考评模式推荐方法、装置、电子设备及存储介质与流程

1.本技术涉及在线考评技术领域，具体涉及一种考评模式推荐方法、装置、电子设备及存储介质。


背景技术：

2.目前，宠物医师的职称考评都是线下由宠物医师通过纸质作答，由人工评分实现，这种考评方式需要投入大量的人力和物力资源，因此目前的线下宠物医师考评的考评效率低，考评模式单一，考评用户的体验比较差。


技术实现要素：

3.本技术实施例提供了一种考评模式推荐方法，通过匹配度的计算，确定出最适合待考评用户的考评模式，并推荐目标考评模式，实现宠物医师线上考评，减少了人力和物力的投入。
4.第一方面，本技术实施例提供一种考评模式推荐方法，包括：
5.获取待考评用户的考评预约请求；
6.根据所述考评预约请求，确定所述待考评用户将要考评的宠物医师职称；
7.根据所述宠物医师职称以及所述待考评用户的用户特征，确定所述待考评用户分别与至少一个考评模式中的每个考评模式的匹配度；
8.根据所述待考评用户与所述每个考评模式的匹配度，得到目标考评模式；
9.向所述待考评用户的用户终端发送所述目标考评模式，以通过所述目标考评模式对所述待考评用户进行考评。
10.第二方面，本技术实施例提供一种考评模式推荐装置，包括：收发单元和处理单元；
11.所述收发单元，用于获取待考评用户的考评预约请求；
12.所述处理单元，用于根据所述考评预约请求，确定所述待考评用户将要考评的宠物医师职称；
13.根据所述宠物医师职称以及所述待考评用户的用户特征，确定所述待考评用户分别与至少一个考评模式中的每个考评模式的匹配度；
14.根据所述待考评用户与所述每个考评模式的匹配度，得到目标考评模式；
15.所述收发单元，还用于向所述待考评用户的用户终端发送所述目标考评模式，以通过所述目标考评模式对所述待考评用户进行考评。
16.第三方面，本技术实施例提供一种电子设备，包括：处理器，所述处理器与存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述电子设备执行如第一方面所述的方法。
17.第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序使得计算机执行如第一方面所述的方法。
18.第五方面，本技术实施例提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机可操作来使计算机执行如第一方面所述的方法。
19.实施本技术实施例，具有如下有益效果：
20.可以看出，在本技术实施方式中，待考评用户可以通过预约的方式实现线上考评，从而减少了人力和物力的投入，以及简化了宠物医师职称的考评流程，提高了用户进行宠物医师职称考评的体验。此外，当待考评用户通过线上考评宠物医师职称时，可以基于待考评用户的用户特征，以及考评模式的本身特点，向待考评用户推荐最匹配的目标考评模式，进一步提高用户进行宠物医师职称考评的体验。
附图说明
21.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
22.图1为本技术实施例提供的一种考评模式推荐系统的示意图；
23.图2为本技术实施例提供的一种考评模式推荐方法的流程示意图；
24.图3为本技术实施例提供的一种生成考评预约请求的示意图；
25.图4为本技术实施例提供的一种推送目标考评模式的示意图；
26.图5为本技术实施例提供的一种盲源分离说话人的语音信息的示意图；
27.图6为本技术实施例提供的一种生成待考评用户的语速的示意图；
28.图7为本技术实施例提供的一种考评模式推荐装置的功能单元组成框图；
29.图8为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
30.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
31.本技术的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
32.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结果或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
33.参阅图1，图1为本技术实施例提供的一种考评模式推荐方法。宠物医师在线考评
系统包括第一用户终端10、第二用户终端20、考评模式推荐装置30。其中，第一用户终端10为待考评用户的用户终端，第二用户终端20为待考评用户考评过程中使用的用户终端，例如，当该宠物医师职称需要在设定的考场考评时，则该第二用户终端20为考场的考评终端，比如，考场的计算机设备；当该宠物医师职称可以在用户终端上进行考评时，则该第二用户终端20可以为该待考评用户自己的用户终端。因此，在实际应用中，第一用户终端10和第二用户终端20可以为同一个用户终端，也可以是不同的用户终端，本技术对此不做限定。考评模式推荐装置30可支持至少一种考评模式，例如，该至少一种考评模式为网页考评、语音考评以及视频考评，当然在实际应用中还可以包含其他形式的考评模式。
34.示例性的，待考评用户可以通过第一用户终端向考评模式推荐装置30发送考评预约请求；考评模式推荐装置30根据该考评预约请求确定该待考评用户将要参加的宠物医师职称；根据该宠物医师职称以及待考评用户的用户特征，确定该待考评用户分别与该至少一个考评模式中的每个考评模式的匹配度。然后，考评模式推荐装置30根据所述待考评用户与所述每个考评模式的匹配度确定目标考评模式，即将匹配度最大的考评模式作为目标考评模式，并向第一用户终端10推送该目标考评模式，以通过所述目标考评模式对所述待考评用户进行考评。待考评用户在获取到目标考评模式之后，可以选择目标考评模式进行该宠物医师职称的考评。最后，考评模式推荐装置30可以将待考评用户的考评结果展示在其维护的网站首页，以便待宠物医师进行考评结果的查询与复核。
35.可以看出，在本技术实施方式中，待考评用户可以通过预约的方式实现线上考评，从而减少了人力和物力的投入，以及简化了宠物医师职称的考评流程，提高了用户进行宠物医师职称考评的体验。此外，当待考评用户通过线上考评宠物医师职称时，可以基于待考评用户的用户特征，以及考评模式的本身特点，向待考评用户推荐最匹配的目标考评模式，进一步提高用户进行宠物医师职称考评的体验。
36.参阅图2，图2为本技术实施例提供的一种宠物医师在线考评方法的流程示意图。该方法应用于上述的考评模式推荐装置30。该方法包括以下步骤内容：
37.201：获取待考评用户的考评预约请求。
38.示例性的，与考评模式推荐装置30相适应的，待考评用户的用户终端上安装有应用程序或者登录该考评模式推荐装置所维护的考评网页。这样待考评用户可以通过应用程序或者考评网页向考评模式推荐装置30发送考评预约请求。
39.示例性的，该考评预约请求中携带有该待考评用户将要参加的宠物医师职称，以及该待考评用户的用户特征，比如，待考评用户的年龄、性别、居住地址，等等。
40.具体地，如图3所示，在考评网页或者应用程序的展示页面设置有各类宠物医师职称的功能按钮，以及信息输入域，待考评用户可以通过点击将要考评的宠物医师职称的功能按钮，以及在信息输入域输入该待宠物医师的用户特征，从而生成该考评预约请求。
41.202：根据所述考评预约请求，确定所述待考评用户将要参加的宠物医师职称。
42.示例性的，对该考评预约请求进行解析，得到该宠物医师职称。
43.203：根据所述宠物医师职称以及所述待考评用户的用户特征，确定所述待考评用户分别与至少一个考评模式中的每个考评模式的匹配度。
44.示例性的，针对第一考评模式来说，根据该宠物医师职称，以及该第一考评模式所支持的宠物医师职称，确定该第一考评模式的第一匹配度，其中，该第一考评模式为该至少
一种考评模式中的任意一种，即本技术中以第一考评模式为例说明，确定该待考评用户与该第一考评模式的匹配度的过程，其他考评模式的匹配度的确定过程与此类似，不再叙述。
45.应说明，针对不同的考评模式，所能支持的考评职称(考评内容)是有限的，比如，网页考评和语音考评能支持的考评内容为宠物医师理论知识的考评，而视频考评既能支持理论知识的考评，又能支持宠物医师临床操作的考评。
46.因此，基于该宠物医师职称，确定该宠物医师职称所对应的考评内容，若该第一考评模式支持该考评内容，则确定该第一考评模式的第一匹配度为1，若该第一考评模式不支持该考评内容，则确定该第一考评模式的第一匹配度为0。
47.进一步地，根据待考评用户的用户特征，确定该第一考评模式的第二匹配。
48.其中，所述用户特征包括所述待考评用户的居住地址和所述待考评用户的年龄。可选地，确定能够支持所述第一考评模式，且距离所述居住地址最近的候选考场，例如，首先获取能够支持该第一考评模式的所有考场，然后再从该所有考场中筛选出距离该居住地址最近的候选考场；然后，根据所述待考评用户的年龄，确定所述待考评用户对所述第一考评模式的熟练程度，例如，可以根据预先设定的年龄、考评模式以及熟练程度之间的映射关系，确定出该待考评用户对该第一考评模式的熟练程度，其中，该数量程度通过0到1之间的取值表示，且取值越大，表示熟练程度越高；最后，根据所述候选考场与所述居住地址之间的距离，以及所述熟练程度，确定所述第一考评模式的第二匹配度。
49.示例性的，第一考评模式的第二匹配度可以通过公式(1)表示：
[0050][0051]
其中，r为第一考评模式的第二匹配度，w为熟练程度，d为候选考场与待考评用户的居住地址之间的距离。
[0052]
进一步地，根据该第一考评模式的第一匹配度和第二匹配度，确定第一考评模式的匹配度。例如，可以将第一匹配度和第二匹配度进行加权求和，得到该第一考评模式的匹配度；又如，可以将第一匹配度和第二匹配度进行乘积处理，得到该第一考评模式的匹配度。
[0053]
204：根据所述待考评用户与所述每个考评模式的匹配度，得到目标考评模式。
[0054]
示例性的，获取每个考评模式的匹配度，将匹配度最大的考评模式作为该目标考评模式。
[0055]
205：向所述待考评用户的用户终端发送所述目标考评模式，以通过所述目标考评模式对所述待考评用户进行考评。
[0056]
示例性的，考评模式推荐装置可以将该目标考评模式推送给该待考评用户的用户终端，并在该用户终端显示该目标考评模式。可选地，如图4所示，当待宠物医师通过应用程序预约时，则可以在应用程序的显示页面显示该目标考评模式。可选地，如图4所示，当待宠物医师通过网页预约时，则可以在网页的显示页面显示该目标考评模式。此外，如图4所示，在显示目标考评模式的同时，可以显示提示信息，该提示信息用于提示该待考评用户与该目标考评模式适配，建议待考评用户通过所述目标考评模式对所述待考评用户进行考评。
[0057]
可以看出，在本技术实施方式中，待考评用户可以通过预约的方式实现线上考评，从而减少了人力和物力的投入，以及简化了宠物医师职称的考评流程，提高了用户进行宠
物医师职称考评的体验。此外，当待考评用户通过线上考评宠物医师职称时，可以基于待考评用户的用户特征，以及考评模式的本身特点，向待考评用户推荐最匹配的目标考评模式，进一步提高用户进行宠物医师职称考评的体验。
[0058]
在本技术的一个实施方式中，向所述待考评用户的用户终端发送提示信息，其中，所述提示信息包括网页链接，所述网页链接对应的网页显示有待考评用户的考评结果，以便待考评用户通过所述网页链接查询所述考评结果，即在得到考评结果之后，将该考评结果的链接自动推送给待考评用户的用户终端，从而便于待考评用户及时获取到考评结果，无需待考评用户主动查询考评结果。
[0059]
在本技术的一个实施方式中，在向所述待考评用户的用户终端发送所述目标考评模式之后，还可以在考评时刻到来时，检测该待考评用户所选择的考评模式，即在考评时刻到来时，获取各个宠物医师的登录信息，基于该登录信息确定出该待考评用户所选择的考评模式。在确定所述待考评用户通过所述目标考评模式参加所述宠物医师职称的考评时，获取与所述目标考评模式对应的作弊预测策略；通过所述作弊预测策略预测所述待考评用户的作弊概率。
[0060]
可以看出，在本实施方式中，在检测待考评用户采用目标考评模式进行考评时，可通过该目标考评模式对应的作弊预测策略去预测待考评用户的作弊概率，从而可以有效的阻值待考评用户线上考评的作弊行为，提高了线上宠物医师职称考评的公平性。
[0061]
可选地，在本技术的一个实施方式中，当该目标考评模式为网页考评时，基于所述待考评用户针对考评网页的操作行为生成日志文件，得到所述待考评用户在考评过程中的日志文件序列，其中，所述日志文件序列中的任意一个日志文件为所述考评网页的内容发生变化后，对所述考评网页的内容进行序列化得到的。获取所述日志文件序列中任意两个相邻日志文件所记载的网页内容之间的相关度，以及获取序列化所述任意两个相邻日志文件的时间差；根据所述相关度和所述时间差，确定所述待考评用户的作弊概率。
[0062]
示例性的，当待考评用户进入考评网页时，首先会打开一个初始页面，考评模式推荐装置会记录该初始页面的dom节点上的所有信息，此时记录下的信息也就是初始页面对应的网页内容。然后，考评模式推荐装置将该初始页面的dom节点上所有信息序列化为第一日志文件，则该第一日志文件包含该初始页面的页面结构和页面上所有的内容信息(即页面内容，比如，页面上的信息输入域，以及各个宠物医师职称的功能按钮)；最后，实时监听当前考评页面上的dom节点的变化，在每次监听当前考评页面上的dom节点发生变化的情况下，比如，待考评用户当前点击了考评页面上的某个功能按钮，或者，在信息输入域中输入了信息，则可以监听到当前考评页面的dom节点发生了变化，则可以把相对于该当前考评页面变化的dom节点序列化为第二日志文件。最后，将该第一日志文件以及在整个考评过程中，每次dom节点发生变化后进行序列化得到的第二日志文件进行组合，得到该日志文件序列。
[0063]
进一步地，获取该日志文件序列中任意两个相邻日志文件所记载的网页内容。示例性的，针对第一日志文件来说，可以直接反序列化得到该第一日志文件所记载的网页内容(即初始页面上的网页内容)，对于任意一个第二日志文件来说，由于其记载的内容是当前考评页面相对于前一个页面的变化内容，因此在反序列化的过程中，基于该变化内容，以及结合前一个日志文件所记载的网页内容，得到该任意一个第二日志文件所记载的网页内
容。
[0064]
进一步地，基于该日志文件序列中任意一个日志文件的序列化时间，确定日志文件序列中该任意两个相邻日志文件的时间差，即两个相邻日志文件的序列化时间之间的差值。
[0065]
进一步地，基于该任意两个相邻日志文件所记载的网页内容，确定该任意两个相邻日志文件所记载的网页内容之间的相关度。示例性的，对该任意两个相邻日志文件所记载的网页内容进行向量化，得到每个相邻日志文件对应的特征向量，将两个相邻日志文件对应的两个特征向量之间的欧式距离作为该任意两个相邻日志文件所记载的网页内容之间的相关度。
[0066]
最后，基于该相关度以及该任意两个相邻日志文件的时间差，确定任意两个相邻日志文件之间的相似度。应说明，对于任意两个相邻日志文件来说，两者的相关度越大，且时间差越大的情况下，也就表征待考评用户的注意力不在该考评网页上，可能存在切屏或者查找资料的行为，也就说明作弊的概率越大。因此，该任意两个相邻日志文件之间的相似度可以通过公式(2)表示：
[0067][0068]
其中，g为该任意两个日志文件所记载的网页内容之间的相关度，δt为任意两个相邻日志文件之间的时间差。
[0069]
最后，基于该任意两个相邻日志文件的相似度，确定该日志文件序列对应的多个相似度，即将该日志文件序列中所有相邻的两个日志文件之间的相似度全部计算出，可得到该多个相似度；基于该多个相似度，确定该待考评用户的作弊概率。例如，将多个相似度中最大的相似度作为该待考评用户的作弊概率；或者，将该多个相似度的平均值作为该待考评用户的作弊概率；或者，将多个相似度中大于相似度阈值的相似度的平均值作为该待考评用户的作弊概率。
[0070]
可以看出，在本实施方式中，当待考评用户采用网页考评进行宠物医师职称的考评时，可以通过待考评用户对网页的操作行为，进行作弊概率的预测，有效的阻止待考评用户的作弊行为，提高考评的公平性。此外，在作弊概率的预测过程中，通过对网页的操作时间，以及网页之间的相关度，综合预测作弊概率，使预测的作弊概率的精度比较高，提高了对作弊行为检测的精度。
[0071]
可选地，在本技术的另一个实施方式中，当所述目标考评模式为语音考评时，获取所述待考评用户的考评语音；对所述考评语音进行盲源分离，得到至少一个第一说话人的音频信息；对至少一个第二说话人中的每个所述第二说话人的音频信息进行文本识别，得到每个所述第二说话人的文本内容，其中，所述至少一个第二说话人所述至少一个第一说话人中的除所述待考评用户之外的所有说话人；确定每个所述第二说话人的文本内容与所述宠物医师职称的相关度；将所述至少一个第二说话人中的最大相关度作为所述待考评用户的作弊概率。
[0072]
示例性的，考评模式推荐装置可以通过外呼系统获取待宠物医师在考评过程中的考评语音。如图5所示，对该考评语音进行盲源分离，得到至少一个第一说话人的音频信息，即得到在待考评用户的考评过程中，该待考评用户的说话语音，以及该待考评用户附近的
人的说话语音。
[0073]
进一步地，如图5所示，对每个第一说话人的音频信息进行特征识别，得到该待考评用户的音频信息，即从至少一个第一说话人中确定出至少一个第二说话人；然后对每个第二说话人的音频信息进行文本识别，得到每个第二说话人的文本内容；进一步地，确定每个第二说话人在该待考评用户考评过程中的说话时段，确定该待考评用户在该说话时段所考评的内容；基于该待考评用户在该说话时段所考评的内容，以及每个第二说话人在该说话时段所说的文本内容，确定每个第二说话人的文本内容与宠物医师职称的相关度。例如，当某个第二说话人在该说话时段所说的文本内容与该待考评用户在该说话时段所考评的内容是相关的，则确定该第二说话人的文本内容与宠物医师职称的相关度为1，若不相关，则确定该第二说话人的文本内容与宠物医师职称的相关度为0。
[0074]
应说明，若该第二说话人在待考评用户考评过程中，有多个说话时间段，也就是说在待考评用户考评过程中，该第二说话人说了多次话。针对每个说话时段，均按照上述确定相关度的方式，得到每个说话时段对应的相关度。进一步地，针对该第二说话人的多个说话时段，若存在至少一个第二说话时间段的相关度为1，则确定该第二说话人的文本内容与宠物医师职称的相关度为1，若多个说话时间段的相关度均为0，则确定该第二说话人的文本内容与宠物医师职称的相关度为1。
[0075]
在本技术的又一个实施方式中，针对上述待考评用户的作弊概率预测主要是通过语音分离的方式进行预测，若其他人通过文字方式辅助待考评用户进行考评作弊时，上述语音分离的方式则无法检测出作弊行为。
[0076]
针对上述的问题，在基于语音分离预测出该待考评用户的作弊概率为0时，对待考评用户的语音信息进行分析，得到该待考评用户的第一作弊概率，将该第一作弊概率作为待考评用户采用语音考评过程中的作弊概率。
[0077]
具体地，对待考评用户的语音信息进行文本识别，得到该待考评用户的文本内容，如图6所示，对语音信息进行文本识别，得到文本内容(x
1 x2x
3 x4x5x6x7)。基于该待考评用户的文本内容，得到多个考评时间段，如图6所示，基于该文本内容(x
1 x2x
3 x
4 x5x6x7……
)可得到多个考评时间段分别为：t1、t2、t3、t4、
……
，其中，在任意一个考评时间段内该待考评用户完成一项知识内容的考评。
[0078]
应理解的是，待考评用户进行考评时，分别对单项知识内容进行考评(比如，可以以选择题的方式进行考评，也可以以论述题的方式进行考评)，并且针对每项知识内容的考评，待考评用户需要针对每项知识内容进行回答，因此该待考评用户的文本内容是该待考评用户针对每个知识内容的回答内容组成的，因此基于文本内容中的文本之间的关联性，对该文本内容进行分段，得到多个文本段，其中，每个文本段的语义困惑度低于阈值。如图6所示，对文本内容进行分段，可以得到多个文本段分别为：(x1)、(x2x3)、(x4)、(x5x6x7)、
……
。然后，获取对语音信息识别时，该语音信息中与每个文本段对应的语音信息段；然后，将每个文本段对应的语音信息段所对应的时间作为一个考评时间段，得到多个考评时间段。
[0079]
进一步地，针对任意一个考评时间段，确定该待考评用户的语速。示例性的，基于该待考评用户在该考评时间段的文本段，确定该待考评用户在该考评时间段内的单词数量；将该单词数量与该考评时间段的时长的比值作为该待考评用户在该考评时间段内的语
速，针对于多个考评时间段可以得到多个语速。如图6所示，可得到多个语速分别为：v1、v2、v3、v4、
……
。
[0080]
进一步地，针对该多个语速，确定该待考评用户的第一作弊概率。具体地，获取该多个语速的中位数；获取该多个语速中每个语速与该中位数的差值；获取该多个语速中差值大于阈值的目标语速；将目标语速与该中位数的差值与该中位数的比值作为该第一作弊概率。应理解的是，若目标语速的数量为多个，则将多个目标语速对应的比值的平均值作为该第一作弊概率。
[0081]
可以看出，在本实施例中，在基于语音分离预测出的作弊概率为0时，通过待考评用户的语音信息的本身特征再次预测作弊概率，从而提高了对作弊概率的预测精度，提高了作弊行为的检测精度。
[0082]
应说明，在实际应用中，基于上述盲源分离预测待考评用户的作弊概率，以及本实施方式中通过语音分析得到第一作弊概率，这两种预测概率的方式可以独立使用，也可以结合使用，比如，上述基于语音分离预测出的作弊概率为0时再使用语音分析得到第一作弊概率，将第一作弊概率作为语音考评过程中的作弊概率。当然，也可以使用语音分析得到作弊概率，再通过盲源分离预测作弊概率。因此本技术对使用方式不做限定。
[0083]
在本技术的一个实施方式中，基于上述预测出的作弊概率，若该作弊概率大于阈值，则向该待考评用户的用户终端发送提示信息，该提示信息用于提示该待考评用户存在作弊行为，需及时提交证明。
[0084]
参阅图7，图7本技术实施例提供的一种考评模式推荐装置的功能单元组成框图。考评模式推荐装置700包括：收发单元701和处理单元702；
[0085]
收发单元701，用于获取待考评用户的考评预约请求；
[0086]
处理单元，702用于根据所述考评预约请求，确定所述待考评用户将要考评的宠物医师职称；
[0087]
根据所述宠物医师职称以及所述待考评用户的用户特征，确定所述待考评用户分别与至少一个考评模式中的每个考评模式的匹配度；
[0088]
根据所述待考评用户与所述每个考评模式的匹配度，得到目标考评模式；
[0089]
收发单元701，还用于向所述待考评用户的用户终端发送所述目标考评模式，以通过所述目标考评模式对所述待考评用户进行考评。
[0090]
在本技术的一个实施方式中，在根据所述宠物医师职称以及所述待考评用户的用户特征，确定所述待考评用户分别与至少一个考评模式中的每个考评模式的匹配度方面，处理单元702，具体用于：
[0091]
针对第一考评模式，根据所述宠物医师职称和所述第一考评模式所支持的宠物医师职称，确定所述第一考评模式的第一匹配度，其中，所述第一考评模式为所述至少一个考评模式中的任意一个；
[0092]
根据所述待考评用户的用户特征，确定所述第一考评模式的第二匹配度；
[0093]
根据所述第一考评模式的第一匹配度，以及所述第一考评模式的第二匹配度，确定所述第一考评模式的匹配度；
[0094]
根据所述第一考评模式的匹配度，确定所述每个考评模式的匹配度。
[0095]
在本技术的一个实施方式中，所述用户特征包括所述待考评用户的居住地址和所
述待考评用户的年龄；在根据所述待考评用户的用户特征，确定所述第一考评模式的第二匹配度方面，处理单元702，具体用于：
[0096]
获取能够支持所述第一考评模式，且距离所述居住地址最近的候选考场；
[0097]
根据所述待考评用户的年龄，确定所述待考评用户对所述第一考评模式的熟练程度；
[0098]
根据所述候选考场与所述居住地址之间的距离，以及所述熟练程度，确定所述第一考评模式的第二匹配度。
[0099]
在本技术的一个实施方式中，收发单元701向所述待考评用户的用户终端发送所述目标考评模式之后，处理单元702，还用于在确定所述待考评用户通过所述目标考评模式参加所述宠物医师职称的考评时，获取与所述目标考评模式对应的作弊预测策略；通过所述作弊预测策略预测所述待考评用户的作弊概率。
[0100]
在本技术的一个实施方式中，当所述目标考评模式为网页考评时，在通过所述作弊预测策略预测所述待考评用户的作弊概率方面，处理单元702，具体用于：
[0101]
基于所述待考评用户针对考评网页的操作行为生成日志文件，得到所述待考评用户在考评过程中的日志文件序列，其中，所述日志文件序列中的任意一个日志文件为所述考评网页的内容发生变化后，对所述考评网页的内容进行序列化得到的；
[0102]
获取所述日志文件序列中任意两个相邻日志文件所记载的网页内容之间的相关度，以及获取序列化所述任意两个相邻日志文件的时间差；
[0103]
根据所述相关度和所述时间差，确定所述待考评用户的作弊概率。
[0104]
在本技术的一个实施方式中，当所述目标考评模式为语音考评时，在通过所述作弊预测策略预测所述待考评用户的作弊概率方面，处理单元702，具体用于：
[0105]
获取所述待考评用户的考评语音；
[0106]
对所述考评语音进行盲源分离，得到至少一个第一说话人的音频信息；
[0107]
对至少一个第二说话人中的每个所述第二说话人的音频信息进行文本识别，得到每个所述第二说话人的文本内容，其中，所述至少一个第二说话人所述至少一个第一说话人中的除所述待考评用户之外的所有说话人；
[0108]
确定每个所述第二说话人的文本内容与所述宠物医师职称的相关度；
[0109]
将所述至少一个第二说话人中的最大相关度作为所述待考评用户的作弊概率。
[0110]
在本技术的一个实施方式中，收发单元701还用于：
[0111]
向所述待考评用户的用户终端发送提示信息，其中，所述提示信息包括网页链接，所述网页链接对应的网页展示有所述待考评用户的考评结果，以便所述待考评用户通过所述网页链接查询所述考评结果。
[0112]
参阅图8，图8为本技术实施例提供的一种电子设备的结构示意图。如图8所示，电子设备800包括收发器801、处理器802和存储器803。它们之间通过总线804连接。存储器803用于存储计算机程序和数据，并可以将存储器803存储的数据传输给处理器802。
[0113]
处理器802用于读取存储器803中的计算机程序执行以下操作：
[0114]
控制收发器801获取待考评用户的考评预约请求；
[0115]
根据所述考评预约请求，确定所述待考评用户将要考评的宠物医师职称；
[0116]
根据所述宠物医师职称以及所述待考评用户的用户特征，确定所述待考评用户分
别与至少一个考评模式中的每个考评模式的匹配度；
[0117]
根据所述待考评用户与所述每个考评模式的匹配度，得到目标考评模式；
[0118]
控制收发器801向所述待考评用户的用户终端发送所述目标考评模式，以通过所述目标考评模式对所述待考评用户进行考评。
[0119]
在本技术的一个实施方式中，在根据所述宠物医师职称以及所述待考评用户的用户特征，确定所述待考评用户分别与至少一个考评模式中的每个考评模式的匹配度方面，处理器802，具体用于执行以下操作：
[0120]
针对第一考评模式，根据所述宠物医师职称和所述第一考评模式所支持的宠物医师职称，确定所述第一考评模式的第一匹配度，其中，所述第一考评模式为所述至少一个考评模式中的任意一个；
[0121]
根据所述待考评用户的用户特征，确定所述第一考评模式的第二匹配度；
[0122]
根据所述第一考评模式的第一匹配度，以及所述第一考评模式的第二匹配度，确定所述第一考评模式的匹配度；
[0123]
根据所述第一考评模式的匹配度，确定所述每个考评模式的匹配度。
[0124]
在本技术的一个实施方式中，所述用户特征包括所述待考评用户的居住地址和所述待考评用户的年龄；在根据所述待考评用户的用户特征，确定所述第一考评模式的第二匹配度方面，处理器802，具体用于执行以下操作：
[0125]
获取能够支持所述第一考评模式，且距离所述居住地址最近的候选考场；
[0126]
根据所述待考评用户的年龄，确定所述待考评用户对所述第一考评模式的熟练程度；
[0127]
根据所述候选考场与所述居住地址之间的距离，以及所述熟练程度，确定所述第一考评模式的第二匹配度。
[0128]
在本技术的一个实施方式中，
[0129]
控制收发器801向所述待考评用户的用户终端发送所述目标考评模式之后，处理器802，还用于执行以下操作：
[0130]
在确定所述待考评用户通过所述目标考评模式参加所述宠物医师职称的考评时，获取与所述目标考评模式对应的作弊预测策略；通过所述作弊预测策略预测所述待考评用户的作弊概率。
[0131]
在本技术的一个实施方式中，当所述目标考评模式为网页考评时，在通过所述作弊预测策略预测所述待考评用户的作弊概率方面，处理器802，具体用于执行以下操作：
[0132]
基于所述待考评用户针对考评网页的操作行为生成日志文件，得到所述待考评用户在考评过程中的日志文件序列，其中，所述日志文件序列中的任意一个日志文件为所述考评网页的内容发生变化后，对所述考评网页的内容进行序列化得到的；
[0133]
获取所述日志文件序列中任意两个相邻日志文件所记载的网页内容之间的相关度，以及获取序列化所述任意两个相邻日志文件的时间差；
[0134]
根据所述相关度和所述时间差，确定所述待考评用户的作弊概率。
[0135]
在本技术的一个实施方式中，当所述目标考评模式为语音考评时，在通过所述作弊预测策略预测所述待考评用户的作弊概率方面，处理器802，具体用于执行以下操作：
[0136]
获取所述待考评用户的考评语音；
[0137]
对所述考评语音进行盲源分离，得到至少一个第一说话人的音频信息；
[0138]
对至少一个第二说话人中的每个所述第二说话人的音频信息进行文本识别，得到每个所述第二说话人的文本内容，其中，所述至少一个第二说话人所述至少一个第一说话人中的除所述待考评用户之外的所有说话人；
[0139]
确定每个所述第二说话人的文本内容与所述宠物医师职称的相关度；
[0140]
将所述至少一个第二说话人中的最大相关度作为所述待考评用户的作弊概率。
[0141]
在本技术的一个实施方式中，处理器802还用于执行以下操作：
[0142]
控制收发器801向所述待考评用户的用户终端发送提示信息，其中，所述提示信息包括网页链接，所述网页链接对应的网页展示有所述待考评用户的考评结果，以便所述待考评用户通过所述网页链接查询所述考评结果。
[0143]
具体地，上述收发器801可为图7所述的实施例的考评模式推荐装置700的收发单元701，上述处理器802可以为图7所述的实施例的考评模式推荐装置700的处理单元702。
[0144]
应理解，本技术中的电子设备可以包括智能手机(如android手机、ios手机、windows phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备mid(mobile internet devices，简称：mid)或穿戴式设备等。上述电子设备仅是举例，而非穷举，包含但不限于上述电子设备。在实际应用中，上述电子设备还可以包括：智能车载终端、计算机设备等等。
[0145]
本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如上述方法实施例中记载的任何一种考评模式推荐方法的部分或全部步骤。
[0146]
本技术实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种考评模式推荐方法的部分或全部步骤。
[0147]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本技术所必须的。
[0148]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0149]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
[0150]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目
的。
[0151]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
[0152]
所述集成的单元如果以软件程序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器中。基于这样的理解，本技术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全部或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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储器包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0153]
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：read-only memory，简称：rom)、随机存取器(英文：random access memory，简称：ram)、磁盘或光盘等。
[0154]
以上对本技术实施例进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。