一种智能化线上面试方法、系统、设备及存储介质与流程

1.本发明属于信息处理技术领域，具体涉及一种智能化线上面试方法、系统、设备及存储介质。


背景技术：

2.人才是企业获取持续竞争力的重要源泉，人员招聘在企业的人力资源管理工作中是一项非常重要的基础性工作，是企业获取人才的主要渠道，在企业的发展中占有十分重要的地位，同时也会花费企业大量的人力物力成本。面试环节为企业提供了深入了解面试人员的机会，可以帮助企业对面试人员进行能力评估，以便判断面试人员是否匹配相应的岗位。
3.目前，企业在面试环节大多采用线下或线上面试官与面试人员一对一流程式交谈的方式，这种方式的面试结果判定比较主观化，往往以面试官的第一感觉或个人喜好为导向，而面试官在面试过程中作为主观个体，很容易出现认知偏差。并且，面试官需要对每位面试候选人依次进行面谈评估，十分耗费人力，效率也不高。同时，这种方式流程较为固定，每个面试者在面试同一岗位时对应的提问都是同一形式的题目，不会根据面试者的每轮回答结果来进行相应的变化和调整，无法做到因人而异，以更好的区分不同面试者的能力水平。


技术实现要素：

4.本发明的目的是提供一种智能化线上面试方法、系统、设备及存储介质，用以解决现有技术中存在的上述问题。
5.为了实现上述目的，本发明采用以下技术方案：第一方面，提供一种智能化线上面试方法，包括：获取面试者的面试信息，所述面试信息包含面试者的面试视频信息；对面试信息进行解析，得到面试者的面试视频信息；将面试视频信息导入预置的面试分析模型进行各面试要素评价，得到各要素评分，并将各要素评分整合为要素评分集；将要素评分集导入预置的决策模型进行权重计算，确定决策模型中的下一提问路径，并调取下一提问路径对应节点的提问信息；根据调取的提问信息生成对应的数字人视频，并将数字人视频发送至面试者端；重复上述所有步骤，直至提取的提问信息为决策模型最终叶子节点对应的提问信息为止，将调取的各提问信息和对应的要素评分集整合为面试结果信息，并根据面试结果信息生成面试报告；将面试报告发送至招聘端。
6.在一个可能的设计中，所述对面试信息进行解析，得到面试者的面试视频信息，包括：采用视频解码器对面试信息进行解码处理，得到面试者的面试视频信息。
7.在一个可能的设计中，所述将面试视频信息导入预置的面试分析模型进行各面试要素评价，得到各要素评分，包括：将面试视频信息导入预置的面试分析模型进行图像、语音及语义的分类处理，得到语义要素评分、语音要素评分及人像要素评分。
8.在一个可能的设计中，所述面试分析模型包括人像评价子模型、语音评价子模型和语义评价子模型，所述人像评价子模型由标定有设定评分范围内相应评分的若干人像分类标签训练得到，所述语音评价子模型由标定有设定评分范围内相应评分的若干语音分类标签训练得到，所述语义评价子模型由标定有设定评分范围内相应评分的若干语义分类标签训练得到。
9.在一个可能的设计中，所述决策模型包括若干节点，每个节点均附带相应的提问编号，且上级节点通过相应的提问路径连接下级节点，最终叶子节点无下级节点，每一上级节点均连接有若干提问路径，连接同一上级节点的各提问路径分别标定相应的分值区间，在确定上级节点之下的提问路径时，根据上级节点对应要素评分集采用预置的规则引擎进行权重计算，得到综合分值，再根据综合分值比对各提问路径的分值区间确定下一提问路径。
10.在一个可能的设计中，所述调取下一提问路径对应节点的提问信息，包括：提取下一提问路径对应下级节点的提问编号，根据提问编号从数据库中匹配调取出对应的提问信息。
11.在一个可能的设计中，所述根据面试结果信息生成面试报告，包括：将面试结果信息中各节点的提问信息和对应的要素评分集依次录入报告模板中，生成面试报告。
12.第二方面，提供一种智能化线上面试系统，包括获取单元、解析单元、评分单元、确定单元、第一生成单元、第二生成单元和发送单元，其中：获取单元，用于获取面试者的面试信息，所述面试信息包含面试者的面试视频信息；解析单元，用于对面试信息进行解析，得到面试者的面试视频信息；评分单元，用于将面试视频信息导入预置的面试分析模型进行各面试要素评价，得到各要素评分，并将各要素评分整合为要素评分集；确定单元，用于将要素评分集导入预置的决策模型进行权重计算，确定决策模型中的下一提问路径，并调取下一提问路径对应节点的提问信息；第一生成单元，用于根据调取的提问信息生成对应的数字人视频；第二生成单元，用于将调取的各提问信息和对应的要素评分集整合为面试结果信息，并根据面试结果信息生成面试报告；发送单元，用于将数字人视频发送至面试者端，以及将面试报告发送至招聘端。
13.第三方面，提供一种智能化线上面试设备，包括：存储器，用于存储指令；处理器，用于读取所述存储器中存储的指令，并根据指令执行上述第一方面中任意一种所述的方法。
14.第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行第一方面中任意一种所述的方法。同时，还提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算
机执行第一方面中任意一种所述的方法。
15.有益效果：本发明通过采集面试者的面试视频来进行智能化的分析处理，得到相应的各要素评分，然后基于各要素评分决策确定下一提问信息，并利用下一提问信息生成对应的数字人视频发送给面试者，再采集面试者的面试视频来进行流程化的ai模拟面试，直至提问流程结束，最后将各提问信息及对应面试者的要素评分集整合成面试报告发送给招聘端，实现高效、智能的线上信息化面试。本发明可以大幅提高面试的效率以及同时面试的人员数量，可对面试过程进行留痕处理，可根据面试者不同的面试表现进行相应的提问，做到因人而异，以获得对面试者更准确的个人评价。本发明不仅可以为企业的面试工作降本增效，也可以让面试者节约更多时间，为面试者找到期望和匹配工作提供了高效途径。
附图说明
16.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。
17.图1为本发明实施例中方法的步骤示意图；图2为实施例中决策模型执行代码第一部分的示意图；图3为实施例中决策模型执行代码第二部分的示意图；图4为实施例中决策模型执行代码第三部分的示意图；图5为本发明实施例中系统的构成示意图；图6为本发明实施例中设备的构成示意图。
具体实施方式
18.在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。
19.应当理解，除非另有明确的规定和限定，术语“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在实施例中的具体含义。
20.在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实施例中，可以不以非必要的细节来示出众所周知的过程、结构和技术，以避免使得实施例不清楚。
21.实施例1：本实施例提供一种智能化线上面试方法，可应用于相应的面试平台，如图1所示，方法包括以下步骤：s1.获取面试者的面试信息，所述面试信息包含面试者的面试视频信息。
22.具体实施时，面试者可持移动终端在想要的任何场景下进行线上面试，移动终端可以是手机、电脑等，移动终端应包括摄像头和麦克风，以对面试者进行音频与图像信息采集，通过面试者的移动终端来采集面试者的面试信息发送给面试平台，所述面试信息包含面试者的面试视频信息。
23.s2.对面试信息进行解析，得到面试者的面试视频信息。
24.具体实施时，平台接收到相应面试者的对面试信息后，对面试信息进行解析，即采用相应的视频解码器对面试信息进行解码处理，得到面试者此轮面试回答的面试视频信息，留待后续处理。
25.s3.将面试视频信息导入预置的面试分析模型进行各面试要素评价，得到各要素评分，并将各要素评分整合为要素评分集。
26.具体实施时，在得到面试者的面试视频信息后，平台将面试视频信息导入预置的面试分析模型进行各面试要素评价，具体包括将面试视频信息导入预置的面试分析模型进行图像、语音及语义的分类处理，得到语义要素评分、语音要素评分及人像要素评分。语义要素评分可以为考量面试者语义表达的逻辑性、完整性语料倾向性以及关键词匹配度等因素的评分，可以通过语音识别及文本转换处理来分类实现；语音要素评分可以为考量面试者说话流利程度、普通话标准程度等因素的评分，可以通过语音识别及音频、音调等参数提取分类实现；人像要素评分可以考量面试者面部表情、动作所表达情绪因素的评分，可以通过图像识别及特征提取来分类实现。
27.示例性地，所述面试分析模型包括人像评价子模型、语音评价子模型和语义评价子模型，人像评价子模型、语音评价子模型和语义评价子模型均为相应的神经网络模型，如卷积神经网络模型、循环神经网络模型或者长短期记忆神经网络模型等，具体可根据实际情况记性相应神经网络模型的选取。在构建好初始状态的人像评价子模型、语音评价子模型和语义评价子模型后，可通过相应渠道，如招聘端、线上第三方资源共享平台等获取所需的训练集，即相应的人像分类标签、语音分类标签和语义分类标签来对人像评价子模型、语音评价子模型和语义评价子模型进行样本分类训练，以使其各自的分类结果能达到预期的准确率为止。如人像评价子模型可由标定有设定评分范围内相应评分的若干人像分类标签训练得到，语音评价子模型由标定有设定评分范围内相应评分的若干语音分类标签训练得到，语义评价子模型由标定有设定评分范围内相应评分的若干语义分类标签训练得到。假设评分范围为0-5分，以人像评价子模型为例，选取标定为0分、1分、2分、3分、4分及5分的人像分类标签各若干来对初始构建的神经网络模型进行训练，直至对于相应测试表情的评分分类准确率达到95%以上为止，此时训练后人像评价子模型就可以用来对面试者的面试视频信息进行人像要素的分析评价，得到相应的人像要素评分，以此类推。最后将面试者此轮面试回答的语义要素评分、语音要素评分及人像要素评分整合为要素评分集进行存储。
28.s4.将要素评分集导入预置的决策模型进行权重计算，确定决策模型中的下一提问路径，并调取下一提问路径对应节点的提问信息。
29.具体实施时，在获得面试者此轮面试回答的要素评分集后，就可将要素评分集导入预置的决策模型进行设定规则的权重计算，以确定决策模型中的下一提问路径。所述决策模型包括若干节点，每个节点均附带相应的提问编号，且上级节点通过相应的提问路径连接下级节点，最终叶子节点无下级节点，每一上级节点均连接有若干提问路径，连接同一
上级节点的各提问路径分别标定相应的分值区间，在确定上级节点之下的提问路径时，根据上级节点对应要素评分集采用预置的规则引擎进行权重计算，得到综合分值，再根据综合分值比对各提问路径的分值区间确定下一提问路径。示例性地，决策模型的执行代码可以参考图2至图4。
30.在确定好上级节点的下一提问路径后，即可提取下一提问路径对应下级节点的提问编号，然后根据提问编号从数据库中匹配调取出对应的提问信息。
31.s5.根据调取的提问信息生成对应的数字人视频，并将数字人视频发送至面试者端。
32.具体实施时，可根据调取的提问信息采用如增强现实或虚拟现实技术等来生成对应的数字人视频，然后将数字人视频及相关信息（提问相关信息、试题信息等）发送至面试者端，或者将数字人视频及相关信息的链接发送至面试者端，以进行下一轮面试提问。
33.s6.重复上述步骤s1-s5，直至提取的提问信息为决策模型最终叶子节点对应的提问信息为止，将调取的各提问信息和对应的要素评分集整合为面试结果信息，并根据面试结果信息生成面试报告。
34.具体实施时，进入下一轮面试提问后，面试者通过移动终端进行下一轮回答，平台获取面试者的下一轮回答的视频信息来进行分析处理，得到对应决策模型相应节点的要素评分集，以此循环，重复上述步骤s1-s5，直至提取的提问信息为决策模型最终叶子节点对应的提问信息为止，然后将面试者各轮回答即决策模型相应节点的要素评分集与提问信息整合为面试结果信息，再将面试结果信息中各节点的提问信息和对应的要素评分集依次录入报告模板中，生成面试报告。
35.s7.将面试报告发送至招聘端。
36.具体实施时，在生成面试者的面试报告后，平台即可将面试报告发送至对应的招聘端，以便招聘方根据面试报告来确定面试者的面试结果。通过本实施例的方法可以大幅提高面试的效率以及同时面试的人员数量，可对面试过程进行留痕处理，可根据面试者不同的面试表现进行相应的提问，做到因人而异，以获得对面试者更准确的个人评价。本发明不仅可以为企业的面试工作降本增效，也可以让面试者节约更多时间，为面试者找到期望和匹配工作提供了高效途径。
37.实施例2：本实施例提供一种智能化线上面试系统，如图5所示，包括获取单元、解析单元、评分单元、确定单元、第一生成单元、第二生成单元和发送单元，其中：获取单元，用于获取面试者的面试信息，所述面试信息包含面试者的面试视频信息；解析单元，用于对面试信息进行解析，得到面试者的面试视频信息；评分单元，用于将面试视频信息导入预置的面试分析模型进行各面试要素评价，得到各要素评分，并将各要素评分整合为要素评分集；确定单元，用于将要素评分集导入预置的决策模型进行权重计算，确定决策模型中的下一提问路径，并调取下一提问路径对应节点的提问信息；第一生成单元，用于根据调取的提问信息生成对应的数字人视频；第二生成单元，用于将调取的各提问信息和对应的要素评分集整合为面试结果信
息，并根据面试结果信息生成面试报告；发送单元，用于将数字人视频发送至面试者端，以及将面试报告发送至招聘端。
38.实施例3：本实施例提供一种智能化线上面试设备，如图6所示，在硬件层面，包括：数据接口，用于建立处理器与面试者端及招聘端的数据对接，以采集面试者的面试视频信息及向招聘端传输面试报告；存储器，用于存储指令；处理器，用于读取所述存储器中存储的指令，并根据指令执行实施例1中的智能化线上面试方法。
39.可选地，该设备还包括内部总线。处理器与存储器和数据接口可以通过内部总线相互连接，该内部总线可以是isa(industry standard architecture，工业标准体系结构）总线、pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industrystandard architecture，扩展工业标准结构）总线等。所述总线可以分为地址总线、数据总线、控制总线等。
40.所述存储器可以但不限于包括随机存取存储器（random access memory，ram）、只读存储器（read only memory，rom）、闪存（flashmemory）、先进先出存储器（firstinput first output，fifo）和/或先进后出存储器（first in last out，filo）等。所述处理器可以是通用处理器，包括中央处理器（centralprocessing unit，cpu）、网络处理器（network processor，np）等；还可以是数字信号处理器（digital signalprocessor，dsp）、专用集成电路（application specificintegrated circuit，asic）、现场可编程门阵列（field－programmable gate array，fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
41.实施例4：本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上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行实施例1中的智能化线上面试方法。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒（memorystick）等，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。
42.本实施例还提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行实施例1中的智能化线上面试方法。其中，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。
43.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。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。