[发明专利]面试回答文本的分类方法及装置、电子设备、存储介质

说明书

本公开涉及人工智能技术领域，具体公开了面试回答文本的分类方法及装置，包括：获取为面试者的面试回答文本，面试回答文本是根据面试者在面试中对面试提问的回复获得的；通过所构建分类模型的特征提取层构建面试回答文本的语义向量；通过分类模型的每一全连接层分别根据语义向量进行全连接，对应获得特征向量，在全连接层上所获得的特征向量用于表征样本回答文本在全连接层所对应设定能力项上的特征；对在每一全连接层所获得的特征向量进行分类预测，分别获得面试者在各设定能力项上的评分等级。从而实现了词典的自动扩充，提高了面试回答文本的分类的速率。从而实现了对自动对面试者进行面试评价。

技术领域

本公开涉及人工智能技术领域，具体涉及一种面试回答文本的分类方法及装置、电子设备、计算机可读存储介质。

背景技术

对于面试而言，需要根据面试者对提问所作的回复来评价面试者在多个设定能力项上的能力，即分别确定面试者在每一设定能力项上的评分等级。

现有技术中，一般是由面试官对面试者进行面试，然后由面试官根据面试者在面试过程中的回答语料对面试者的各方面能力进行评估。由于通过面试官根据面试者回答语料确定面试者在各设定能力项上的评分等级，存在效率低的问题。

由上可知，需要一种方法来自动对面试者进行评估，而不依赖于面试官对面试者进行评估，从而提高面试评估的效率。

发明内容

为了解决现有技术中因面试官进行面试评估，所造成面试评估效率低的问题，本公开的实施例提供了一种面试回答文本的分类方法及装置、电子设备、计算机可读存储介质，以实现自动进行面试评估。

其中，本申请所采用的技术方案为：

第一方面，一种面试回答文本的分类方法，所述方法包括：

获取面试者的面试回答文本，所述面试回答文本是根据所述面试者在面试中对面试提问的回复获得的；

通过所构建分类模型的特征提取层构建所述面试回答文本的语义向量，所述分类模型是通过若干样本回答文本和为每一样本回答文本所标注的标签数据进行训练获得的，所述标签数据指示了根据所述样本回答文本为所述面试者所标注在设定能力项上的评分等级；

通过所述分类模型的每一全连接层分别根据所述语义向量进行全连接，对应获得特征向量，在所述全连接层上所获得的所述特征向量用于表征所述样本回答文本在所述全连接层所对应设定能力项上的特征，所述分类模型包括至少两个全连接层，每一全连接层对应一设定能力项；

对在每一全连接层所获得的特征向量进行分类预测，分别获得所述面试者在各设定能力项上的评分等级。

第二方面，一种面试回答文本的分类装置，所述装置包括：

获取模块，用于获取为面试者的面试回答文本，所述面试回答文本是根据所述面试者在面试中对面试提问的回复获得的；

语义向量构建模块，用于通过所构建分类模型的特征提取层构建所述面试回答文本的语义向量，所述分类模型是通过若干样本回答文本和为每一样本回答文本所标注的标签数据进行训练获得的，所述标签数据指示了根据所述样本回答文本为所述面试者所标注在设定能力项上的评分等级；

全连接模块，用于通过所述分类模型的每一全连接层分别根据所述语义向量进行全连接，对应获得特征向量，在所述全连接层上所获得的所述特征向量用于表征所述样本回答文本在所述全连接层所对应设定能力项上的特征，所述分类模型包括至少两个全连接层，每一全连接层对应一设定能力项；

分类预测模块，用于对在每一全连接层所获得的特征向量进行分类预测，分别获得所述面试者在各设定能力项上的评分等级。

第三方面，一种电子设备，包括：

处理器；及