(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111554801.9 (22)申请日 2021.12.17 (65)同一申请的已公布的文献号 申请公布号 CN 114238607 A (43)申请公布日 2022.03.25 (73)专利权人 北京斗米优聘科技发展 有限公司 地址 100085 北京市海淀区信息路甲28号 12层C座12 A-2E (72)发明人 杜海涛　何龙　杨羽　 (74)专利代理 机构 北京航信高科知识产权代理 事务所(普通 合伙) 11526 专利代理师 高原 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/33(2019.01)G06F 40/205(2020.01) G06F 40/253(2020.01) G06Q 10/10(2012.01) (56)对比文件 CN 110008324 A,2019.07.12 CN 110008324 A,2019.07.12 CN 107992459 A,2018.0 5.04 CN 113220854 A,2021.08.0 6 CN 112543972 A,2021.0 3.23 CN 104252517 A,2014.12.31 CN 111080234 A,2020.04.28 审查员 谢珊珊 (54)发明名称 深度交互式AI智能求职顾问方法、 系统及存 储介质 (57)摘要 本发明公开了一种深度交互式AI智能求职 顾问方法、 系统及存储介质。 其中， 该方法包括： 语音分析处理模块， 被配置为基于所接收到的用 户的语音数据和与所述用户相关的求职信息进 行AI智能分析， 并生成智能分析结果； 自动应答 分析处理模块， 被配置为基于所述智能分析结果 生成响应所述语音数据的应答数据， 其中， 所述 应答数据是关于职业顾问信息的相关数据。 本发 明解决了现有技术中无法与用户进行深度交互 的技术问题。 权利要求书3页 说明书16页 附图5页 CN 114238607 B 2022.11.22 CN 114238607 B 1.一种深度交 互式AI智能求职 顾问系统， 其特 征在于， 包括： 语音分析处理模块， 被配置为基于所接收到的用户的语音数据和与 所述用户相关的求 职信息进行AI智能分析， 并生成智能分析 结果； 自动应答分析处理模块， 被配置为基于所述智能分析结果生成响应所述语音数据的应 答数据， 其中， 所述应答数据是关于职业顾问信息的相关数据； 其中， 所述语音分析处 理模块还被 配置为： 从所述语音数据和应答数据的数据流中读取具有相互依赖关系的语法结构， 其中， 所 述语法结构表示在所述语音数据和应答数据之中的至少一对不同值之 间的相互依赖性； 基 于所述语法结构， 利用截断一元码， 使用结构预测在对应于所述语音数据和所述应答数据 的语句元素的信息量的不同等级的不同层上， 对交互过程中的语音数据和应答数据进 行二 次编码， 并对二次编 码后的数据进行归一化处理， 其中， 每条语音 数据和每条应答数据的各 个语句元素与所述不同层中的相应的一层相关联， 所述不同层包括基础层、 扩展层和附加 层； 利用神经网络模型， 对 归一化处理后的数据进行AI智能分析； 其中， 所采用的相互依赖性可以基于以下 方式来计算： 上式中， 为所述语音数据中语句元素的信息量， 为所述应答数据中语句元素的信 息量， 为个所述语音数据中语句元素的平均值， 为个所述应答数据中语句元素的平均 值， a 表示学习率， F表示相互依赖性， n  为所述语音数据和应答数据中的语句元素的总个 数。 2.根据权利要求1所述的系统， 其特 征在于， 所述语音分析处 理模块包括： 数据收集分析模块， 被配置为获取与用户相关的求职信 息， 对所述语音数据进行转译、 整理， 对交 互过程中的语音数据和应答数据进行二次整理， 以收集数据； 数据预处理模块， 被配置为对所收集的数据进行预处理， 所述预处理包括以下至少之 一操作： 整理、 清洗、 分析、 判定、 分类和学习； 需求定义与提取模块， 被配置为基于预处理后的数据， 确定所述用户的需求， 并基于所 确定的需求对所述用户的意向进行判定 。 3.根据权利要求2所述的系统， 其特征在于， 所述语音分析处理模块还包括文字呈现模 块， 所述文字呈现模块被 配置为： 对所述语音数据和所述应答数据进行文字识别， 并根据 所述语音数据和所述应答数据 的内容智能匹配相应的标点符号； 和/或 对所述用户的简历进行补全与拆分， 重新定义简历的需求匹配程度， 并通过用户兴趣 分析模型将 深度运算需求发送至所述自动应答分析处 理模块， 进行深度分析。 4.根据权利要求1所述的系统， 其特 征在于， 所述自动应答分析处 理模块包括： 需求处理模块， 被配置为基于所述语音分析处理模块输出的数据， 确认并处理所述用 户的需求；权　利　要　求　书 1/3 页 2 CN 114238607 B 2期望分析模块， 被配置为对所述需求进行判定分析， 确定所述用户意向范围和广度， 并 通过引导的方式收集所述用户提供 的进一步信息， 以确定所述用户的期望； 然后根据所确 定的所述期望来确定应答语音的内容。 5.根据权利要求 4所述的系统， 其特 征在于， 处 理所述用户的需求包括以下至少之一： 根据用户的先决信息结合所述交 互时生成的信息， 对所述需求进行分层级补全； 对所述用户的简历进行整体归类， 进行多维度特征提取并进行细化分类， 在交互过程 中对用户信息进行横向、 纵向的比对， 并根据比对结果 生成匹配的结果。 6.根据权利要求1所述的系统， 其特征在于， 还包括数据处理模块， 所述数据处理模块 包括： 简历处理模块， 被配置为基于所述交互过程中的语音数据和应答数据， 形成自我认识 模型， 以为所述用户生成完整的自我认识数据； 并且对所述用户的简历进 行优化， 对优化后 的简历进行特征提取， 对所提取的特征进行定义、 分析、 判定、 匹配， 再基于定义、 分析、 判 定、 匹配后的特征进行计算， 以对简历重新进行匹配契合； 其中， 所述匹配契合包括以下至 少之一： 岗位匹配、 经验匹配、 期 望匹配、 能力匹配、 需求匹配； 所述优化包括以下至少之一： 匹配度优化、 能力优化、 经验 优化、 期望优化； 职位处理模块， 被配置为对所述简历处理模块处理过的简历、 所述交互过程中的语音 数据和应答数据， 通过大数据计算进 行职位的挖掘与分析， 以确定所述简历的完善程度、 需 求描述正确、 岗位匹配程度分级、 招聘期望范围、 简 历契合度承受阈值。 7.根据权利要求1所述的系统， 其特 征在于， 所述语音分析处 理模块还被 配置为： 获取所述语音数据的上一语音窗口内的语音数据中的语音强度的最大值、 最小值和平 均值； 基于所获取的上一语音窗口中的语音数据中的语音强度的最大值、 最小值和平均值， 对当前语音窗口内的语音强度数据进 行归一化处理， 并判断归一化处理后的语音强度数据 对应的采样点是否是零 点， 以找出当前语音窗口中的相邻两个零 点； 基于所述相邻两个零点计算所述语音数据在所述相邻两个零点对应的两个时刻内的 语音强度； 基于所述语音强度， 对所述当前语音窗口中的语音数据进行切片处理， 并设置下一语 音窗口。 8.一种深度交 互式AI智能求职 顾问方法， 其特 征在于， 包括： 基于所接收到的用户的语音数据和与所述用户相关的求职信 息进行AI智能分析， 并生 成智能分析 结果； 基于所述智能分析结果生成响应所述语音数据的应答数据， 其中， 所述应答数据是关 于职业顾问信息的相关数据； 其中， 进行AI智能分析包括： 从所述语音数据和应答数据的数据流中读取具有相互依赖关系的语法结构， 其中， 所 述语法结构表示在所述语音数据和应答数据之中的至少一对不同值之间的相互依赖性； 基于所述语法结构， 利用截断一元码， 使用结构预测在对应于所述语音数据和所述应 答数据的语句元素的信息量的不同等级的不同层上， 对交互过程中的语音 数据和应答数据 进行二次编码， 并对二次编 码后的数据进 行归一化处理， 其中， 每条语音 数据和每条应答数权　利　要　求　书 2/3 页 3 CN 114238607 B 3