一种基于大数据的面试者测评方法与流程
1.本技术涉及互联网技术领域，具体是一种基于大数据的面试者测评方法。
背景技术：
2.现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。
3.大数据就是互联网发展到现今阶段的一种表象或特征，在以云计算为代表的技术创新大幕的衬托下，这些原本看起来很难收集和使用的数据开始容易被利用起来了，通过各行各业的不断创新，大数据会逐步为人类创造更多的价值。
4.在企业发展的过程中需要大量的人才，研究人才研发新技术，市场人员拓展新业务，需求部门完善客户需求等，企业的各个部门需要不同职责的人才，尤其在企业迅速成长的过程，给人才招聘带来巨大的压力。
5.而利用大数据来筛选人才、测聘面试者，是一种可行的方式，对于降低企业招聘、规范招聘流程、严格招聘标准而言，具有高效、实用、可靠的效果。
6.如申请号为cn202210775646.1的中国专利所公开的一种基于大数据的人才智能匹配系统，其基于大数据筛选求职者简历，对企业空缺职位的需求和应聘者的信息进行匹配，虽然能够筛选出较为精准的求职者简历数据，但是，对于整个招聘流程而言，仅仅是解决了小部分的问题，对于提高招聘效率和减小企业招聘压力而言，无法满足企业需求。因此，一套完善的企业招聘系统是亟需的。
技术实现要素：
7.本技术的目的在于提供一种基于大数据的面试者测评方法，以解决上述背景技术中提出的技术问题。
8.为实现上述目的，本技术公开了以下技术方案：一种基于大数据的面试者测评方法，该方法包括以下步骤：
9.基于人力资源管理的评测项数据建立评测素材库，所述评测项数据至少包括岗位信息、岗位需求、试题数据、评测标准；
10.基于面试者的简历建立初级职业全息模型；
11.基于面试者的初级职业全息模型和评测素材库的数据进行匹配，获取初级评测表；
12.基于初级评测表对面试者与岗位需求的匹配度进行评价，并结合n个面试者的评价结果进行排序；
13.筛选出评价结果排序中的排名靠前的m个面试者，获取联系信息发送二次面试邀请；
14.基于评测素材库中的试题数据生成面试题，并提供给参与二次面试的面试者进行答题考核；
15.将面试者的答题结果与评测素材库中的试题数据进行比对，并基于比对结果更新所述初级职业全息模型获得全局职业全息模型；
16.基于面试者的全局职业全息模型和评测素材库的数据进行匹配，获取全局评测表，基于全局评测表对面试者与岗位需求的匹配度进行评价，并将m个面试者的评价结果进行排序，根据岗位需求筛选出排名靠前的面试者发出实习或入职邀请。
17.作为优选，所述的基于全局评测表对面试者与岗位需求的匹配度进行评价具体包括：
18.计算所述全局评测表中面试者对各个评测项数据的权重，定义所述全局评测表中对应于岗位需求的权重值为p1，定义所述全局评测表中对应于答题结果的权重值为p2，定义所述全局评测表中对应于其他评测项数据的权重值为p3，并将权重计算结果更新至全局评测表中，其中，式中，k1为所述全局评测表中对应于岗位需求的评分值，k2为所述全局评测表中对应于答题结果的评分值，k3为所述全局评测表中对应于其他评测项数据的评分值，i为被引用的评测项数据的数量。
19.作为优选，在所述的基于全局评测表对面试者与岗位需求的匹配度进行评价过程中，预设评价内容优先级，所述评价内容优先级包括：设置所述全局评测表中对应于岗位需求的优先级为第一优先级、设置所述全局评测表中对应于答题结果的优先级为第二优先级、设置所述全局评测表中对应于其他评测项数据的优先级为第三优先级；在评价时，当两个或两个以上的面试者的评价结果的比值小于预设阈值q时，以所述全局评测表中对应于岗位需求的权重值最高的面试者作为目标招聘人员，当两个或两个以上的面试者的评价结果的比值小于预设阈值q且该部分的面试者的所述全局评测表中对应于岗位需求的权重值相等时，以所述全局评测表中对应于答题结果的权重值最高的面试者作为目标招聘人员，否则，以述全局评测表中对应于其他评测项数据的权重值最高的面试者作为目标招聘人员。
20.作为优选，所述预设阈值q为90％～100％。
21.作为优选，所述的基于全局评测表对面试者与岗位需求的匹配度进行评价还包括：人为的基于更新后的全局评测表中的权重值结果进行目标招聘人员的选取。
22.作为优选，在筛选出评价结果排序中的排名靠前的m个面试者后，将第m+1个至第n个面试者作为备选人员纳入人才库。
23.作为优选，将应邀参与实习或入职的面试者的工作表现上传至评测素材库，所述工作表现包括专业能力、工作态度、人际交往、业绩情况中的一种或多种。
24.作为优选，所述评测项数据还包括心理侧写模块，所述心理侧写模块基于心理学表征建立，用于根据面试者的答题结果、面试者体态表现对面试者的性格进行侧写分析，并将分析结果更新至全局职业全息模型中。
25.作为优选，所述心理侧写模块还配置为生成心理测试题目，所述面试题中包括至少一个所述心理测试题目。
26.作为优选，该方法还包括：基于人才需求和大数据分析对网络上的求职简历进行筛选。
27.有益效果：本技术的基于大数据的面试者测评方法，基于大数据建立面试者测评
用的评测素材库，同时，基于面试者的简历建立初级职业全息模型，将初级职业全息模型与评测素材库的数据进行比对获取初级评测表，基于对初级评测表与岗位需求的匹配度，对面试者进行一次筛选，然后对满足筛选条件的面试者进行二次面试，在二次面试过程中建立全局职业全息模型，并通过全局职业全息模型对面试者再进行一次筛选，从而寻到满足岗位需求的应聘人员。通过本技术的方法，能够基于大数据建立的完善的评测素材库，系统的完成简历筛选、面试者筛选、复试者(二次面试人员)筛选，准确地为企业筛选出满足岗位需求的人员。同时，在复试者筛选过程中，基于各个评测项的权重值作为依据进行人员筛选，能够在客观的角度上对面试者进行测评，并完成筛选，进而确保测评的可靠性。另一方面，本技术通过心理侧写的方式，对面试者进行性格分析，从而客观的分析出面试者的性格，一方面避免面试过程中面试者弄虚作假，另一方面能够准确地获取面试者的性格以更好地了解面试者与岗位的匹配度，提高招聘结果的准确性和可靠性。
附图说明
28.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
29.图1为本技术实施例1中基于大数据的面试者测评方法的流程框图；
30.图2为本技术实施例2中基于大数据的面试者测评方法的流程框图。
具体实施方式
31.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
32.在本文中，术语“包括”意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
33.实施例1
34.参考图1所示的一种基于大数据的面试者测评方法，该方法包括以下步骤：
35.s101-基于人才需求和大数据分析对网络上的求职简历进行筛选；
36.s102-基于人力资源管理大数据中的评测项数据建立评测素材库，所述评测项数据至少包括岗位信息、岗位需求、试题数据、评测标准；
37.s103-基于面试者的简历建立初级职业全息模型，初级职业全息模型记录有面试者的基本信息，包括职业经历、教育经历等信息；
38.s104-基于面试者的初级职业全息模型和评测素材库的数据进行匹配，获取初级评测表，初级评测表为基于面试者简历中的信息提取到的与待招聘岗位相关的所有信息；
39.s105-基于初级评测表对面试者与岗位需求的匹配度进行评价，并结合n个面试者的评价结果进行排序；
40.s106-筛选出评价结果排序中的排名靠前的m个面试者，获取联系信息发送二次面试邀请；在筛选出评价结果排序中的排名靠前的m个面试者后，将第m+1个至第n个面试者作为备选人员纳入人才库；
41.s107-基于评测素材库中的试题数据生成面试题，面试题可以是一些与岗位相关的专业考核题目、素质道德考核题目等，并提供给参与二次面试的面试者进行答题考核；
42.s108-将面试者的答题结果与评测素材库中的试题数据进行比对，并基于比对结果更新所述初级职业全息模型获得全局职业全息模型，全局职业全息模型是基于面试者的表现建立的真实数据，该部分数据体现了面试者的临场表现特征；
43.s109-基于面试者的全局职业全息模型和评测素材库的数据进行匹配，获取全局评测表，基于全局评测表对面试者与岗位需求的匹配度进行评价，并将m个面试者的评价结果进行排序，根据岗位需求筛选出排名靠前的面试者发出实习或入职邀请。
44.s1010-将应邀参与实习或入职的面试者的工作表现上传至评测素材库，从而丰富评测素材库中的数据，以及基于实际表现对评测素材库中的数据进行修正，所述工作表现包括专业能力、工作态度、人际交往、业绩情况中的一种或多种。
45.其中，在步骤s109中，基于全局评测表对面试者与岗位需求的匹配度进行评价具体包括：
46.计算所述全局评测表中面试者对各个评测项数据的权重，定义所述全局评测表中对应于岗位需求的权重值为p1，定义所述全局评测表中对应于答题结果的权重值为p2，定义所述全局评测表中对应于其他评测项数据的权重值为p3，并将权重计算结果更新至全局评测表中，其中，式中，k1为所述全局评测表中对应于岗位需求的评分值，k2为所述全局评测表中对应于答题结果的评分值，k3为所述全局评测表中对应于其他评测项数据的评分值，i为被引用的评测项数据的数量。
47.作为本实施例的一种优选地实施方式，在计算各个评测项数据的权重后，通过预设的评价内容优先级对面试者进行筛选，其中，所述评价内容优先级包括：设置所述全局评测表中对应于岗位需求的优先级为第一优先级、设置所述全局评测表中对应于答题结果的优先级为第二优先级、设置所述全局评测表中对应于其他评测项数据的优先级为第三优先级；在评价时，当两个或两个以上的面试者的评价结果的比值小于预设阈值q时，所述预设阈值q为90％～100％，以所述全局评测表中对应于岗位需求的权重值最高的面试者作为目标招聘人员，当两个或两个以上的面试者的评价结果的比值小于预设阈值q且该部分的面试者的所述全局评测表中对应于岗位需求的权重值相等时，以所述全局评测表中对应于答题结果的权重值最高的面试者作为目标招聘人员，否则，以述全局评测表中对应于其他评测项数据的权重值最高的面试者作为目标招聘人员。
48.在本实施例中，所述的基于全局评测表对面试者与岗位需求的匹配度进行评价还包括：人为的基于更新后的全局评测表中的权重值结果进行目标招聘人员的选取。
49.实施例2
50.本实施例的基于大数据的面试者测评方法，如图2所示，该方法包括以下步骤：
51.s101-基于人才需求和大数据分析对网络上的求职简历进行筛选；
52.s102-基于人力资源管理大数据中的评测项数据建立评测素材库，所述评测项数据至少包括岗位信息、岗位需求、试题数据、评测标准、心理侧写模块，所述心理侧写模块基于心理学表征建立；
53.s103-基于面试者的简历建立初级职业全息模型；
54.s104-基于面试者的初级职业全息模型和评测素材库的数据进行匹配，获取初级评测表；
55.s105-基于初级评测表对面试者与岗位需求的匹配度进行评价，并结合n个面试者的评价结果进行排序；
56.s106-筛选出评价结果排序中的排名靠前的m个面试者，获取联系信息发送二次面试邀请；在筛选出评价结果排序中的排名靠前的m个面试者后，将第m+1个至第n个面试者作为备选人员纳入人才库；
57.s107-基于评测素材库中的试题数据生成面试题，所述心理侧写模块还配置为生成心理测试题目，所述面试题中包括至少一个所述心理测试题目，并提供给参与二次面试的面试者进行答题考核；
58.s108-将面试者的答题结果与评测素材库中的试题数据进行比对，并基于比对结果更新所述初级职业全息模型获得全局职业全息模型，同时，心理侧写模块用于根据面试者的答题结果、面试者体态表现对面试者的性格进行侧写分析，并将分析结果更新至全局职业全息模型中；
59.s109-基于面试者的全局职业全息模型和评测素材库的数据进行匹配，获取全局评测表，基于全局评测表对面试者与岗位需求的匹配度进行评价，并将m个面试者的评价结果进行排序，根据岗位需求筛选出排名靠前的面试者发出实习或入职邀请。
60.s1010-将应邀参与实习或入职的面试者的工作表现上传至评测素材库，从而丰富评测素材库中的数据，以及基于实际表现对评测素材库中的数据进行修正，所述工作表现包括专业能力、工作态度、人际交往、业绩情况中的一种或多种。
61.本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，计算机可读存储介质可以是只读存储器，磁盘或光盘等。
62.最后应说明的是：以上所述仅为本技术的优选实施例而已，并不用于限制本技术，尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。
技术特征：
1.一种基于大数据的面试者测评方法，其特征在于，该方法包括以下步骤：基于人力资源管理大数据中的评测项数据建立评测素材库，所述评测项数据至少包括岗位信息、岗位需求、试题数据、评测标准；基于面试者的简历建立初级职业全息模型；基于面试者的初级职业全息模型和评测素材库的数据进行匹配，获取初级评测表；基于初级评测表对面试者与岗位需求的匹配度进行评价，并结合n个面试者的评价结果进行排序；筛选出评价结果排序中的排名靠前的m个面试者，获取联系信息发送二次面试邀请；基于评测素材库中的试题数据生成面试题，并提供给参与二次面试的面试者进行答题考核；将面试者的答题结果与评测素材库中的试题数据进行比对，并基于比对结果更新所述初级职业全息模型获得全局职业全息模型；基于面试者的全局职业全息模型和评测素材库的数据进行匹配，获取全局评测表，基于全局评测表对面试者与岗位需求的匹配度进行评价，并将m个面试者的评价结果进行排序，根据岗位需求筛选出排名靠前的面试者发出实习或入职邀请。2.根据权利要求1所述的基于大数据的面试者测评方法，其特征在于，所述的基于全局评测表对面试者与岗位需求的匹配度进行评价具体包括：计算所述全局评测表中面试者对各个评测项数据的权重，定义所述全局评测表中对应于岗位需求的权重值为p1，定义所述全局评测表中对应于答题结果的权重值为p2，定义所述全局评测表中对应于其他评测项数据的权重值为p3，并将权重计算结果更新至全局评测表中，其中，式中，k1为所述全局评测表中对应于岗位需求的评分值，k2为所述全局评测表中对应于答题结果的评分值，k3为所述全局评测表中对应于其他评测项数据的评分值，i为被引用的评测项数据的数量。3.根据权利要求2所述的基于大数据的面试者测评方法，其特征在于，在所述的基于全局评测表对面试者与岗位需求的匹配度进行评价过程中，预设评价内容优先级，所述评价内容优先级包括：设置所述全局评测表中对应于岗位需求的优先级为第一优先级、设置所述全局评测表中对应于答题结果的优先级为第二优先级、设置所述全局评测表中对应于其他评测项数据的优先级为第三优先级；在评价时，当两个或两个以上的面试者的评价结果的比值小于预设阈值q时，以所述全局评测表中对应于岗位需求的权重值最高的面试者作为目标招聘人员，当两个或两个以上的面试者的评价结果的比值小于预设阈值q且该部分的面试者的所述全局评测表中对应于岗位需求的权重值相等时，以所述全局评测表中对应于答题结果的权重值最高的面试者作为目标招聘人员，否则，以述全局评测表中对应于其他评测项数据的权重值最高的面试者作为目标招聘人员。4.根据权利要求3所述的基于大数据的面试者测评方法，其特征在于，所述预设阈值q为90％～100％。5.根据权利要求2所述的基于大数据的面试者测评方法，其特征在于，所述的基于全局评测表对面试者与岗位需求的匹配度进行评价还包括：人为的基于更新后的全局评测表中的权重值结果进行目标招聘人员的选取。
6.根据权利要求1所述的基于大数据的面试者测评方法，其特征在于，在筛选出评价结果排序中的排名靠前的m个面试者后，将第m+1个至第n个面试者作为备选人员纳入人才库。7.根据权利要求1所述的基于大数据的面试者测评方法，其特征在于，将应邀参与实习或入职的面试者的工作表现上传至评测素材库，所述工作表现包括专业能力、工作态度、人际交往、业绩情况中的一种或多种。8.根据权利要求1所述的基于大数据的面试者测评方法，其特征在于，所述评测项数据还包括心理侧写模块，所述心理侧写模块基于心理学表征建立，用于根据面试者的答题结果、面试者体态表现对面试者的性格进行侧写分析，并将分析结果更新至全局职业全息模型中。9.根据权利要求8所述的基于大数据的面试者测评方法，其特征在于，所述心理侧写模块还配置为生成心理测试题目，所述面试题中包括至少一个所述心理测试题目。10.根据权利要求1所述的基于大数据的面试者测评方法，其特征在于，该方法还包括：基于人才需求和大数据分析对网络上的求职简历进行筛选。
技术总结
本申请公开了一种基于大数据的面试者测评方法，涉及互联网技术领域。该方法包括以下步骤：基于人力资源管理的评测项数据建立评测素材库；基于面试者的简历建立初级职业全息模型；获取初级评测表；基于初级评测表对面试者与岗位需求的匹配度进行评价，筛选出m个面试者发送二次面试邀请；生成面试题给参与二次面试的面试者进行答题考核；将面试者的答题结果与评测素材库中的试题数据进行比对获得全局职业全息模型；获取全局评测表，并根据岗位需求筛选面试者发出实习或入职邀请。本申请的基于大数据的面试者测评方法，基于大数据建立的完善的评测素材库，系统的完成简历筛选、面试者筛选、复试者筛选，准确地为企业筛选出满足岗位需求的人员。岗位需求的人员。岗位需求的人员。
