伴随着大数据时代的到来，人工智能在生活、生产中的应用越来越广泛。企业为了缓解人员招聘面试方面的压力，可利用大数据分析与处理技术，改革面对面、人与人的传统招聘面试模式，借助互联网技术通过人机交互的方式实现智能招聘。本文所提出的这套招聘面试管理系统是基于人工智能研究设计所得，将虚拟现实技术和大数据整合在一起，采集并且处理数据库中的人才信息，设置只能简历筛选、人机聊天面试、虚拟现实场景复试以及综合评判等环节，代替人力资源部分完成了一大部分传统的工作内容，有效缓解了招聘面试工作的压力。

1.系统框架

如下图1所示为招聘面试人工智能系统的总体结构图。

图1 系统总体结构

（1）在线填写简历。根据企业的用人需求和标准，将所需岗位及相关条件发布到网上，构建出一套专属电子简历模板，并面向求职人员公开。求职者通过定向搜索可以看到电子简历并根据自身情况填写信息，表述自己的就业意愿，系统对简历信息进行综合整理与分析，通过非结构化与结构化的方式完成数据采集，做出定向分析。

（2）电子简历自动筛选。将海量简历视为一个信息池，智能机器人按照企业发布的岗位需求检索里面的信息，企业的个性化需求以及同类型岗位人才的专业机能都可以被设定为检索标准，成为挑选合格简历的甄选指标，最终得到被智能分析后的求职简历，锁定第一批岗位人选。

（3）智能在线交流。这部分任务交由智能机器人完成，辅助终端为手机APP或者计算机客户终端。以提前设定的岗位需求为面试标准，智能机器人有针对性的向面试者提出问题并要求其解答，并且允许面试者主动发起提问并予以解答。另外，智能机器人还会在问答环节后给出总结性意见，并交由系统提炼分析，评估应聘者的自身素质是否与企业需求相匹配。

（4）虚拟场景面试。利用虚拟现实技术，系统构建出企业所需岗位的日常工作场景，将其应用到招聘面试的复试环节，即为模拟场景面试。此处，考官可以根据实际情况，选择多个任务场景逐一对应聘者进行任务考核，并试试检测整个过程，然后通过大数据对面试者的表现即任务完成情况进行分析，给出评定结果。

（5）人才素质综合评估。系统整合人工与智能，利用大数据信息处理技术综合评价求职者的专业素养，并为企业精准推荐人才。这里需要注意三点：①构建出一套与岗位相匹配的评价标准，方便采集和分析数据库中的信息，并深入挖掘，描绘出特定岗位所需人才的选择标准；②用人岗位与人力资源部门同时从自己的维度给出用人标准；③构建一套评分机制，适用于对应聘者表现的判定，成为企业择优录取的固定参考。

（6）精准录用。系统对应聘者的综合素质评价进行汇总，然后同时上报给用人部门和人力资源部门，由两个部门的决策者商议后决定最后的录用者。

2.核心模块设计

2.1智能简历筛选

在电子简历的只能筛选环节，系统设计时采用的是向传播（Back Propagation，BP）神经网络。

1）将企业岗位用人标准详细的输入到系统中，并由系统为其分配权重。这个设置一定是用人部门与人力资源部门相互结合后设计所得的岗位及职责标准，也是企业用于创建于自身发展想匹配的岗位胜任性素质模型的唯一参考。本系统共需创建5个指标库分别为人格体征、品行动机、知识机能、能力素质和基本素质，如下图2所示，岗位胜任素质评价体系的就是在这个模型的基础上构建而来。

图2测试语料库文本信息归类结果

2）构建一个用于外网发布的电子简历模板，要求与岗位招聘标准格式相统一，其中应聘者所需填写的信息包括但不限于姓名、性别、年龄、教育背景、邮箱地址、居住地址、联系电话以及真是工作经历等。

3）应聘者在线填写简历。在企业指定平台进行电子简历的填写，要求填写信息真实准确，并可在简历中标明自己的薪资需求和意向岗位。

4）完成神经网络的训练。人力资源部门在深度分析了所需人才的知识技能、行为模式、兴趣动机以及人格特征等方面的图谱后为每个岗位选择出几份优秀员工简历，将其作为样本训练神经网络系统。向传播网络具有比较优秀的自实用性和记忆能力，可以精准采集和处理简历中具有价值的数据，并向系统输出其所需要的结果。所下图3所示为BP神经网络的学习流程图。

图3 BP神经网络的学习流程

5）筛选最优简历。通过优秀简历训练过的BP神经网络，随着训练次数的增加，最终趋于成熟，可以很好的完成网络海量简历的筛选工作，缓解人力资源部门的压力。

6）输出初选结果，为人力资源管理部门和用人部门的管理者发送评估结果，向通过初始的应聘者发送复试通知。

2.2智能交流面试

在设计初期，需要将机器人学习模块和辨识自然语言模块植入到智能机器人的系统中，尽最大可能通过机器人还原人类的语言组织习惯和模式，确保人机交流过程中的问答环节能够高效顺畅。以提前设定的场景为出发点，系统有针对性的体温应聘者，从而了解他们的求职意向和基本情况。另外，一旦应聘者收到了系统发出的面试通知，便可通过手机APP或者计算机客户端进入面试程序，不受地点和时间的限制。此时，系统会实时记录面试的全部过程，并提出来有效信息。

（1）知识库训练。机器人的语言分析能力是需要不断加强的，可通过知识库训练实现这方面能力的提升，最终达到高匹配精度。本系统设计中，会将已经发生过的面试语音进行样本保存，然后反复模拟训练，利用深度学习技术和模式识别办法提升机器人的自助学习功能和语义解析能力。不断训练的过程也是丰富已有知识库并创建心知识库的学习过程，同时将敬业度、经验、学历和机能等一系列信息转换成量化的数据。

系统通过多模式匹配和排倒索引两种模式来实现对词库的访问。

关于人机交互时的上下文机制问题，本文在Encorder过程中选择同时编码实时Message与上下文生成的Context信息，如此操作，就能够保证得到的Response应答一定是与Decoder过程中的上下文信息相一致的。同时，系统还会为机器人虚拟出一个与之交流风格或者身份不同的对话助理，专门用来解决个性信息。Word Embedding会对从交流对象那获得的个性化信息进行描述，然后选在与之匹配的对话助理，实现了系统信息的个性归一化功能。

（2）主动提问。智能机器人会尽可能学习人类的交流方式和语言习惯，并通过文本信息与应聘者互动，有效避免了叙述错误，保证应聘者能完全理解对话内容。一些人工招聘中经常被提及的问题都会被提前输入到智能机器人的系统中，另外机器人还可以通过简历提取到有价值的信息对应聘者提出有针对性的问题，以帮助系统评分。

在面试过程中，机器人允许应聘者提出问题，其会认真记录并尽可能快的给出答案，而且他还会一次为参考给应聘者提出更具专业性的问题，以获取对其专业能力评估的参考判断依据。

（3）应答匹配。系统主要利用自然语言解析技术（Natrual Language Processiing，NLP）来实现机器人的语音解析功能：

①应聘者以文本信息的行式在人机交互界面提出的问题，会被系统自动辨识，除去冗余信息：

②系统对简化后的提问内容进行语句分割，通过文字分切和自然语言解析，为分割所得词语分配权重，然后利用综合权重均衡算法在知识库中将最优答案的文档快提取出来，再结合分词处理的结果对所得答案是否存在歧义或空值进行判断，看是否需要深度学习继续化解或补充；

③在语句被全部处理完前需要不断重复分词和答案搜索环节，力求为应聘者提供最精准的回答语句。

如下图4所示为系统应答的实现路程图。

图4系统智能应答实现流程

2.3虚拟场景面试

虚拟场景（Virtual Reality，VR）技术能够从专业能力层面为考官非常逼真的模拟再现求职者们各自的日常工作环境，从而评判不同岗位的求职者的真实工作水平。求职者们通过VR设备进入到系统为其搭建的虚拟场景中开展任务考核，系统针对他们的岗位特性随机分配任务，求职者们需要凭借自己解决问题的能力进行模拟工作，系统通过影像跟踪记录全部的工作过程，然后再凭借数据库的基础数据分析与评价求职者的工作行为和能力水准。主要的步骤如下：

（1）不同的岗位有着不同的工作场景，结合着真实的工作场景首先要为不同岗位的求职者搭建专属的工作虚拟场景。同时在该工作虚拟场景中输入部分企业考核岗位工作人员的专业题目，以此来评定该岗位求职者的专业水准。

（2）筹备好智能机器人和可视化条件，以用来进行题目的考核。

（3）在利用系统进行应聘的过程中，求职者会被考官随机分配虚拟工作场景来进行考核，在工作场景中会出现各种各样的与实际岗位有关的题目和突发状况，求职者们需要运用专业知识来给出实际的解决操作，整个过程由系统进行监督和记录，并为考官进行整体的分析评定。

（4）系统针对求职者的记录和数据分析，最终形成评定报告，提供给考官，考官以此为依据决定聘用与否。

2.4应用效果

在完成该系统的开发设计后，一个网络游戏公司承担了系统测试的任务，以确保该系统能够正常的运行各模块功能。下图5就是该游戏公司的各岗位招聘界面。界面中体现了不同招聘岗位所需要的工作人员情况，包括人数、岗位工作内容等，求职者对于招聘信息一目了然，可以根据自己的实际情况来了解计划应聘的岗位信息并且将自己的简历填写好上传到系统，系统接收到求职者的简历后会筛选出符合岗位要求的人员，这些求职者按照系统的要求为后续的招聘事宜进行准备。

图5 系统网络招聘界面

招聘信息已经发出，在规定的时间内共收到377份简历，招聘岗位收到的电子简历几乎全部远超计划招聘人数，只有“客户端开发工程师”除外，此岗位属于技术类，所以局限性较强。系统自动筛选后为各个岗位挑选出具备出面资格的人,比例为1:3。经过虚拟场景面试和综合评估后，有71人得到录用。其中，仅有1人满足客户端开发工程师的岗位需求。公司实习期结束后，将实习结果与系统考聘相比较得出，新员工能力评定基本优良，本系统的实用性非常强。

3.结论

为了缓解人力资源部门面试招聘的压力，本文提出了基于BP精神网络的人工智能招聘面试管理系统的设计，充分整合了虚拟现实技术、大数据分析技术和人工技术，实现了自动筛选电子简历、智能在线交流以及虚拟场景面试等功能，借助智能化岗位胜任素质考核推进了企业招聘的进程，极大的缓解了人力资源部门的工作压力。本研究从系统设计的初衷入手，详细介绍了流程框架以及所用到的核心技术，为同类型系统的设计提供了一个非常具有参考价值的模型。但受到研究时间的限制，本文没能更进一步深入了解BP神经网络的复杂结构，导致系统依然存在一些不尽如人意的地方，在后续的研究中还需对人才评价指标进行细化，并努力丰富BP神经网络结构。

参考文献

[1]王瑛南.火电厂人才招聘系统的优化[J].人力资源,2020(12):82-83.

[2]韩保刚,杜素艳,于乃文,周博.基于人工智能的人力资源招聘系统的研究[J].法制与社会,2019(23):184-185.

[3]张心怡.人工智能时代对于人力资源从业者的挑战[J].湖北经济学院学报(人文社会科学版),2019,16(06):60-62.

[4]周畅飞. 某集团招聘管理系统的设计与实现[D].大连理工大学,2016.

[5]张清钦,谢开勇.大数据时代的招聘管理系统的构建与价值[J].现代企业,2015(12):9-10.