检索结果-南通市图书馆

计算机研究与发展 2021年第9期58卷 2013-2024页

作者：陈楚杰吕建明沈华伟华南理工大学计算机科学与工程学院广州510006 大数据与智能机器人教育部重点实验室(华南理工大学) 广州510006 中国科学院计算技术研究所北京100190

海量的在线面试视频数据为智能面试评价提供了重要的数据基础.随着目前全球疫情的蔓延,网络在线面试的需求程度上升,对智能面试评价工具的需求也随之上升.结构化面试中,面试官需要依据评价标准,观察面试者所做的回答,并形成面试者人格... 详细信息

海量的在线面试视频数据为智能面试评价提供了重要的数据基础.随着目前全球疫情的蔓延,网络在线面试的需求程度上升,对智能面试评价工具的需求也随之上升.结构化面试中,面试官需要依据评价标准,观察面试者所做的回答,并形成面试者人格特性、沟通技能以及领导力等方面的画像评估,以此判断面试者的特质是否与应聘职位相匹配.其中人格特性评估是公司间广泛使用的一种评估方法,因为人格特性影响着人们的语言表达、人际交往等多个方面,是辅助面试官决策该面试者是否符合其应聘岗位需求的重要参考.基于此,提出了基于循环神经网络长短期记忆(long short term memory,LSTM)以及关键词-问题注意力机制的多层次(hierarchical keyword-question attention LSTM,HKQA-LSTM)细粒度面试评价方法,旨在针对面试者的不同人格特性维度进行打分,并据此得到综合面试得分.首先,通过引入关键词注意力机制有效筛选出面试对话中与人格特性密切相关的重要词句;然后,在此基础上采用了关键词-问题层次注意力机制和2阶段的模型学习机制,充分结合面试者表述文本的多尺度上下文特征,对人格特性进行准确预测;最后通过融合人格特性得到具有较高解释性的面试综合评价结果.基于真实面试场景数据的实验结果表明,该方法能有效地评价面试者的不同人格特性得分,并准确地预测面试者总体得分.

关键词：关键词注意力细粒度评分面试评价 2阶段学习自然语言处理

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多模态人格特质预测的面试评价算法与应用研究

基于多模态人格特质预测的面试评价算法与应用研究

引用

作者：陈楚杰华南理工大学

学位级别：硕士

一些心理学工作表明,人格特质能从侧面反映出面试者的适应性、社交表达、领导才能等能力。因此,基于人格特质评估的面试评价方法成为不少企业的人才初筛方式。在招聘过程中使用人格特质测试,能帮助人力资源部门更快找到合适的人选,提高... 详细信息

一些心理学工作表明,人格特质能从侧面反映出面试者的适应性、社交表达、领导才能等能力。因此,基于人格特质评估的面试评价方法成为不少企业的人才初筛方式。在招聘过程中使用人格特质测试,能帮助人力资源部门更快找到合适的人选,提高员工工作满意度。随着异步视频面试逐渐成为面试的一种流行形式,一些研究者利用求职者在视频中表现出的社交信号进行自动面试评价分析。然而,现有的算法还存在着一些挑战,一方面,现有的算法不能有效地将人力资源顾问的专业知识结合到算法中,算法的可解释性不强,并且由于视频信息的复杂性,模型往往需要大量数据进行训练,导致人力资源顾问所花费的标注时间成本较大。另一方面,现有的多模态面试评价算法很少挖掘多模态信息间的一致性问题,导致一些重要的模态对齐信息被模型所忽略。为了解决上述挑战,本文提出了以下方法:1)提出了一种基于关键词注意力机制的人格特质预测网络,将人力资源顾问提供的关键词先验知识融入到算法中,模型通过注意力机制建模关键词信息与答案之间的匹配关系,增强了泛化性能。2)提出了一种基于窗口一致性的多模态融合网络,以捕获短时间窗口下不同模态的表达一致性,重点挖掘多模态中的语言信息。本文通过真实场景下的异步面试数据集进行实验,验证了上述所提出方法的有效性,并通过可视化的方式进行了案例分析。最后,本文开发了一个基于多模态人格特质分析的面试系统,涵盖视频面试流程中从面试邀请到面试评价的一体化全流程。通过建立数据平台,给企业招聘团队提供海量数据存储的支持,并将本文提出的多模态算法集成到系统中,最终提高用人企业人才招聘的效率,有效实现信息的统一管理。

关键词：自然语言处理多模态交互关键词注意力社交计算

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于融合条目词嵌入和注意力机制的自动ICD编码

引用

北京大学学报（自然科学版） 2020年第1期56卷 1-8页

作者：张虹科付振新任前平徐辉赵东岩严睿北京大学王选计算机研究所北京100871 生命奇点(北京)科技有限公司北京100080

构建一种基于融合条目词嵌入和注意力机制的深度学习模型,可以充分利用电子病案中的多种非结构化文本数据,对病案首页的主要诊断进行自动ICD编码。该模型首先对含有病案条目的文本进行融合条目的词嵌入,并通过关键词注意力来丰富词级别... 详细信息

构建一种基于融合条目词嵌入和注意力机制的深度学习模型,可以充分利用电子病案中的多种非结构化文本数据,对病案首页的主要诊断进行自动ICD编码。该模型首先对含有病案条目的文本进行融合条目的词嵌入,并通过关键词注意力来丰富词级别的类别表示;然后利用词语注意力来突出重点词语的作用,增强文本表示;最后通过全连接神经网络分类器进行分类,输出ICD编码。通过在中文电子病案数据集上的消融实验,验证了融合条目词嵌入、关键词注意力和词语注意力的有效性;与多个基准模型相比,所建模型在对81种疾病的分类中取得最好的分类效果,可以有效地提高自动ICD编码的质量。

关键词：自动ICD编码融合条目词嵌入关键词注意力词语注意力病案首页主要诊断

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：