一种面试评估方法和装置与流程

1.本发明涉及计算机技术领域，特别涉及人工智能技术领域，尤其涉及一种面试评估方法和装置。


背景技术：

2.企业的正常运行需要员工，聘用合适的员工对于企业来说是至关重要的。目前，在企业进行员工面试的时候，面试官随机挑选面试问题向应试者提问，面试官的水平参差不齐，并且在提问的时候，对不同应试者提出的面试问题难度不同且最终的面试结果由面试官主观确定，缺乏客观性和公平性。


技术实现要素：

3.本发明的一个目的在于提供一种面试评估方法，能够综合面试官的水平等级对应试者进行面试评估，提高面试结果的客观性和公平性。本发明的另一个目的在于提供一种面试评估装置。本发明的再一个目的在于提供一种计算机可读介质。本发明的还一个目的在于提供一种计算机设备。
4.为了达到以上目的，本发明一方面公开了一种面试评估方法，包括：
5.对获取的面试官的技能信息进行评估，得到面试官的面试等级；
6.根据获取的应试者的多个面试分数和每个面试分数对应的面试官的面试等级，生成面试结果。
7.优选的，对获取的面试官的技能信息进行评估，得到面试官的面试等级，包括：
8.通过构建的面试等级评估模型，对获取的面试官的技能信息进行评估，得到面试官的面试等级。
9.优选的，在通过构建的面试等级评估模型，对获取的面试官的技能信息进行评估，得到面试官的面试等级之前，还包括：
10.获取样本数据集，样本数据集包括技能样本和等级样本；
11.通过技能样本和等级样本，对粒子群反向传播神经网络算法进行训练，构建面试等级评估模型。
12.优选的，根据获取的应试者的多个面试分数和每个面试分数对应的面试官的面试等级，生成面试结果，包括：
13.将每个面试分数对应的面试官的面试等级作为权重，对应试者的多个面试分数进行加权计算，得到加权结果；
14.按照面试官的数量，对加权结果取平均值，得到面试分数；
15.通过设置的面试判决规则，根据面试分数，生成面试结果。
16.优选的，面试判决规则包括当面试分数大于或等于设置的分数阈值时，面试通过；通过设置的面试判决规则，根据面试分数，生成面试结果，包括
17.若面试分数大于或等于设置的分数阈值，生成面试通过的面试结果；
18.若面试分数小于设置的分数阈值，生成面试失败的面试结果。
19.优选的，技能信息包括专业技能度、决策能力数据、评价均值和互评均值。
20.本发明还公开了一种面试评估装置，包括：
21.评估单元，用于对获取的面试官的技能信息进行评估，得到面试官的面试等级；
22.生成单元，用于根据获取的应试者的多个面试分数和每个面试分数对应的面试官的面试等级，生成面试结果。
23.优选的，评估单元，具体用于通过构建的面试等级评估模型，对获取的面试官的技能信息进行评估，得到面试官的面试等级。
24.优选的，装置还包括：
25.获取单元，用于获取样本数据集，样本数据集包括技能样本和等级样本；
26.训练单元，用于通过技能样本和等级样本，对粒子群反向传播神经网络算法进行训练，构建面试等级评估模型。
27.优选的，生成单元，具体用于将每个面试分数对应的面试官的面试等级作为权重，对应试者的多个面试分数进行加权计算，得到加权结果；按照面试官的数量，对加权结果取平均值，得到面试分数；通过设置的面试判决规则，根据面试分数，生成面试结果。
28.优选的，面试判决规则包括当面试分数大于或等于设置的分数阈值时，面试通过；
29.生成单元，具体用于若面试分数大于或等于设置的分数阈值，生成面试通过的面试结果；若面试分数小于设置的分数阈值，生成面试失败的面试结果。
30.本发明还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。
31.本发明还公开了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述处理器执行所述程序时实现如上所述方法。
32.本发明还公开了一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现如上所述方法。
33.本发明对获取的面试官的技能信息进行评估，得到面试官的面试等级；根据获取的应试者的多个面试分数和每个面试分数对应的面试官的面试等级，生成面试结果，能够综合面试官的水平等级对应试者进行面试评估，提高面试结果的客观性和公平性。
附图说明
34.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的前提下，还可以根据这些附图获得其他的附图。
35.图1为本发明实施例提供的一种面试评估方法的流程图；
36.图2为本发明实施例提供的又一种面试评估方法的流程图；
37.图3为本发明实施例提供的一种生成面试结果的流程图；
38.图4为本发明实施例提供的一种面试评估装置的结构示意图；
39.图5为本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
40.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做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。
41.需要说明的是，本技术公开的一种面试评估方法和装置可用于人工智能技术领域，也可用于除人工智能技术领域之外的任意领域，本技术公开的一种面试评估方法和装置的应用领域不做限定。
42.下面以面试评估装置作为执行主体为例，说明本发明实施例提供的面试评估方法的实现过程。可理解的是，本发明实施例提供的面试评估方法的执行主体包括但不限于面试评估装置。
43.图1为本发明实施例提供的一种面试评估方法的流程图，如图1所示，该方法包括：
44.步骤101、对获取的面试官的技能信息进行评估，得到面试官的面试等级。
45.步骤102、根据获取的应试者的多个面试分数和每个面试分数对应的面试官的面试等级，生成面试结果。
46.值得说明的是，本技术中技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。本技术实施例中的用户信息均是通过合法合规途径获得，并且对用户信息的获取、存储、使用、处理等经过客户授权同意的。
47.本发明实施例提供的技术方案中，对获取的面试官的技能信息进行评估，得到面试官的面试等级；根据获取的应试者的多个面试分数和每个面试分数对应的面试官的面试等级，生成面试结果，能够综合面试官的水平等级对应试者进行面试评估，提高面试结果的客观性和公平性。
48.图2为本发明实施例提供的又一种面试评估方法的流程图，如图2所示，该方法包括：
49.步骤201、获取样本数据集，样本数据集包括技能样本和等级样本。
50.本发明实施例中，各步骤由面试评估装置执行。
51.本发明实施例中，样本数据集可以从数据库中获取，样本数据集为面试官的历史信息的集合，包括技能样本和等级样本。其中，技能样本包括但不限于历史专业技能度、历史决策能力数据、历史评价均值和历史互评均值；等级样本包括每个面试官的技能样本对应的等级。
52.本发明实施例中，专业技能度是面试官本身的专业技能的水平，是预先确定的值；决策能力数据是历史面试结果与该面试官决策的一致性的百分比，即：历史应试者最终被录取的结果中，该面试官对该应试者的决策也为录取的决策在总面试次数中的百分比；评价均值为应试者对每个面试官的评价度均值；互评均值为面试官相互评价的评价分值均值。
53.值得说明的是，面试官的等级可以具备多种表现形式，包括但不限于数字等级，例如：1级、2级等，数字等级越高表明面试官等级越高；或者文字等级，例如：高级、中级、低级。
54.值得说明的是，本技术中技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。本技术实施例中的用户信息均是通过合法合规途径获得，并且对
用户信息的获取、存储、使用、处理等经过客户授权同意的。
55.步骤202、通过技能样本和等级样本，对粒子群反向传播(bp)神经网络算法进行训练，构建面试等级评估模型。
56.本发明实施例中，将技能样本作为面试等级评估模型的输入，等级样本作为面试等级评估模型的输出，对粒子群bp神经网络算法进行迭代训练，直至满足算法终止条件，构建得到面试等级评估模型。粒子群算法基于“种群”和“进化”的概念，通过个体间的协作与竞争，实现复杂空间最优解的搜索。
57.首先确定粒子群bp神经网络结构，包括输入层、隐含层和输出层，输入层的层数为4，输出层的层数为3，由经验公式确定出隐含层的层数为2a-1，其中，a为输入层的层数，即：隐含层的层数为7；初始化模型参数，模型参数包括但不限于每个粒子的速度、位置、惯性因子和迭代次数，将bp神经网络阈值作为粒子位置纬度值；将模型参数、bp神经网络权重和样本数据集输入到粒子群bp神经网络算法；粒子群bp神经网络算法对粒子的速度v
id
和位置x
id
进行更新计算，具体地，通过v
id
＝ωv
id
+c1random(0,1)(p
id-x
id
)+c2random(0,1)(p
gd-x
id
)更新粒子的速度，其中，ω为惯性因子值，为非负值，c1和c2为加速常数，c1为每个粒子的个体学习因子，c2为每个粒子的社会学习因子；random(0,1)表示区间[0,1]上的随机数，p
id
为第i个变量的个体极值的第d维，p
gd
为全局最优解的第d维，x
id
为粒子的位置，v
id
为粒子的速度；通过x
id
＝x
id
+v
id
更新粒子的位置，其中，x
id
为粒子的位置，v
id
为粒子的速度，等号(＝)左边的x
id
为更新后的粒子的位置，等号(＝)右边的x
id
为当前的粒子的位置；粒子群bp神经网络算法通过适应度函数计算出当前粒子当前的适应度函数值，其中，e为当前粒子当前的适应度函数值，y
ij
为模型的实际输出，d
ij
表示模型的期待输出，n表示粒子个数；对于每个粒子，将粒子的适应度函数值e和个体极值p
id
比较，如果e《p
id
，则用e替换掉p
id
；对于每个粒子，将粒子的适应度函数值e和全局极值p
gd
比较，如果e《p
gd
，则用e替换掉p
gd
；重复更新粒子的位置和速度；判断是否满足粒子群bp神经网络算法的终止条件，若是，则结束算法，得到面试等级评估模型；若否，继续迭代训练。
[0058]
步骤203、通过构建的面试等级评估模型，对获取的面试官的技能信息进行评估，得到面试官的面试等级。
[0059]
本发明实施例中，技能信息包括但不限于专业技能度、决策能力数据、评价均值和互评均值。其中，专业技能度是面试官本身的专业技能的水平，是预先确定的值；决策能力数据是历史面试结果与该面试官决策的一致性的百分比，即：历史应试者最终被录取的结果中，该面试官对该应试者的决策也为录取的决策在总面试次数中的百分比；评价均值为应试者对每个面试官的评价度均值；互评均值为面试官相互评价的评价分值均值。
[0060]
具体地，将面试官的技能信息输入面试等级评估模型，输出该面试官的面试等级。
[0061]
步骤204、根据获取的应试者的多个面试分数和每个面试分数对应的面试官的面试等级，生成面试结果。
[0062]
图3为本发明实施例提供的一种生成面试结果的流程图，如图3所示，步骤204具体包括：
[0063]
步骤2041、将每个面试分数对应的面试官的面试等级作为权重，对应试者的多个面试分数进行加权计算，得到加权结果。
[0064]
本发明实施例中，一个应试者对应多个面试官，每个面试官均为该应试者进行评估打分。
[0065]
例如，面试官a的面试等级为1，面试官b的面试等级为2，面试官c的面试等级为3；面试官a评估该应试者的分数为95，面试官b评估该应试者的分数为93，面试官c为该应试者的分数为94，则加权计算得到的加权结果为1
×
95+2
×
93+3
×
94＝563。
[0066]
步骤2042、按照面试官的数量，对加权结果取平均值，得到面试分数。
[0067]
例如，面试官的数量为3个，加权结果为563，则得到面试分数为563/3＝187.67。
[0068]
步骤2043、通过设置的面试判决规则，根据面试分数，生成面试结果。
[0069]
本发明实施例中，面试判决规则可以根据实际情况进行设置，本发明实施例对此不作限定。作为一种可选方案，面试判决规则包括当面试分数大于或等于设置的分数阈值时，面试通过；若面试分数大于或等于设置的分数阈值，生成面试通过的面试结果；若面试分数小于设置的分数阈值，生成面试失败的面试结果。其中，分数阈值为根据实际情况设置的，本发明实施例对此不作限定。
[0070]
本发明实施例提供的面试评估方法的技术方案中，对获取的面试官的技能信息进行评估，得到面试官的面试等级；根据获取的应试者的多个面试分数和每个面试分数对应的面试官的面试等级，生成面试结果，能够综合面试官的水平等级对应试者进行面试评估，提高面试结果的客观性和公平性。
[0071]
图4为本发明实施例提供的一种面试评估装置的结构示意图，该装置用于执行上述面试评估方法，如图4所示，该装置包括：评估单元11和生成单元12。
[0072]
评估单元11用于对获取的面试官的技能信息进行评估，得到面试官的面试等级。
[0073]
生成单元12用于根据获取的应试者的多个面试分数和每个面试分数对应的面试官的面试等级，生成面试结果。
[0074]
本发明实施例中，评估单元11具体用于通过构建的面试等级评估模型，对获取的面试官的技能信息进行评估，得到面试官的面试等级。
[0075]
本发明实施例中，装置还包括：获取单元13和训练单元14。
[0076]
获取单元13用于获取样本数据集，样本数据集包括技能样本和等级样本。
[0077]
训练单元14用于通过技能样本和等级样本，对粒子群反向传播神经网络算法进行训练，构建面试等级评估模型。
[0078]
本发明实施例中，生成单元12具体用于将每个面试分数对应的面试官的面试等级作为权重，对应试者的多个面试分数进行加权计算，得到加权结果；按照面试官的数量，对加权结果取平均值，得到面试分数；通过设置的面试判决规则，根据面试分数，生成面试结果。
[0079]
本发明实施例中，面试判决规则包括当面试分数大于或等于设置的分数阈值时，面试通过；生成单元12具体用于若面试分数大于或等于设置的分数阈值，生成面试通过的面试结果；若面试分数小于设置的分数阈值，生成面试失败的面试结果。
[0080]
本发明实施例的方案中，对获取的面试官的技能信息进行评估，得到面试官的面试等级；根据获取的应试者的多个面试分数和每个面试分数对应的面试官的面试等级，生成面试结果，能够综合面试官的水平等级对应试者进行面试评估，提高面试结果的客观性和公平性。
[0081]
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设备，具体的，计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
[0082]
本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器用于存储包括程序指令的信息，处理器用于控制程序指令的执行，程序指令被处理器加载并执行时实现上述面试评估方法的实施例的各步骤，具体描述可参见上述面试评估方法的实施例。
[0083]
下面参考图5，其示出了适于用来实现本技术实施例的计算机设备600的结构示意图。
[0084]
如图5所示，计算机设备600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的工作和处理。在ram603中，还存储有计算机设备600操作所需的各种程序和数据。cpu601、rom602、以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
[0085]
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶反馈器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡，调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。
[0086]
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包括用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。
[0087]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0088]
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本技术时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
[0089]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序
指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0090]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0091]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0092]
还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。
[0093]
本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
[0094]
本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0095]
本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0096]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0097]
以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。