[發明專利]使用人工智能的自適應招聘系統

有效

• 申請號: 202011243685.4
• 申請日: 2020-11-10
• 公開（公告）號: CN112232787B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 黃宏燦;李明樺
• 申請（專利權）人: 羅科仕科技（北京）股份有限公司
• 主分類號: G06Q10/10
• 分類號: G06Q10/10
• 代理公司: 北京知帆遠景知識產權代理有限公司 11890
• 代理人: 蘇志蓮

1.一種方法，包括：

由計算機系統基于知識體BOK技能知識庫將職位要求分類為職位技能的集合，其中所述計算機系統具有與至少一個存儲器單元耦接的一個或多個處理器；

基于所述職位技能的集合和BOK問題知識庫生成包括問題的列表的問題庫；

基于預先定義的規則，從所生成的問題庫中自適應地選擇問題的子集用于與候選者的在線面試，其中所選擇的每個問題是基于使用遞歸神經網絡RNN模型對來自所述候選者的針對對應的先前問題的一個或多個回答的評估；以及

通過使用RNN模型基于對來自候選者的回答的評估和BOK候選者知識庫來生成針對所述候選者的反饋報告，其中所述BOK候選者知識庫接收來自計算機系統的更新，對回答的評估由所述計算機系統生成，結果，無論是肯定的還是否定的，都被發送回HR客戶端子系統，由自適應招聘計算機系統生成詳細的反饋報告并將其發送給人才；

其中，所述計算機系統為自適應招聘計算機系統，包括控制器、用戶界面、候選者回答處理器和評估單元、以及具有自適應選擇的問題庫，所述控制器與用于自然語言處理NPL/自然語言理解NLU的遞歸神經網絡RNN的人工智能AI程序交互，從問題庫自適應地選擇每個問題，所述用戶界面響應于問題向所述控制器發送回答音頻，所述控制器分析所述回答音頻并生成評估結果，所述評估結果是針對問題的回答的正確性的評定，

其中，所述方法還包括：

在面試前獲得候選者信息，所述候選者信息包括音頻面試情感分析結果；以及生成候選者簡檔和認證信息；所述認證信息是語音驗證，語音認證樣本從初始語音面試中提取，其中每個職位技能具有屬性的集合，所述屬性的集合包括多級行業分類、技能水平和跨學科參考，

其中所述BOK問題知識庫中的每個問題具有技能水平屬性，以及其中所生成的問題庫包括基于職位技能屬性的技能水平的不同技能水平的問題，所述BOK問題知識庫在內的BOK知識庫中的每個包括多個小型BOK，每個領域對應一個，當通過抓取特定領域的大數據為領域生成BOK知識庫時，創建所述領域的每個小型BOK，基于每個BOK知識庫執行自適應算法，

其中使用招聘大數據實現卷積神經網絡CNN以創建和更新一個或多個BOK知識庫，所述一個或多個BOK知識庫包括所述BOK技能知識庫、所述BOK問題知識庫和所述BOK候選者知識庫，

其中所述候選者簡檔是基于所述BOK候選者知識庫使用RNN模型根據候選者信息生成的，

其中通過從所述候選者的初始語音面試中提取音頻剪輯來獲得用于所述語音驗證的原始語音樣本，

其中所述反饋報告包括缺陷報告以及從所述缺陷報告導出的培訓推薦列表，基于自適應面試評定/評估結果、BOK候選者簡檔知識庫、BOK技能知識庫，生成所述缺陷報告，將所述自適應面試評定/評估結果與候選者簡檔數據庫進行比較，在相同或相似的行業領域中比較所述候選者，基于所述缺陷報告為所述候選者基于特定區域選擇培訓建議，并在優勢報告和/或缺陷報告中提供排名，

其中所述反饋報告包括優勢報告以及從所述優勢報告導出的匹配空缺推薦列表，

進一步的，所述方法使用的計算機系統還包括與人才發掘者交互的模塊，包括一個或多個與HR客戶端交互的模塊，包括客戶端管理和職位描述模塊，所述客戶端管理和職位描述模塊從職位空缺要求模塊獲取職位空缺要求，并且基于所述職位空缺要求來識別人才發掘者，所識別的人才發掘者的信息和人才行為簡檔的反饋信息是針對支持AI的個人化內容創建器輸入，當人才通過人才發掘者發布的招聘信息申請工作時，該申請由人才發掘者子系統使用用于驗證和提交的模塊來處理，如果確定申請滿足閾值要求，則自適應招聘計算機系統創建在線測試和/或聊天機器人QA，人才發掘者子系統的申請者進行在線測試和/或參與聊天機器人面試。

2.一種裝置，包括：

網絡接口，所述網絡接口將所述裝置連接到通信網絡；

存儲器；以及

一個或多個處理器，所述一個或多個處理器耦接到一個或多個存儲器單元，所述一個或多個處理器被配置為：

基于知識體BOK技能知識庫將職位要求分類為職位技能的集合；

基于所述職位技能的集合和BOK問題知識庫生成包括問題的列表的問題庫；

基于預先定義的規則，從所生成的問題庫中自適應地選擇問題的子集用于與候選者的在線面試，其中所選擇的每個問題是基于使用遞歸神經網絡RNN模型對來自所述候選者的針對對應的先前問題的一個或多個回答的評估；以及

通過使用RNN模型基于對來自候選者的回答的評估和BOK候選者知識庫來生成針對所述候選者的反饋報告，其中所述BOK候選者知識庫接收來自計算機系統的更新，對回答的評估由所述計算機系統生成，結果，無論是肯定的還是否定的，都被發送回HR客戶端子系統，由自適應招聘計算機系統生成詳細的反饋報告并將其發送給人才；

其中，所述計算機系統為自適應招聘計算機系統，包括控制器、用戶界面、候選者回答處理器和評估單元、以及具有自適應選擇的問題庫，所述控制器與用于自然語言處理NPL/自然語言理解NLU的遞歸神經網絡RNN的人工智能AI程序交互，從問題庫自適應地選擇每個問題，所述用戶界面響應于問題向所述控制器發送回答音頻，所述控制器分析所述回答音頻并生成評估結果，所述評估結果是針對問題的回答的正確性的評定，

其中，所述一個或多個處理器還被配置為：

在面試前獲得候選者信息，所述候選者信息包括音頻面試情感分析結果；以及生成候選者簡檔和認證信息；所述認證信息是語音驗證，語音認證樣本從初始語音面試中提取，其中每個職位技能具有屬性的集合，所述屬性的集合包括多級行業分類、技能水平和跨學科參考，

其中所述BOK問題知識庫中的每個問題具有技能水平屬性，以及其中所生成的問題庫包括基于職位技能屬性的技能水平的不同技能水平的問題，所述BOK問題知識庫在內的BOK知識庫中的每個包括多個小型BOK，每個領域對應一個，當通過抓取特定領域的大數據為領域生成BOK知識庫時，創建所述領域的每個小型BOK，基于每個BOK知識庫執行自適應算法，

其中實現具有來自招聘大數據的輸入的CNN以創建和更新一個或多個BOK知識庫，所述一個或多個BOK知識庫包括所述BOK技能知識庫、所述BOK問題知識庫和所述BOK候選者知識庫，

其中所述候選者簡檔是基于所述BOK候選者知識庫使用RNN模型根據候選者信息生成的，

其中通過從所述候選者的初始語音面試中提取音頻剪輯來獲得用于所述語音驗證的原始語音樣本，

其中所述反饋報告包括缺陷報告以及從所述缺陷報告導出的培訓推薦列表，基于自適應面試評定/評估結果、BOK候選者簡檔知識庫、BOK技能知識庫，生成所述缺陷報告，將所述自適應面試評定/評估結果與候選者簡檔數據庫進行比較，在相同或相似的行業領域中比較所述候選者，基于所述缺陷報告為所述候選者基于特定區域選擇培訓建議，并在優勢報告和/或缺陷報告中提供排名，

其中所述反饋報告包括優勢報告以及從所述優勢報告導出的匹配空缺推薦列表，

進一步的，所述計算機系統還包括與人才發掘者交互的模塊，包括一個或多個與HR客戶端交互的模塊，包括客戶端管理和職位描述模塊，所述客戶端管理和職位描述模塊從職位空缺要求模塊獲取職位空缺要求，并且基于所述職位空缺要求來識別人才發掘者，所識別的人才發掘者的信息和人才行為簡檔的反饋信息是針對支持AI的個人化內容創建器輸入，當人才通過人才發掘者發布的招聘信息申請工作時，該申請由人才發掘者子系統使用用于驗證和提交的模塊來處理，如果確定申請滿足閾值要求，則自適應招聘計算機系統創建在線測試和/或聊天機器人QA，人才發掘者子系統的申請者進行在線測試和/或參與聊天機器人面試。