(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211021359.8 (22)申请日 2022.08.24 (71)申请人 纽海智能科技 （海南） 有限公司 地址 570100 海南省海口市秀英区粤海大 道155号海南未来产业园企业服务中 心2-6-150 (72)发明人 翁称誉　胡佳雄　 (74)专利代理 机构 北京华清迪源知识产权代理 有限公司 1 1577 专利代理师 胡乐 (51)Int.Cl. G06Q 10/06(2012.01) G06N 3/08(2006.01) G06K 9/62(2022.01) G06F 16/35(2019.01)G06F 40/216(2020.01) (54)发明名称 一种求职者胜任力的智能评测方法及系统 (57)摘要 本发明公开了一种求职者胜任力的智能评 测方法及系统， 通过接收待评测求职者对应的第 二面试文本数据； 接收用户输入的个体评测指 令； 将所述第二面试文本数据与个体评测指令导 入预先构建的神经网络模型； 所述第二面试文本 数据为待评测求职者回答所述问题库内七个评 价维度问题所得到的数据； 所述个体评测指令为 所述七个评价维度中问题的至少一个， 所述神经 网络模型运行， 输出所述待评测求职者的胜任力 评价结果。 本申请使用预训练和Transformer的 自然语言处理技术， 使得文本特征提取更有效， 从而使得最终的胜任力评估更准确， 以概率分布 来表示胜任力模型的4个评价等级， 减少了以往 人工评价的主观性。 权利要求书2页 说明书7页 附图3页 CN 115392705 A 2022.11.25 CN 115392705 A 1.一种求职者胜任力的智能评测方法， 其特 征在于， 所述方法包括： 接收待评测求职者对应的第二 面试文本数据； 接收用户输入的个 体评测指令； 将所述第二面试文本数据与个体评测指令导入预先构建的神经网络模型； 所述神经网 络模型的构建过程如下： 采用预先设置的七个评价维度搭建问题库； 其中， 所述七个评价 维 度包括：“团队精神 ”、“沟通能力 ”、“坚韧性”、“解决问题 ”、“代表公司 ”、“学习能力 ”和“执行 力”； 收集现有面试官采用所述问题库对第一面试者面试 的多场面试文本数据， 其中， 所述 面试文本数据包括面试官与第一面试者的问答过程文本数据； 所述多场面试文本数据中每 一场面试文本数据由至少三位资深人力资源负责人分别对七个评价维度进行第一面试者 胜任力评价得到七组第一面试者胜任力数据， 并统计所述七组第一面试者胜任力数据， 每 组第一面试者胜任力数据表示为一个四维概率分布数据， 其中， 所述资深人力 资源负责人 对第一面试者胜任力数据按照四个等级进 行评价； 利用中文 预训练语言模 型对所述面试文 本数据进 行特征表示， 根据所述四维概率分布数据对所述面试文本数据的特征表示进 行四 分类的模型搭建， 所述七个评价维度对应七个下游任务的参数模型； 根据四维概率分布数 据对下游任务的参数模型进行有监 督学习的训练， 得到训练好的神经网络模型； 所述第二面试文本数据为待评测求职者回答所述问题库内七个评价维度 问题所得到 的数据； 所述个 体评测指令为所述七个评价维度中问题的至少一个； 所述神经网络模型运行， 输出 所述待评测求职者的胜任力评价结果。 2.根据权利要求1所述的方法， 其特征在于， 所述 四维概率分布数据对应四个等级评价 数据， 其中， 四个等级为： 初级、 中级、 高级和专 家级。 3.根据权利要求1所述的方法， 其特征在于， 所述利用中文预训练语言模型对所述面试 文本数据进行特征表示内中文预训练模型采用Tr ansformer的注意力机制， 能够保留面试 文本数据中的上 下文关系信息 。 4.根据权利要求1所述的方法， 其特征在于， 所述下游分类任务的参数模型由多个全链 接层排列组成。 5.根据权利要求1所述的方法， 其特征在于， 在所述根据四维概率分布数据对下游任务 的参数模 型进行有监督学习的训练之前， 还包括对 所述模型的预训练， 具体的， 预训练使用 大规模通用中文语料库， 再使用面试场景的域语料库进行优化。 6.根据权利要求1所述的方法， 其特征在于， 所述第 二面试文本数据是预先获取的第 二 面试者回答问题库内七个评价维度问题所 得到的数据。 7.根据权利要求6所述的方法， 其特征在于， 所述预先获取的第 二面试者 回答问题库内 七个评价维度问题是通过 人工提问和/或面试者进行答卷 得到的。 8.一种求职者胜任力的智能评测系统， 其特 征在于， 所述系统包括： 接收模块： 用于接收待评测求职者对应的第二面试文本数据； 接收用户输入的个体评 测指令； 输入模块： 用于将所述第 二面试文本数据与个体评测指令导入预先构建的神经网络模 型； 模型构建模块： 用于所述神经网络模型的构建过程如下： 采用预先设置的七个评价维 度搭建问题库； 其中， 所述七个评价 维度包括： “团队精神 ”、“沟通能力 ”、“坚韧性”、“解决问权　利　要　求　书 1/2 页 2 CN 115392705 A 2题”、“代表公司 ”、“学习能力 ”和“执行力”； 收集现有面试官采用所述 问题库对第一面试者 面试的多场面试文本数据， 其中， 所述面试文本数据包括面试官与第一面试者的问答过程 文本数据； 所述多场面试文本数据中每一场面试文本数据由至少三位资深人力资源负责人 分别对七个评价 维度进行第一面试者胜任力评价得到七组第一面试者胜任力数据， 并统计 所述七组第一面试者胜任力数据， 每组第一面试者胜任力数据表示为一个四维概率分布数 据， 其中， 所述资深人力资源负责人对第一面试者胜任力数据按照四个等级进 行评价； 利用 中文预训练语言模型对所述面试文本数据进 行特征表示， 根据所述四维概率分布数据对所 述面试文本数据的特征表示进 行四分类的模型搭建， 所述七个评价 维度对应七个下游任务 的参数模型； 根据四维概率分布数据对下游任务的参数模型进行有监督学习的训练， 得到 训练好的神经网络模型； 所述第二面试文本数据为待评测求职 者回答所述问题库内七个评 价维度问题所 得到的数据； 所述个 体评测指令为所述七个评价维度中问题的至少一个； 输出模块： 用于神经网络模型运行， 输出所述待评测求职者的胜任力 评价结果， 包括对 于最多七个评价维度的四分类结果。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115392705 A 3