一种强化排序的动态智能面试方法、装置、设备及计算机存储介质制造方法及图纸

本发明专利技术专利公开了一种强化排序的动态智能面试方法，包括如下步骤：企业个性化方案定制、AI评估模型构造、回归模型构造、实习候选人跟踪、强化学习的模型优化。通过个性化定制和结构化面试制定面试题目，邀请候选人进行在线视频面试，利用人工智能算法对候选人的表情、颜值、声音和回答文本进行评估，以专业HR的决策结果作为回归目标，可以节省企业和求职者的面试成本，实现快速、客观、准确的面试评估结果，同时以企业优秀员工的得分区间作为最佳匹配区间，可以更好的减少企业的人才流失，减少招聘资源的浪费。

【技术实现步骤摘要】
一种强化排序的动态智能面试方法、装置、设备及计算机存储介质
本专利技术涉及基于人工智能
的面试方法，特别涉及一种能够强化排序的动态智能招聘面试方法及实现这种方法的系统。
技术介绍
近年来，我国的新增就业人口数量规模巨大，根据国家统计局数据显示，党的十八大以来，党中央实施就业优先政策，全国城镇就业总量增加了6300多万人，平均每年增加1000万人以上。与此同时，求职人口也是与年俱增，根据教育部数据显示，2019年高校应届毕业生共834万，与2018年的820万相比再次增加了14万人，这其中尚且不包括中高职院校的大批毕业人员。对于企业来说，目前最为主流的面试方式仍然是首先在招聘网站上发放相关的人才招聘信息，收集求职者简历，而后组织大规模的线下集中面试，动用全部的企业面试官花费巨大的精力为公司选拔合适的人才。传统的面试形式很难做到标准统一，首先不同的面试官面试风格不尽相同，其次，该类招聘会非常消耗面试官精力，面试官到后期难免疲惫，这两种情况下均可能造成招聘标准不一致。招聘人才与应聘职位本是一个双向选择的过程，企业为了招聘本文档来自技高网...

【技术保护点】
1.一种强化排序的动态智能面试方法，其特征在于，其包括如下步骤：/n1)企业面试方案定制：根据企业需求定制面试流程及推荐标准；/n2)AI评估模型构造：构造至少一种AI评估模型，采用视频方式进行面试，采集面试者的面试视频信息，通过对面试视频信息进行数据分离，分离出来的数据信息用于相应的AI评估模型训练；/n3)回归模型构造：对步骤2)中各AI评估模型的评估结果进行分析计算，并匹配推荐标准进行智能排序推荐；/n4)后续跟踪记录：对录用人员的工作表现进行跟踪、记录；/n5)模型优化：根据记录的录用人员的工作表现，通过强化学习对AI评估模型及回归模型进行调整和优化。/n

【技术特征摘要】
1.一种强化排序的动态智能面试方法，其特征在于，其包括如下步骤：
1)企业面试方案定制：根据企业需求定制面试流程及推荐标准；
2)AI评估模型构造：构造至少一种AI评估模型，采用视频方式进行面试，采集面试者的面试视频信息，通过对面试视频信息进行数据分离，分离出来的数据信息用于相应的AI评估模型训练；
3)回归模型构造：对步骤2)中各AI评估模型的评估结果进行分析计算，并匹配推荐标准进行智能排序推荐；
4)后续跟踪记录：对录用人员的工作表现进行跟踪、记录；
5)模型优化：根据记录的录用人员的工作表现，通过强化学习对AI评估模型及回归模型进行调整和优化。


2.根据权利要求1所述的强化排序的动态智能面试方法，其特征在于：定制面试流程包括通过对招聘岗位分析、确定招聘岗位的测评要素、制定面试题目、确定评价方法与考评标准。


3.根据权利要求1所述的强化排序的动态智能面试方法，其特征在于：构造的AI评估模型包括表情分类评估模型、面试音频评估模型和开放问答评估模型；通过从面试视频信息中分离出图形信息、声音信息和文本信息，分别用于所述表情分类评估模型、面试音频评估模型和开放问答评估模型的训练。


4.根据权利要求1所述的强化排序的动态智能面试方法，其特征在于：回归模型通过对各AI评估模型的评估分数进行加权计算，以分值排序的形式表示对面试人员的评估结果，并按分值大小排序进行推荐，回归最终的评估结果。


5.根据权利要求1所述的强化排序的动态智能面试方法，其特征在于：后续跟踪记录中录用人员的工作表现包括实习时的工作表现评估结果、是否转正及转正后工作表现评估结果。


6.根据权利要求1所述的强化排序的动态智能面试方法，其特征在于：步骤5)中根据录用人员的跟踪记录计...

【专利技术属性】
技术研发人员：方小雷，陈凯，陈清财，
申请(专利权)人：上海近屿智能科技有限公司，
类型：发明
国别省市：上海;31