摘　要：为了减少企业人力资源部门在人才招聘过程中的人工工作量，提出并设计了一种基于人工智能的招聘面试管理系统。该系统通过求职者在线填写简历、电子简历自动筛选、智能在线交流、场景面试、人才素质综合评估和精准录用等多个环节构建招聘面试流程，并以此为基础生成智能简历筛选、智能交流面试和虚拟场景面试3大功能模块。该系统的研发能够极大地减轻企业人力资源部门人才招聘初选的工作负荷，具有很强的实用性。

关键词：人工智能；BP神经网络；招聘面试；大数据处理；系统设计

0　引言

随着人工智能技术的快速发展，大数据分析与处理的方式也在发生相应的变化，企业人才招聘可以充分利用这一科技发展趋势，将传统的人与人、面对面的招聘面试形式逐渐转化为通过人机交互完成人才初选的智能招聘形式［1－3］。为此，本研究提出并设计了一种基于人工智能的招聘面试管理系统，结合大数据分析与虚拟现实技术进行人才数据的采集、处理并对其进行深入挖掘，以智能的方式完成人才初选的多个环节，从而缓解了企业人力资源部门招聘工作负荷过高的现状。

1　系统框架

（1）在线填写简历。企业人力资源管理部门依据企业的岗位需求制定招聘条件，并以此创建电子简历模板通过网络平台对外，求职者根据个人实际情况填写电子简历并说明自己的就业意愿。系统根据电子简历中的信息进行结构化与非结构化数据的采集，对求职者的意向进行分析。

（2）电子简历自动筛选。由智能机器人进行岗位所需人才的综合分析，其中主要包括本行业同类岗位人才基本技能大数据分析和本企业对该岗位人才的个性化需求，基于分析的结果确定人才招聘条件，设计甄别指标，智能分析求职者简历；使用特定算法搜索关键信息，以此完成简历的初步过滤，确定适合岗位需求的人选。

（3）智能在线交流，由智能机器人通过计算机客户端或手机App进行在线人机交流，智能机器人可以围绕岗位需求向面试者提出问题，也可以对其提出的问题进行解答，问答环节结束后还可向其提供后续的应聘建议。系统从问答内容中提取关键信息，对候选人的数据进行更新并对人才素质作出评估。

（4）虚拟场景面试。对于岗位招聘的复试环节，系统可以基于虚拟现实技术创建多种对应岗位日常工作的虚拟场景。在复试的过程中，由考官根据岗位实际为面试者选定多个任务场景，在面试者完成任务的过程中对其进行实时监测，基于大数据分析对面试者的表现进行评定。

（5）人才素质综合评估。通过人工与智能相结合的方式，利用大数据匹配对人才素质作出综合评价并完成合适人选推荐。首先，制定岗位胜任性评价标准，一是对网络中已有的特征数据进行采集、分析和挖掘，进行适合特定岗位的人才特征描绘并设定人才维度指标；二是由人力资源部门与用人岗位所在部门站在各自的角度共同制定人才选用标准。其次，建立求职者岗位胜任性评分机制，通过大数据分析、挖掘并结合岗位权重，制定求职者岗位胜任性的评分方案，作为企业科学招聘的参考［4］。

（6）精准录用。将人才素质综合评价的结果提交给人力资源部门和用人岗位所在部门的决策者，由二者共同决定是否录用系统推荐的求职者。

2　核心模块设计

2．1　智能简历筛选

本系统基于反向传播（Back　Propagation，BP）神经网络进行电子简历的智能筛选。

（1）建立详细的用人岗位人才选用标准并为其分配权重。依据企业发展的战略规划提出人才素质层次整体需求，人力资源部门开展岗位及其职责的设计，应以其为基础建立人才选用标准，从而创建与企业发展相对应的岗位胜任性素质模型。本系统所创建的模型包括基本素质、能力素质、知识技能、品行动机和人格特征5个指标库，系统以该模型为基础建立岗位胜任素质评价体系。

（2）依据岗位人才选用标准创建同一格式的电子建立模板并通过网络对外。简历中的待填写项包括求职者姓名、性别、年龄、联系方式以及教育背景、工作经历等基本信息。

（3）求职者完成电子简历的在线填写。求职者在指定的平台在线填写电子简历，确保按实际情况完成必选信息的填写，同时可对岗位意向和薪资要求等进行附加说明。

（4）以岗位优秀员工的简历为样本进行神经网络的训练。在对岗位所需人才的人格特征、兴趣机动、行为模式、知识技能等方面的图谱进行深度数据分析的基础上，人力资源部门可以从人事档案中挑选出多个岗位优秀员工的简历，用以对神经网络进行训练，BP神经网络会基于其自身的记忆能力与自适应性实现简历中有用数据的的采集和处理，最终输出系统所需的结果。

（5）基于BP神经网络进行最优简历的筛选。随着学习次数的增多，BP神经网络逐渐成熟，进而能够独立完成线上简历的初选，减少人力资源部门的工作量。

（6）向通过初选的求职者发送复试通知，同时将初选的评估结果发送给相关管理人员。

2．2　智能交流面试

智能机器人的系统中植入了自然语言辨识和机器人学习的模块，能够在一定程度上按照人类的模式进行语言组织与学习，智能面试在人机交互问答的模式下进行。系统按照设定的场景向求职者提出问题，从而了解求职者的真实情况及意图。收到面试通知的求职者可在任意的时间和地点通过计算机客户端或手机App启动面试程序。面试的过程系统会全程记录并从中选取出所需的数据。

（1）知识库训练。训练知识库能够提高智能机器人的语义分析能力，从而提升匹配精度。系统基于Encorder－De－coder模型创建智能机器人，选取已保存的面试交流语音为样本对其进行训练。训练的过程是基于神经网络进行的，通过模式识别、深度学习等技术提高了系统的语义解析能力和自主学习能力。训练的目的是创建新的知识库及丰富已有知识库，将有关学历、技能、经验和敬业度等多种信息转换为量化的数据。词库访问是通过倒排索引和多模式匹配两种方式实现的，词库中包含多个主题数据模块，匹配是面向模块进行的，因此词库访问的速度得到了提升。为了解决智能机器人进行人机交互时的上下文机制问题，在Encorder过程中对基于上下文生成的Context信息和实时Message同时进行编码，从而保证在Decoder过程中能够按照上下文信息创建对应的Response应答。而对于个性信息归一化的问题，智能机器人可以创建一个代表不同身份或交流风格的对话助理，交流对象所表达的个性化信息借助Word　Embedding进行描述，通过不同对话助理的选择实现个性信息的归一化。

（2）主动提问。智能机器人能够使用文本信息与求职者进行交流，避免语音交流的识别错误且可以清晰地表达提问的内容。同时，智能机器人系统中载有人工招聘过程中经常被提出的问题，除此之外，机器人还可以根据简历信息进行针对性较强的提问，以此获取更多的求职者信息［5］。智能机器人能够向求职者提出问题并记录其给出的答案，提问的过程是高效的，只就与岗位有关的信息进行提问，对于求职者的专业能力考察，会根据求职者对当前问题的应答情况动态选择下一个问题，进而以最少的提问量获取尽可能多的信息，并根据这些信息对求职者的专业能力进行评估。

（3）应答匹配。系统利用这一功能对求职者的提问进行反馈，求职者通过语音提出问题，系统进行语音解析并分析语义，再从数据库中搜索与之匹配的答案，在这个过程中，语音解析是基于自然语言解析技术（Natrual　Language　Pro－cessiing，NLP）完成的，其具体流程如下。a）求职者提出问题，并在人机交互界面将系统自动辨识的提问文本信息进行简化处理，去除冗余信息；b）系统进行自然语言解析和文字分切，将语句分割为词组并为其分配权重，基于综合权重均衡算法从知识库中提取出包含最优答案的文档块，结合分词处理的结果判断是否存在歧义或空值，若存在，则通过深度学习进行化解或补充；c）重复分词和答案搜索环节直至提问的语句全部处理完毕。组织最精准的回答语句向求职者进行反馈。

2．3　虚拟场景面试

通过虚拟场景（Virtual　Reality，VR）技术能够为求职者提供一个与岗位日常工作实际十分贴近的虚拟场景，从而使考官直观地了解求职者的专业技能水平和临时应变能力。系统通过VR设备向求职者显示一个虚拟的任务场景，求职者在该场景中进行虚拟操作、解决随机出现的问题以完成设定的任务，系统对整个过程的影像进行记录并基于大数据分析对求职者的实际操作能力水平进行评定。具体过程如下。

（1）根据求职者的应聘岗位为其创建一个对应的工作场景，该场景按照工作岗位的实际环境搭建，完全能够代替真实的现场。从企业的岗位技能知识题库中抽取一定数量的题目，用于对求职者的专业知识进行考察。

（2）考核题目可视化条件准备，训练智能机器人。

（3）由考官选择或切换虚拟任务场景，随机向求职者提出专业问题或布置任务，求职者回答问题并按其要求完成操作，现场解决出现的各种临时问题。考官全程监控求职者的操作和反应，机器人记录整个考核过程并基于大数据分析对其专业能力进行评估。

（4）考官根据智能机器人的评估报告和自己对求职者表现的监控记录做出综合评定，并形成录用意见。

2．4　应用效果

为了验证系统的功能有效性，系统开发完成后在某网络游戏运营公司进行试运行。　求职人员通过该界面能够了解岗位类别、计划招聘人数及具体的岗位工作内容，同时根据自身的专业能力对岗位进行选择并按系统要求填写电子简历，系统会自动筛选出相对较为优秀的求职者并通知其参加后续的招聘环节。在招聘信息时间内，系统共收到电子简历377份，其中除技术类的“客户端开发工程师”岗位外，其余岗位电子简历数量均远高于计划招聘人数，经过系统自动筛选，按1：3的比例挑选出各岗位初选合格的求职者参加在线面试，并经过后续的VR场景面试和综合评估最终录用了其中的71人（客户端开发工程师仅1人通过系统考核）。根据公司在实习期对此次招聘人员的考评结果，本次招聘的新员工能力评定全部达到良好以上，由此可见本研究所设计的系统对于企业人才招聘具有很强的实效性。

3　总结

基于人工智能的招聘面试管理系统，将人工智能技术、大数据分析技术与虚拟现实技术进行有机融合，通过电子简历的自动筛选、智能在线交流与VR场景面试实现了智能化的岗位胜任素质考核，加快了企业招聘的进程，减轻了企业人力资源管理部门的工作负荷。本研究介绍了系统的整体框架，说明了相关技术的应用原理并阐述了各功能模块的设计思路和实现流程，为相关技术的深化应用和同类系统的研发提供了有价值的参考。在本次研究的过程中，由于对BP神经网络的复杂结构理解尚不够透彻，因此在简历筛选环节所建立的指标库并不十分完善，在今后的研究中，将会进一步细化人才评价指标并持续丰富BP神经网络结构，实现更加高效和精准的人才初选。

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，等．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（6）：60－62．

［4］　周畅飞．某集团招聘管理系统的设计与实现［D］．大连：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．

作者：  杨玫  单位：杭州英菲迅科技有限公司