智能面试的追问题目生成方法、装置和电子设备制造方法及图纸

本发明专利技术公开了智能面试的追问题目生成方法、装置和电子设备，涉及商业面试信息数据处理技术领域。所述方法包括：解析候选人的答案，从答案中识别出多个语义实体；对多个语义实体进行关系抽取，得到实体关系信息；获取题目对应的标准答案，基于标准答案和实体关系信息确定候选人的作答结果信息；基于作答结果信息确定追问策略，并根据追问策略在题目对应的知识图谱中确定追问知识点，生成追问知识点对应的追问题目。本发明专利技术能够进行有针对性的追问，使得追问题目帮助面试官挖掘候选人的知识深度及广度，并最终确定岗位匹配度。并最终确定岗位匹配度。并最终确定岗位匹配度。

【技术实现步骤摘要】
智能面试的追问题目生成方法、装置和电子设备


[0001]本专利技术涉及商业面试信息的数据处理
，尤其涉及一种智能面试的追问题目生成方法、装置和电子设备。

技术介绍

[0002]当前市场上智能面试通常会预设每道源题目的若干个追问维度，并使用模型来判定需要追问的目标维度，并将该目标维度下的追问题目推荐给面试官。
[0003]专利技术人在实现本专利技术的过程中发现，采用当前方案在面试过程中只能按照特定的制式进行单向发问，缺乏对候选人回答内容的有效理解并进行有针对性的追问，追问题目无法帮助面试官挖掘候选人的知识深度及广度，并最终确定候选人与岗位的匹配度。

技术实现思路

[0004]为了解决上述技术问题或者至少部分的解决上述技术问题，本专利技术实施例提供了一种智能面试的追问题目生成方法、装置和电子设备，以知识图谱形式建立了知识点与知识点的联系，每个追问可以基于候选人的作答情况确定追问方向，针对子知识点、同级知识点、未提及知识点等进行有针对性的追问，使得追问题目能够帮助面试官挖掘候选人的知识深度及广度，并最终确定候选人与岗位的匹配度。
[0005]本专利技术实施例提供了一种智能面试的追问题目生成方法，包括：
[0006]解析候选人针对题目进行作答的答案，从所述作答的答案中识别出多个语义实体；对所述多个语义实体之间的属性关系进行抽取，得到所述多个语义实体之间的实体关系信息；获取所述题目对应的标准答案，基于所述标准答案和所述实体关系信息确定所述候选人的作答结果信息；其中，所述作答结果信息用于表征所述候选人对所述题目涉及的若干知识点的掌握情况；基于所述作答结果信息确定至少一个追问策略，并根据所述追问策略在所述题目对应的知识图谱中确定追问知识点，生成所述追问知识点对应的追问题目。
[0007]本专利技术实施例还提供了一种智能面试的追问题目生成装置，包括：
[0008]识别模块，用于解析候选人针对题目进行作答的答案，从所述答案中识别出多个语义实体；抽取模块，用于对所述多个语义实体之间的属性关系进行抽取，得到多个语义实体的实体关系信息；确定模块，用于获取所述题目对应的标准答案，基于所述标准答案和所述实体关系信息确定所述候选人的作答结果信息；其中，所述作答结果信息用于表征所述候选人对所述题目涉及的若干知识点的掌握情况；生成模块，用于基于所述作答结果信息确定至少一个追问策略，并根据所述追问策略在所述题目对应的知识图谱中确定追问知识点，生成所述追问知识点对应的追问题目。
[0009]本专利技术实施例还提供了一种电子设备，所述电子设备包括：
[0010]一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的追问题目生成
方法。
[0011]本专利技术实施例还提供了一种计算机可读存储介质，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的追问题目生成方法。
[0012]本专利技术实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上所述的追问题目生成方法。
[0013]本专利技术实施例提供的技术方案与现有技术相比具有如下优点：
[0014](1)以知识图谱形式建立了知识点与知识点的联系，每个追问可以基于候选人的作答情况确定追问方向，针对子知识点、同级知识点、未提及知识点等进行有针对性的追问，使得追问题目能够帮助面试官挖掘候选人的知识深度及广度，并最终确定候选人与岗位的匹配度。
[0015](2)针对每道题目涉及到的知识点，利用这些知识点的先验知识添增强语义实体识别的效果，能够有效适应各种情况的标准答案核心词。
附图说明
[0016]结合附图并参考以下具体实施方式，本专利技术各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
[0017]图1为本专利技术实施例中的一种智能面试的追问题目生成方法的流程图；
[0018]图2为本专利技术实施例中的一种利用先验知识对基于词典+规则方式进行语义实体识别的增强方法的流程图；
[0019]图3为本专利技术实施例中的一种利用先验知识对基于机器学习/深度学习方式进行语义实体识别的增强方法的流程图；
[0020]图4本专利技术实施例中的一种智能面试的追问题目生成装置的结构示意图；
[0021]图5本专利技术实施例中的一种电子设备的结构示意图。
具体实施方式
[0022]下面将参照附图更详细的描述本专利技术的实施例。虽然附图中显示了本专利技术的某些实施例，然而应当理解的是，本专利技术可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整的理解本专利技术。应当理解的是，本专利技术的附图及实施例仅用于示例性作用，并非用于限制本专利技术的保护范围。
[0023]应当理解，本专利技术的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本专利技术的范围在此方面不受限制。
[0024]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分的基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0025]需要注意，本专利技术中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0026]需要注意，本专利技术中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0027]当前市场上智能面试主要存在的问题是面试过程中过于机械，在面试过程中只能按照预设的考核维度进行单向追问，忽略了知识体系本身是树状或网状的结构，知识点和知识点的联系会有一定程度上的缺失，因此缺乏对候选人回答内容的有效理解并进行有针对性的追问。因此，本专利技术实施例公开了基于知识图谱的追问方法，以知识图谱形式建立了知识点与知识点的联系，每道题目可以针对一个或多个知识点进行询问，每个追问可以针对子知识点、同级知识点、未提及知识点等进行展开提问，能够挖掘候选人的知识深度及广度。
[0028]参考图1所示，本专利技术实施例提供了一种智能面试的追问题目生成方法的流程图。
[0029]步骤S110，解析候选人针对题目进行作答的答案，从所述作答的答案中识别出多个语义实体。
[0030]对候选人答案进行语义实体识别，识别出任何需要使用到的语义实体。语义实体是文档/文件/语句中描述现实世界的确切对象的名词的词语组合，例如人名、机构名、地名以及其他所有以名称为标识的实体，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能面试的追问题目生成方法，其特征在于，包括：解析候选人针对题目进行作答的答案，从所述作答的答案中识别出多个语义实体；对所述多个语义实体之间的属性关系进行抽取，得到所述多个语义实体之间的实体关系信息；获取所述题目对应的标准答案，基于所述标准答案和所述实体关系信息确定所述候选人的作答结果信息；其中，所述作答结果信息用于表征所述候选人对所述题目涉及的若干知识点的掌握情况；基于所述作答结果信息确定至少一个追问策略，并根据所述追问策略在所述题目对应的知识图谱中确定追问知识点，生成所述追问知识点对应的追问题目。2.根据权利要求1所述的方法，其特征在于，在所述解析候选人针对题目进行作答的答案之前，所述方法还包括：对所述题目所涉及的知识点进行提取，得到先验知识信息；所述先验知识信息包括标准答案中的语义实体、共用前缀、共用后缀和多义词含义。3.根据权利要求1所述的方法，其特征在于，所述解析候选人针对题目进行作答的答案，从所述作答的答案中识别出多个语义实体的步骤包括：基于先验知识信息确定标准答案中的核心词，对所述核心词进行最细粒度分词，得到多个第一分词，并计算每个第一分词的权重；对作答的答案进行分词，得到多个第二分词，所述第二分词的长度基于所述第一分词的长度确定；根据所述核心词中的每个第一分词的权重，对所述核心词中的第一分词进行排序，并按照权重依次计算所述核心词中的每个第一分词与各所述第二分词的相似度，筛选出相似度高于第一预设相似度阈值的候选第二分词，输出若干第一匹配结果，该第一匹配结果中包括所述第一分词、所述候选第二分词、所述第一分词和所述候选第二分词的相似度、相似度类型、以及所述候选第二分词在作答的答案中的位置；将所述若干第一匹配结果合并为第二匹配结果，基于所述核心词中的每个第一分词的权重、每个第一分词与对应的候选第二分词的相似度，计算所述核心词和所述第二匹配结果之间的加权相似度，筛选出加权相似度高于第二预设相似度阈值的第二匹配结果；基于筛选出的第二匹配结果，确定作答的答案中的多个语义实体。4.根据权利要求3所述的方法，其特征在于，还包括：若所述作答的答案中的相同位置上的候选第二分词出现在多个第二匹配结果中，则出现匹配冲突；基于冲突匹配算法，优化所述核心词和所述第二匹配结果之间的加权相似度，直至所述作答的答案中的相同位置上的候选第二分词只出现在一个第二匹配结果中，将加权相似度最高的预设数量的第二匹配结果作为最终的匹配结果；基于筛选出的最终的匹配结果，确定作答的答案中的多个语义实体。5.根据权利要求3或4任意一项所述的方法，其特征在于，所述解析候选人针对题目进行作答的答案，从所述作答的答案中识别出多个语义实体的步骤包括：基于所述先验知识信息、第一分词和第二分词的相似度，对所述作答的答案进行文本修正，得到修正后的作答答案；其中，所述文本修正包括文本相似发音的纠错、文本前后缀
的扩展和文本相似词的替换；将所述修正后的作答答案以字符的形式输入至深度学习模型，并将所述最终的匹配结果以词汇的形式输入至所述深度学习模型，输出识别到的作答的答案中的多个语义实体。6.根据权利要求1所述的方法，其特征在于，所述基于所述作答结果信息确定至少一...

【专利技术属性】
技术研发人员：戴科彬，闻洪海，陈少波，
申请(专利权)人：同道精英天津信息技术有限公司多面北京科技有限公司，
类型：发明
国别省市：