管理模块用于求职者发布求职信息、申请岗位及参加远程面试；

所述面试管理模块用于面试房间的创建，管理员可以随时安排一场或多场AI面试，将面试的候选人和面试官导入进来即可快速面试。

4.基于人工智能的人才选拔招聘方法，其特征在于，方法包括如下步骤：

S1：系统通过所述后台管理模块建立相应模型；

S2：用人单位通过所述岗位管理模块发布岗位招聘信息；

S3：求职者通过所述人才管理模块发布求职信息；

S4：系统根据人才管理模块，对简历进行筛选及分析，针对用人单位所发布岗位信息与简历库中求职中信息自动匹配最为合适候选人进行面试；针对不符合的候选人进行岗位剔除；

S5：人才画像分析模块对所述拟面试候选人相应情况进行分析筛选，并根据分析结果确定面试候选人；

S6：面试管理模块根据管理里自身需求自定义创建不同类型面试房间，并对候选人提供面试地址；面试候选人的个人信息向用人单位的面试官发送面试推荐问题；

S7：面试管理模块支持自定义出题，面试官根据面试推荐试题向候选人提出问题；

S8：面试候选人根据所述面试问题作出相应回答；

S9：面试结束后，由面试官及AI面试官针对候选人的回答进行智能评分，并生成AI面试报告将结果反馈给候选人；

S10：判断候选人所述评分是否符合岗位所设置分值，若是，则执行步骤S11，若否，则执行S3；

S11：用人单位聘用劳动者，完成招聘。

Images