本申请涉及一种基于深度学习的人力资源面试识别方法、装置及存储介质，其中方法包括：获取应聘者的面试音频和面试过程中的面试姿态；基于所述面试音频，通过预设的面试回答评分模型，得到第一表现分值；基于所述面试姿态，通过预设的面试举止评分模型，得到第二表现分值；将所述第一表现分值和所述第二表现分值按照预置规则进行加权求和，得到最佳分值；根据所述最佳分值，确定所述应聘者是否符合录取条件。将第一表现评分和第二表现评分进行加权求和，得到较为客观的应聘者的综合评分，最后根据最佳分值的大小，判断应聘者胜任岗位的综合能力的高低，使得较为准确的确定应聘者是否符合录取条件，进而使得招聘到的人员与岗位较好匹配。匹配。匹配。
【技术实现步骤摘要】
基于深度学习的人力资源面试识别方法、装置及存储介质
[0001]本申请涉及信息处理
，具体涉及一种基于深度学习的人力资源面试识别方法、装置及存储介质。
技术介绍
[0002]企业的运行离不开合适的员工，合适的员工的寻找离不开公司的人力资源，人力资源中面试是重中之重。因为面试是企业挑选员工的一种重要手段。现实中招聘员工的过程一般是企业人力资源部门的人员对求职人员的简历进行初步筛后确定面试名单，接着邀请应聘者通过面谈或电话/视频的方式进行面试。最后根据应聘者的综合表现决定是否录用。
[0003]然而，这种面试方式需要人力资源部门耗费大量的时间和人力，且效率不高。且大部分的面试都是凭借招聘人员的主观和经验分析应聘者是否符合工作岗位，容易出现招聘到的人员与岗位匹配不佳的问题。
技术实现思路
[0004]为了使得招聘到的人员与岗位较好匹配，本申请提供一种基于深度学习的人力资源面试识别方法、装置及存储介质。
[0005]在本申请的第一方面提供了一种基于深度学习的人力资源面试识别方法，具体包括：获取应聘者的面试音频和面试过程中的面试姿态；基于所述面试音频，通过预设的面试回答评分模型，得到第一表现分值；基于所述面试姿态，通过预设的面试举止评分模型，得到第二表现分值；将所述第一表现分值和所述第二表现分值按照预置规则进行加权求和，得到最佳分值；根据所述最佳分值，确定所述应聘者是否符合录取条件。
[0006]通过采用上述技术方案，获取应聘者在视频面试过程中的面试音频和各个面试姿态，根据面试音频提取能反映应聘者面试回答表现的特征参数，输入到面试回答评分模型进行评分预测，得到第一表现分值，将应聘者在面试中的回答表现进行量化，同时根据应聘者的面试姿态，采用面试举止评分模型预测评分得到第二表现评分，将应聘者面试中展现出来的举止表现量化，接着将第一表现评分和第二表现评分进行加权求和，得到较为客观的应聘者的综合评分，即最佳分值，最后根据最佳分值的大小，判断应聘者胜任岗位的综合能力的高低，使得较为准确的确定应聘者是否符合录取条件，进而使得招聘到的人员与岗位较好匹配。
[0007]可选的，所述基于所述面试音频，通过预设的面试回答评分模型，得到第一表现分值，包括：统计所述面试音频的语音停顿时长和停顿次数，并获取所述面试音频的整体时
长；计算所述语音停顿时长与所述整体时长的第一比值；将所述第一比值和所述停顿次数作为特征参数输入至预设的面试回答评分模型，得到第一表现分值。
[0008]通过采用上述技术方案，计算的第一比值较好反映应聘者在视频面试过程中回答问题的流畅程度，第一比值越大，流畅程度越低，说明应聘者面试过程较紧张，面试表现较差；反之流畅程度越高，反映面试表现较好。同时回答问题过程停顿次数较多，也能反映流畅程度较低，反之，则反映流畅程度较高。将第一比值和停顿次数作为特征参数输入到面试回答评分模型中，得到第一表现分值能较客观准确的反映出应聘者的应聘者面试表现情况。
[0009]可选的，所述基于所述面试音频，通过预设的面试回答评分模型，得到第一表现分值，包括：将所述面试音频进行分段，得到若干语音片段，将所述语音片段与面试问题建立对应关系；提取所述面试问题的关键词，统计包含所述关键词的语音片段的个数；计算所述语音片段的个数与所述面试问题的个数的第二比值；将所述第二比值作为特征参数输入至预设的面试回答评分模型，得到第一表现分值。
[0010]通过采用上述技术方案，可以将视频面试过程中面试官提出的面试问题与应聘者的回答较好进行匹配，提取每个面试问题中关键词，判断对应的语音片段中是否存在此关键词，如果存在则进行统计，接着计算统计的语音片段的个数与面试问题个数的第二比值，第二比值越高，说明应聘者回答的结果与面试官的提问契合度较高，将第二比值作为特征参数输入至面试回答评分模型中，从而使得得出的第二比值较客观的评价应聘者的面试表现。
[0011]可选的，所述将所述第一表现分值和所述第二表现分值按照预置规则进行加权求和，得到最佳分值，包括：按照第一公式将所述第一表现分值和所述第二表现分值进行归一化处理，得到第一表现分值的归一化值和第二表现分值的归一化值，所述第一公式如下：式中：a
ij
为表示应聘者i的第一表现分值的归一化值或第二表现分值的归一化值，x
ij
表示应聘者i的第一表现分值或第二表现分值，j表示对应聘者的评价指标个数；按照第二公式将所述第一表现分值的归一化值与所述第二表现分值的归一化值进行加权求和计算，得到最佳分值，所述第二公式如下：式中：R
i
为应聘者i的最佳分值，w
j
为第一表现分值或第二表现分值的权重系数。
[0012]通过采用上述技术方案，将计算得到的第一表现分值和第二表现分值进行归一化处理，将第一表现分值的归一化值与第二表现分值的归一化值再进行加权求和，而不是直接将第一表现分值和第二表现分值进行加权求和得到综合的最佳分值，通过此方式可以较好的降低数据异常给最后的结果带来不良影响，使得得到的最佳分值能较客观的反映应聘
者的综合表现。
[0013]可选的，所述根据所述最佳分值，确定所述应聘者是否符合录取条件，包括：判断所述最佳分值所处的分值区间，所述分值区间包括第一分值区间、第二分值区间和第三分值区间，所述第一分值区间为表现优秀的最佳分值范围，所述第二分值区间为表现中等的最佳分值范围，所述第三分值区间为不符合录取条件的最佳分值范围；若所述最佳分值处在第一分值区间，则确定所述应聘者符合录取条件；若所述最佳分值处在第二分值区间，则确定所述应聘者作为备选人员；若所述最佳分值处在第三分值区间，则确定所述应聘者不符合录取条件。
[0014]通过采用上述技术方案，判断最佳分值出处在第一分值区间、第一分值区间和第三分值区间中哪一个区间，如果处在第一分值区间，说明应聘者的最佳分值较高，综合表现优秀，确定应聘者符合录取的条件；如果处在第二分值区间，说明应聘者综合表现中等，不直接淘汰暂做备选；如果处在第三分值区间，说明最佳分值较低，综合表现较差，不符合录取条件，直接淘汰不做考虑。通过此方式使得较为合理客观的确定应聘者是否符合录取条件，使得人员与岗位较好匹配。
[0015]可选的，所述若所述最佳分值处在第一分值区间，则确定所述应聘者符合录取条件之后，还包括：获取所述应聘者的背景调查结果；若背景调查结果符合岗位要求，则发送录取消息至所述应聘者的终端。
[0016]通过采用上述技术方案，如果最佳分值处在第一分值区间，说明应聘者的综合表现优秀，符合录取条件，接着调取应聘者的背景调查结果，如果背景调查结果符合岗位要求，说明应聘者背景资料和证明材料核实无误，可以确定录取，使得招聘的人员能较好的胜任招聘的岗位，避免出现人员与岗位不匹配的情况。
[0017]可选的，所述若所述最佳分值处在第二分值区间，则确定所述应聘者作为备选人员之后，还包括：获取招聘职位信息；根据招聘职位信息，分析得到招聘职位的人物画像；根据本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的人力资源面试识别方法，其特征在于，所述方法包括：获取应聘者的面试音频和面试过程中的面试姿态；基于所述面试音频，通过预设的面试回答评分模型，得到第一表现分值；基于所述面试姿态，通过预设的面试举止评分模型，得到第二表现分值；将所述第一表现分值和所述第二表现分值按照预置规则进行加权求和，得到最佳分值；根据所述最佳分值，确定所述应聘者是否符合录取条件。2.根据权利要求1所述的基于深度学习的人力资源面试识别方法，其特征在于，所述基于所述面试音频，通过预设的面试回答评分模型，得到第一表现分值，包括：统计所述面试音频的语音停顿时长和停顿次数，并获取所述面试音频的整体时长；计算所述语音停顿时长与所述整体时长的第一比值；将所述第一比值和所述停顿次数作为特征参数输入至预设的面试回答评分模型，得到第一表现分值。3.根据权利要求1所述的基于深度学习的人力资源面试识别方法，其特征在于，所述基于所述面试音频，通过预设的面试回答评分模型，得到第一表现分值，包括：将所述面试音频进行分段，得到若干语音片段，将所述语音片段与面试问题建立对应关系；提取所述面试问题的关键词，统计包含所述关键词的语音片段的个数；计算所述语音片段的个数与所述面试问题的个数的第二比值；将所述第二比值作为特征参数输入至预设的面试回答评分模型，得到第一表现分值。4.根据权利要求1所述的基于深度学习的人力资源面试识别方法，其特征在于，所述将所述第一表现分值和所述第二表现分值按照预置规则进行加权求和，得到最佳分值，包括：按照第一公式将所述第一表现分值和所述第二表现分值进行归一化处理，得到第一表现分值的归一化值和第二表现分值的归一化值，所述第一公式如下：式中：a
ij
为表示应聘者i的第一表现分值的归一化值或第二表现分值的归一化值，x
ij
表示应聘者i的第一表现分值或第二表现分值，j表示对应聘者的评价指标个数；按照第二公式将所述第一表现分值的归一化值与所述第二表现分值的归一化值进行加权求和计算，得到最佳分值，所述第二公式如下：式中：R
i
为应聘者i的最佳分值，w
j
为第一表现分值或第二表现分值的权重系数。5.根据权利要求1所述的基于深度学习的人力资源面试识别方法，其特征在于，所述根据所述最佳分值，确定所述应聘者是否符合录取条件，包括：判断所述最佳分值所处的分值区间，所述分值区间包括第一分值区间、第二分值区间和第三分值区间，所...
【专利技术属性】
技术研发人员：蒋定福，金斌，
申请(专利权)人：浙江精创教育科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。