一种基于云计算的心率监测系统及方法与流程

本发明涉及心率数据监管，具体为一种基于云计算的心率监测系统及方法。

背景技术：

1、如今越来越多的企业通过线上进行员工招聘，并且通过招聘软件找工作的人群也越来越多的同时人才招聘的效率比以往变得更加重要，随着人工智能的发展，ai技术的应用成指数增长，能够通过分析和理解人类语言，实现对简历、求职信等文本信息的提取和理解，利用推荐算法，根据候选人的背景信息和岗位需求，为招聘人员提供推荐的候选人列表，以提高匹配度帮助招聘人员更有效地筛选和评估候选人，节省时间和资源，并提高招聘的准确性和效率。

2、在现有的技术下，由于面试人员的情绪化可能会导致面试人员对招聘岗位的兴趣值并不高从而出现面试人员短暂任职的情况，导致企业的离职率增加，并且浪费了招聘成本、培训成本以及造成生产力损失和团队稳定性受损，无法实现对面试人员的精准录用。

技术实现思路

1、本发明的目的在于提供一种基于云计算的心率监测系统及方法，通过心率监测精准的获取用户在面试的情绪控制程度，更加精准的发现招聘中出现的问题，提高面试者与工作的匹配程度，能够对后续人员录用的情况给出更精准的合理建议；以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于云计算的心率监测方法，所述心率检测方法具体包括以下步骤：

3、s100、基于历史数据获取人力资源专员的面试问题以及招聘岗位的面试要求，对所述人力资源专员的面试问题进行分析，构建人力资源专员的面试问题、招聘岗位以及招聘岗位要求的关联表；

4、s200、获取上传至终端数据库的面试人员数据信息，基于所述招聘岗位要求以及面试人员的数据信息对面试人员与招聘岗位之间的匹配值进行分析，根据面试人员与招聘岗位之间的匹配值对面试人员进行首次筛选；

5、s300、通过大数据获取面试人员的心率初始值，基于所述面试人员的心率初始值对面试人员的心率数据信息进行分析，为了节约时间成本避免面试人员轮岗适应，需要结合面试人员的心率数据信息分析面试人员对招聘岗位的心仪指数；

6、s400、构建综合匹配模型，基于所述综合匹配模型以及面试人员对招聘岗位的心仪指数对面试人员与招聘岗位的综合匹配程度进行分析，根据所述面试人员与招聘岗位的综合匹配程度对面试人员是否录用进行决策。

7、进一步的，所述s100中构建人力资源专员的面试问题、招聘岗位以及招聘岗位要求的关联表的具体方法如下：

8、s101、基于历史数据信息获取人力资源专员的面试问题、招聘岗位以及岗位要求，基于所述招聘岗位以及岗位要求分别生成集合q和wi，其中，q＝{q1、q2、q3...qi}，wi＝{wi1、wi2、wi3...wij}，i＝、2、3...i，i表示为招聘岗位种类的数量，qi表示为第i个招聘岗位，j＝1、2、3...j，j表示为招聘岗位要求数量，wij表示为第i个招聘岗位的第j个招聘要求；

9、s102、获取所述人力资源专员面试问题的属性特征，通过决策分类器有面试问题的属性特征对面试问题进行分类，并且通过优化人工蜂群算法构建面试问题和招聘岗位之间的关联链路，即ei→qi，其中ei表示为面试问题集合，ei＝{ei1、ei2、ei3...eic}，eic表示为第i个工作岗位的第c个面试问题，c＝1、2、3...c，c表示为面试问题的数量；

10、s103、构建面试问题、招聘岗位以及招聘岗位要求之间的关联为：ei→qi，qi→ei，qi→wi，wi→qi。

11、进一步的，所述s200中对面试人员与招聘岗位之间的匹配值进行分析的具体方法如下：

12、s201、通过数据库任意获取一位面试人员a的数据信息，所述数据信息包括历史工作经验以及历史工作时长，基于所述面试人员a的数据信息分别生成集合ua和集合za，ua＝{ua1、ua2、ua3...uar}，za＝{za1、za2、za3...zar}，r＝1、2、3...r，r表示为常数，uar表示为面试人员a第r个历史工作经验，zar表示为面试人员a第r个工作经验的历史工作时长；

13、获取招聘岗位的数据信息，所述招聘岗位的数据信息包括招聘岗位种类数量和招聘岗位要求，基于所述招聘岗位的要求生成集合w，w＝{w1、w2、w3...wp}，p＝1、2、3...p，p表示为所有招聘岗位的要求数量，wp表示为第p个招聘岗位要求，w＝∑wi；

14、s202、当时，由于是对面试人员进行首次筛选，所以将不符合全部招聘岗位要求的面试人员进行剔除，即对面试人员a进行剔除；当时，通过公式：ui＝u∩wi，能够得到面试人员a符合适应招聘岗位要求的历史工作经验集合，其中通过(u∩w)对面试人员a的历史工作经验与所有招聘岗位要求的不同子集进行剔除，说明面试人员a的历史工作经验与所有招聘岗位要求之间存在相符之处，通过u∩wi分析判断出面试人员a与招聘岗位要求之间相符的历史工作经验有哪些，并且面试人员a的历史工作经验是属于哪类招聘岗位；根据所述招聘岗位要求以及招聘岗位种类数量构建多维雷达参照图，通过多维雷达参照图的中点、极径以及边框将所述多维雷达参照图分成面积均为si的等腰三角形，i＝、2、3...i，i表示为多维雷达参照图中等腰三角形的数量，其中多维雷达参照图中等腰三角形的数量与招聘岗位种类数量一致；

15、s203、根据公式：sai＝0.5*lai*pai*sinθi，能够计算得到面试人员a的历史工作经验以及历史工作时长在多维参照雷达图中占用的三角形面积；其中，lai＝k(uai∩wi)/k(wi)，lai表示为面试人员a的历史工作经验在多维雷达参照图中的极径集合，pai表示为面试人员a的历史时长在多维雷达参照图中的极径集合；k(uai∩wi)/k(wi)表示为面试人员a的历史工作经验在适应的招聘岗位要求中的占比，k()表示为子集的数量；θi＝360°/i，则sai＝0.5*lai*pai*sin(360°/i)；

16、s204、通过终端数据库获取面试人员a的心率初始值va以及面试时的心率值v’a，得到面试人员a在面试时的心率变化数据为|v’a-a|，基于大数据获取情绪平稳时的心率变化阈值v1、情绪无法控制时的心率变化阈值v2以及心率变化上限阈值v3；根据公式：当

17、|v’a-a|∈[v3,v2)，k＝k1；当|v’a-a|∈[v2，v1)，k＝k2；当|v’a-a|∈[v1,0)，k＝k3；

18、计算得到面试人员a与招聘岗位之间的匹配权重值；面试人员a与招聘岗位之间的匹配值为fai＝k*sai/si，其中k表示为面试人员a与招聘岗位之间的匹配权重值，当sai增大时，面试人员a与招聘岗位之间的匹配值增大，si为定值即s1＝s2＝...＝si，其中k1＜k2＜k3，当面试人员的心率变化值越大时，说明面试人员的对情绪越难以把握即情绪控制能力差；情绪控制能力差的人容易感到紧张和焦虑，特别是在面对陌生环境和重要场合时；并且情绪控制能力差的人可能更容易受到紧张和挫折的影响，导致情绪失控或情绪爆发，所以当面试人员心率变化值越大时，说明面试人员与招聘岗位之间的匹配值就会越低；健康的成年在安静的状态下心率约为60-100次/分钟，人在紧张的时候心跳能达到80次/分钟以上，大多数为100多次/分钟以上，一般人在剧烈运动时心率最高能达到160-180次/分钟。

19、进一步的，所述s300包括：

20、s301、面试人员在面试时佩戴的耳机内安装四组检测传感器，当用户佩戴的时候，耳廓和耳垂位置会接触四组中的两组，而且即使耳机反戴也会有2组检测器生效，保证了传感器的正常采集数据；耳机采用的心率监测技术是利用光束打在人体皮肤上，当心脏泵血的时候，血管中会充满血液，由于血液倾向于吸收绿色光，反射红色光，因此在心脏收缩和舒张时候，产生的反射光线会有所不同；为了能够准确测量心率，使用的光源为红色和绿色led光源两种，当天气冷或者人的皮肤比较黑的时候，会导致绿色测量光线不够，需要添加红色光源保证光线接收传感器接收到足够的光线，从而进行测量。但是这种心率检测技术需要一个重要的前提是不能有漏光，而且检测部位的皮肤要求血液流通顺畅，人体中耳朵部位的血管可以很好的满足上述需求，同时，因为耳机的外侧耳包可以很好的将耳朵包裹进去从而也阻挡了外部光线对测量产生干扰；所以耳机通过放入的检测反射光的传感器对光线的检测来记录心率来完成对面试人员的心率检测功能，获取到的心率数据信息上传至终端数据库中，基于所述面试人员a符合适应招聘岗位要求的历史工作经验集合uai，当时，基于所述面试人员a与招聘岗位之间的匹配值fai，当fai＝0时，面试人员a与第i种招聘岗位不存在匹配关系，说明面试人员a不适应第i种招聘岗位；对面试人员a适应招聘岗位进行遍历并且按照匹配值由高到低对面试人员a适应的招聘岗位进行排序，得到面试人员a适应招聘岗位的排序qai’以及面试人员a适应招聘岗位之前的匹配值排序fai’，其中i’＝1、2、3...i’，i’表示为面试人员a适应招聘岗位种类的数量，i’≤i；

21、s302、构建综合匹配模型：hai’＝k4*fai’+b，计算得到面试人员a适应岗位的综合匹配值，其中k4表示为系数，b表示为误差项；获取所有面试人员适应招聘岗位的综合匹配值，通过冒泡排序法按照同一招聘岗位面试人员的综合匹配值由高到低对面试人员进行排序，对处于第一位的面试人员进行标识；对被标识的面试人员进行录用得到录用集合y。

22、进一步的，所述s300中面试人员与招聘岗位的综合匹配程度对面试人员是否录用进行决策的具体方法如下：当存在面试人员b被累计标识两次时，获取面试人员b被标识两次的排序中的综合匹配值分别为hbt和hbd，当hbt＞hbd时，面试人员b被录用为招聘岗位t的员工，按照招聘岗位d的综合匹配值对面试人员的排序选取继面试人员b后一位的面试人员且所述后一位的面试人员不属于录用集合y；当hbt＜hbd时，面试人员b被录用为招聘岗位d的员工，按照招聘岗位t的综合匹配值对面试人员的排序选取继面试人员b后一位的面试人员且所述后一位的面试人员不属于录用集合y；当hbt＝hbd时，通过招聘岗位d和t的综合匹配值对面试人员的排序获取继面试人员b后一位且不属于录用集合y的面试人员γ和β的综合匹配值分别为hγd和hβt，当hγd＞hβt时，面试人员b被录用为招聘岗位t的员工；其中，t、b∈{1、2、3...i}且t≠b。

23、一种基于云计算的心率监测系统，所述心率监测系统包括数据采集模块、数据监测模块、模型构建模块和数据分析模块；所述数据采集模块是对历史招聘信息、面试人员数据信息以及面试人员的初始心率进行采集；所述数据监测模块是对面试人员的心率进行监测，通过对面试人员的心率进行监测能够得到心率变化值从而分析面试人员对招聘岗位的心仪程度；所述模型构建模块是构建多维雷达模型和综合匹配模型，通过所述多维雷达模型能够对面试人员与招聘岗位的匹配值进行分析；所述数据分析模块是对面试人员对招聘岗位的心仪指数以及最终人员录用情况进行分析。

24、进一步的，所述数据采集模块包括历史招聘信息采集单元、面试人员数据信息采集单元和初始心率值采集单元；所述历史招聘信息采集单元的输出端与关联关系分析单元的输入端连接，所述初始心率采集单元的输出端与权重分析单元的输入端连接；所述历史招聘信息采集单元是对招聘岗位、招聘岗位要求以及面试问题进行采集；所述面试人员数据信息采集单元是对面试人员的历史工作时长以及工作经验进行采集，通过历史工作时长以及工作经验能够判断面试人员适应的招聘岗位；所述初始心率采集单元是由于每个人的心率以及影响心率变化的因素存在个性化差异，所以需要采集面试人员的初始心率。

25、进一步的，所述数据监测模块包括数据监测单元和数据变化分析单元；所述数据监测单元的输出端与数据变化分析单元的输入端连接，所述数据变化分析单元的输出端与权重分析单元的输入端连接；所述数据监测单元是对面试人员的心率进行监测；所述数据变化分析单元是对面试人员被提问面试问题的心率变化进行分析。

26、进一步的，所述模型构建模块包括多维雷达模型构建单元、岗位匹配值分析单元和综合匹配模型构建单元；所述多维雷达模型构建单元的输出端与岗位匹配值分析单元的输入端连接，所述岗位匹配值分析单元的输出端与权重分析单元的输入端连接，所述综合匹配模型构建单元的输出端与人员录用分析单元的输入端连接；所述多维雷达模型构建单元是基于招聘信息构建一个多维雷达参照图，通过所述多维雷达参照图对面试人员和招聘岗位的匹配值进行分析；所述岗位匹配值分析单元是对面试人员和招聘岗位的匹配值进行分析，通过匹配值能够判断出面试人员适应的招聘岗位；所述综合匹配模型构建单元是通过对面试人员适用的招聘岗位进行综合匹配。

27、进一步的，所述数据分析模块包括关联关系分析单元、权重分析单元和人员录用分析单元；所述关联关系分析单元是对招聘岗位、招聘岗位要求以及面试问题之间的关联关系进行分析；所述权重分析单元是面试人员与招聘岗位之间匹配值的权重进行分析；所述人员录用分析单元是基于综合匹配模型对面试人员是否录用进行决策。

28、与现有技术相比，本发明所达到的有益效果是：本发明通过对招聘信息之间构建关联关系，分析面试人员适应的招聘岗位，并且依据招聘信息之间的关联关系和面试人员与适应的招聘岗位之间的匹配值实现对面试人员精准录用，避免了面试人员短暂任职的情况而导致的企业离职率增加和招聘成本以及培训成本的浪费。