基于大语言模型的面试题目生成方法、装置及存储介质与流程

本发明涉及人工智能辅助教育，尤其涉及一种基于大语言模型的面试题目生成方法、装置及存储介质。

背景技术：

1、随着高校毕业生就业竞争日益激烈，越来越多的在校学生希望在正式求职前通过模拟面试来提升自己的面试能力和应试水平。然而，现有的面试模拟系统大多面向已有工作经验的求职者设计，其题目生成主要基于岗位描述和简历信息的匹配，忽视了在校学生“尚处于专业学习阶段、尚未具备完整的工作经历”这一重要特征。

2、对于在校学生而言，其简历中缺乏实际项目经验和完整的工作经历，现有的基于岗位描述与简历匹配的面试题生成方法难以适用，现有技术在生成面试题目时，大多采用静态的岗位-技能匹配方式，未能充分考虑学生所处的学习阶段与其专业培养方案之间的动态关系，导致生成的题目超出学生的知识范围，且与学生的实际学习内容脱节，未建立专业课程体系与岗位能力需求之间的双向映射关系，难以实现面向在校学生的精准化面试题目生成。

技术实现思路

1、本发明的目的在于提供一种基于大语言模型的面试题目生成方法、装置及存储介质，以解决现有技术存在的未建立专业课程体系与岗位能力需求之间的双向映射关系，导致面向在校学生的面试题目生成不准确的问题。

2、为实现上述目的，本发明采用了如下技术方案：

3、一种基于大语言模型的面试题目生成方法，包括：

4、获取目标学生的专业信息与学习阶段信息，根据专业培养方案中课程之间的先修依赖关系构建学生专业能力发展图谱，并根据已修课程成绩对各节点赋予掌握度权重；

5、获取目标学生选择的意向就业方向，检索核心能力要求并构建岗位能力需求图谱；

6、将学生专业能力发展图谱与岗位能力需求图谱进行语义映射，生成能力覆盖关联矩阵；

7、根据能力覆盖关联矩阵计算各岗位知识点的可达掌握度，并依据可达掌握度划分知识点的难度等级；

8、获取目标学生设定的各难度等级题目比例，按照差异化抽取策略从各知识点集合中抽取岗位知识点合并形成待考核知识点集合；

9、以待考核知识点集合中的各岗位知识点为核心构建提示语并输入大语言模型生成面试模拟题，并对生成的面试模拟题进行学习阶段适配性校验。

10、进一步地，基于课程及其先修依赖关系，构建有向无环图结构的学生专业能力发展图谱，学生专业能力发展图谱中，每个节点代表一门专业课程，节点之间的有向边由先修课程指向后续课程，对于已修读完成的课程节点，根据成绩计算其掌握度权重，对于正在修读的课程节点，将其掌握度权重暂定为预设经验权重，对于尚未修读的课程节点，其掌握度权重记为空值。

11、进一步地，根据目标学生的意向就业方向，从预设的行业岗位知识库中检索意向就业方向对应的真实岗位的核心能力要求，基于核心能力要求，构建岗位能力需求图谱，岗位能力需求图谱为带权有向图结构，其中每个节点代表一个岗位所要求具备的知识点或能力项，节点之间的有向边代表知识点之间的逻辑关联关系，每条有向边的关联强度权重根据该有向边所连接的两个知识点在目标岗位的真实岗位描述文本中的共现频率确定，根据知识点在岗位能力模型中的重要程度赋予岗位需求权重，所述逻辑关联关系包括包含关系、递进关系和并列关系。

12、进一步地，对于关联强度权重，选取意向就业方向对应的真实岗位描述文本，统计各知识点对在同一份文本中共同出现的次数，将共同出现次数归一化至0至1区间，作为该知识点对之间关联边的关联强度权重；

13、对于每个知识点节点，其岗位需求权重的确定方式为：对意向就业方向对应的描述文本进行词频统计，统计每个知识点名称在全部文本中出现的频率，将出现频率归一化至0至1区间作为该知识点的岗位需求权重。

14、进一步地，对于岗位能力需求图谱中的每一个岗位知识点节点，遍历学生专业能力发展图谱中的全部课程知识节点及其下挂载的子知识节点，确定二者之间的语义相似度，若某一课程知识节点与某一岗位知识点节点的语义相似度超过预设第一相似度阈值，则将该课程知识节点标注为该岗位知识点节点的关联课程节点，并记录其语义相似度值作为映射置信度，通过遍历全部节点对，建立从岗位知识点到关联课程节点的映射表；

15、在完成全部映射后，结合各课程知识节点的掌握度权重，生成能力覆盖关联矩阵，能力覆盖关联矩阵的行为岗位能力需求图谱中的各个岗位知识点节点，列为学生专业能力发展图谱中的各个课程知识节点，矩阵元素值的计算方式为：若存在映射关系，元素值为映射置信度与掌握度权重的乘积，若不存在映射关系，元素值为空。

16、进一步地，所述语义相似度基于名称匹配度、描述文本匹配度和领域归属匹配度三个维度进行综合匹配，按预设匹配权重比例加权求和得到：

17、对于名称匹配度，将两个节点的名称进行分词处理后，计算共有词汇数量占两节点名称总词汇量并集的比例；

18、对于描述文本匹配度，将两个节点在各自图谱中的属性描述文本进行向量化后计算余弦相似度作为描述文本匹配度；

19、对于领域归属匹配度，判断两个节点是否属于相同的上位领域分类，若属于相同领域则取值为1，否则取值为0。

20、进一步地，对能力覆盖关联矩阵进行逐行分析，对于岗位能力需求图谱中的每一个岗位知识点节点，从该岗位知识点节点所对应的行中，提取所有存在映射关系的课程知识节点及其对应的元素值，将该行中各元素值的总和除以各映射置信度的总和，以得到加权平均值，并将其作为该岗位知识点在当前学生知识结构下的可达掌握度，将各岗位知识点的可达掌握度与掌握度阈值进行比较，以划分岗位知识点的难度等级。

21、进一步地，以待考核知识点集合中的每一个岗位知识点作为题目的核心考察点，依次构建题目生成提示语，并将提示语输入预设的大语言模型，以生成面试模拟题，在面试模拟题生成后，对面试模拟题进行学习阶段适配性校验，解析面试模拟题所涉及的全部岗位知识点，并分别将每个面试模拟题所涉及的岗位知识点与学生专业能力发展图谱中的课程知识节点进行匹配，以判定面试模拟题是否通过适配性校验，在学生专业能力发展图谱中存在与面试模拟题所涉及的岗位知识点匹配的课程知识节点，且超范围占比超过预设的容忍阈值时，判定当前面试模拟题通过适配性校验，对于未通过适配性校验的面试模拟题均重新生成直至通过适配性校验，并将通过适配性校验的全部面试模拟题输出。

22、另一方面，本发明还提供一种基于大语言模型的面试题目生成装置，包括：

23、专业分析模块，用于获取目标学生的专业信息与学习阶段信息，根据专业培养方案中课程之间的先修依赖关系构建学生专业能力发展图谱，并根据已修课程成绩对各节点赋予掌握度权重；

24、意向分析模块，用于获取目标学生选择的意向就业方向，检索核心能力要求并构建岗位能力需求图谱；

25、关联映射模块，用于将学生专业能力发展图谱与岗位能力需求图谱进行语义映射，生成能力覆盖关联矩阵；

26、难度划分模块，用于根据能力覆盖关联矩阵计算各岗位知识点的可达掌握度，并依据可达掌握度划分知识点的难度等级；

27、考核分析模块，用于获取目标学生设定的各难度等级题目比例，按照差异化抽取策略从各知识点集合中抽取岗位知识点合并形成待考核知识点集合；

28、题目生成模块，用于以待考核知识点集合中的各岗位知识点为核心构建提示语并输入大语言模型生成面试模拟题，并对生成的面试模拟题进行学习阶段适配性校验。

29、另一方面，本发明还提供一种存储介质，其特征在于，存储有指令，当其在计算机上运行时，使得计算机执行上述所述的基于大语言模型的面试题目生成方法。

30、本发明的有益效果如下：通过构建学生专业能力发展图谱与岗位能力需求图谱，并建立二者间的语义映射，解决了现有技术未能根据在校学生实际学习阶段动态生成面试题目的问题，基于可达掌握度划分知识点难度等级，结合学生设定的比例进行差异化抽取，确保题目覆盖范围与学生的已修、在修课程体系紧密关联，同时，利用大语言模型生成题目后，进行学习阶段适配性校验，过滤超出学生知识范围的题目，避免题目与学习内容脱节，实现了因材施教的面试模拟训练，提升了题目生成的精准性和实用性。