招聘面试人工智能系统的框架与模块研究

发布时间：2020-05-26 09:30

【摘要】：基于人工智能和虚拟现实技术,可以尝试设计招聘面试人工智能系统。招聘面试人工智能系统的基本框架可以分为在线简历填写、智能筛选简历、智能在线聊天面试、场景面试、综合评判、精准录用等六个环节,有三大核心模块:简历自动筛选、智能机器人聊天面试、VR场景面试。该系统有助于人力资源专业人员从繁杂的初步筛选工作中解放出来,在帮助企业选拔真正需要的人才的同时,也更加便利于求职者。
【图文】：

工作流程图,人工智能系统,工作流程,简历

就招聘的某个环节而设计，或者仅停留在理念层面。为了使企业招聘面试环节更加智能化，本文通过招聘人工智能系统、大数据分析和虚拟现实技术，，设计招聘面试人工智能系统，实现智能大数据采集、分析和挖掘。通过自动筛选简历、初步人机面试，将人力资源专业人员从繁杂的初步筛选工作中解放出来，还给求职者带来了巨大便利，使人才不再受时空因素的束缚；同时引入人机互动和ＶＲ等虚拟场景面试技术，使得面试更为准确，选拔出企业真正需要的人才。二、招聘面试人工智能系统的整体框架招聘面试人工智能系统工作流程如图１所示。图１招聘面试人工智能系统工作流程１．在线简历填写。企业人力资源管理专业人员通过对招聘岗位人才的综合调研分析（包括行业类似岗位的大数据分析和该公司本岗位的特定需求），建立人才素质模型，设计好简历格式，通过互联网或移动互联网等方式，将标准化的简历模板和应聘要求公开放置到自己的网络平台上。来访的应聘者在网站了解到企业空缺职位情况后，在线填写个人基本信息，输入自己的求职意愿。系统通过对用户求职意向的分析，结合个性化表单收集结构化、非结构化数据，实现候选人简历自动创建。２．智能筛选简历。智能机器人对招聘岗位人才进行综合调研分析（包括行业类似岗位的大数据分析和该公司本岗位的特定需求），在此基础上建立人才素质模型，专门设计针对性的甄别参数，对候选人的简历进行自动分析；根据岗位需求用算法进行关键词搜索，进行简历的初步过滤筛选，甚至可以通过前雇主的评价和社交平台的资料来丰富候选人的简历。在现有的简历数据库学习成功的招聘案例，可以分析员工的表现、任期和流动率来为招聘提供决策。自动化简历筛选方式可以去除大部分不合适的候选人。３．

简历,求职者

图２简历筛选ＢＰ神经网络学习流程步骤５：运用ＢＰ神经网络筛选法筛选最优秀的简历。随着简历数量的积累，精度符合企业期望以后，企业就可以考虑完全取代人工筛选简历的方法，利用ＢＰ神经网络来判断、决定进入第二轮面试环节的人才。如果企业的人才标准在一定时间内没有改变，数据和网络可以在此时间范围内继续使用，能有效降低企业人力资源运营成本。步骤６：通知胜出者参加面试。除了发现潜在的胜出者外，这一过程可以给出分析数据的报告，给出雇主对谁可以准备应聘和谁不值得打电话或发邮件的建议。（二）智能机器人聊天面试面试机器人运用机器学习和自然语言处理技术系统学习人类的一些有益的经验，面试采用交互式问答的模式，这种对话模式不是简单常见的“用户问”和“系统答”的过程。系统会根据对话场景进行主动提问，以此明晰求职者的真实需求。求职者可以随时利用手机，与面试官机器人完成面试程序。在得到应征公司授权后，求职者会收到含有ＵＲＬ链接的邮件，可从链接处通过在线网页或者将机器人面试官ＡＰＰ下载到手机，接着便能自行在方便的时间场合进行人机面试。应聘者自助进行智能面试时，后台将同步准确记录该应聘者的相关数据。１．训练知识库。机器人语义判断能力有限，匹配精度不是特别高，需要训练知识库弥补这些局限。训练知识库就是训练提问和回答，不再是关键词，询问的句子数量上会大量减少，维护方式也简单。采用Ｅｎｃｏｄｅｒ－Ｄｅｃｏｄｅｒ模型来建立对话机器人，采用招聘中的聊天信息作为训练数据，用大量的此类聊天信息来训练Ｅｎｃｏｄｅｒ－Ｄｅｃｏｄｅｒ模型中ＲＮＮ对应的神经网络连接参数。训练知识库以神经网络为基础，应用了最新的“深度学习”“模式识别”等技术，

【参考文献】