[發明專利]面試回答文本的分類方法及裝置、電子設備、存儲介質

在審

• 申請號: 201910882034.0
• 申請日: 2019-09-18
• 公開（公告）號: CN110717023A
• 公開（公告）日: 2020-01-21
• 發明（設計）人: 鄭立穎;徐亮;金戈
• 申請（專利權）人: 平安科技(深圳)有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/35;G06Q10/10
• 代理公司: 44232 深圳市隆天聯鼎知識產權代理有限公司
• 代理人: 朱黎

本公開涉及人工智能技術領域，具體公開了面試回答文本的分類方法及裝置，包括：獲取為面試者的面試回答文本，面試回答文本是根據面試者在面試中對面試提問的回復獲得的；通過所構建分類模型的特征提取層構建面試回答文本的語義向量；通過分類模型的每一全連接層分別根據語義向量進行全連接，對應獲得特征向量，在全連接層上所獲得的特征向量用于表征樣本回答文本在全連接層所對應設定能力項上的特征；對在每一全連接層所獲得的特征向量進行分類預測，分別獲得面試者在各設定能力項上的評分等級。從而實現了詞典的自動擴充，提高了面試回答文本的分類的速率。從而實現了對自動對面試者進行面試評價。

技術領域

本公開涉及人工智能技術領域，具體涉及一種面試回答文本的分類方法及裝置、電子設備、計算機可讀存儲介質。

背景技術

對于面試而言，需要根據面試者對提問所作的回復來評價面試者在多個設定能力項上的能力，即分別確定面試者在每一設定能力項上的評分等級。

現有技術中，一般是由面試官對面試者進行面試，然后由面試官根據面試者在面試過程中的回答語料對面試者的各方面能力進行評估。由于通過面試官根據面試者回答語料確定面試者在各設定能力項上的評分等級，存在效率低的問題。

由上可知，需要一種方法來自動對面試者進行評估，而不依賴于面試官對面試者進行評估，從而提高面試評估的效率。

發明內容

為了解決現有技術中因面試官進行面試評估，所造成面試評估效率低的問題，本公開的實施例提供了一種面試回答文本的分類方法及裝置、電子設備、計算機可讀存儲介質，以實現自動進行面試評估。

其中，本申請所采用的技術方案為：

第一方面，一種面試回答文本的分類方法，所述方法包括：

獲取面試者的面試回答文本，所述面試回答文本是根據所述面試者在面試中對面試提問的回復獲得的；

通過所構建分類模型的特征提取層構建所述面試回答文本的語義向量，所述分類模型是通過若干樣本回答文本和為每一樣本回答文本所標注的標簽數據進行訓練獲得的，所述標簽數據指示了根據所述樣本回答文本為所述面試者所標注在設定能力項上的評分等級；

通過所述分類模型的每一全連接層分別根據所述語義向量進行全連接，對應獲得特征向量，在所述全連接層上所獲得的所述特征向量用于表征所述樣本回答文本在所述全連接層所對應設定能力項上的特征，所述分類模型包括至少兩個全連接層，每一全連接層對應一設定能力項；

對在每一全連接層所獲得的特征向量進行分類預測，分別獲得所述面試者在各設定能力項上的評分等級。

第二方面，一種面試回答文本的分類裝置，所述裝置包括：

獲取模塊，用于獲取為面試者的面試回答文本，所述面試回答文本是根據所述面試者在面試中對面試提問的回復獲得的；

語義向量構建模塊，用于通過所構建分類模型的特征提取層構建所述面試回答文本的語義向量，所述分類模型是通過若干樣本回答文本和為每一樣本回答文本所標注的標簽數據進行訓練獲得的，所述標簽數據指示了根據所述樣本回答文本為所述面試者所標注在設定能力項上的評分等級；

全連接模塊，用于通過所述分類模型的每一全連接層分別根據所述語義向量進行全連接，對應獲得特征向量，在所述全連接層上所獲得的所述特征向量用于表征所述樣本回答文本在所述全連接層所對應設定能力項上的特征，所述分類模型包括至少兩個全連接層，每一全連接層對應一設定能力項；

分類預測模塊，用于對在每一全連接層所獲得的特征向量進行分類預測，分別獲得所述面試者在各設定能力項上的評分等級。

第三方面，一種電子設備，包括：

處理器；及