一种人才背调档案生成方法、系统及存储介质与流程

1.本技术涉及人才评价的技术领域，尤其是涉及一种人才背调档案生成方法、系统及存储介质。


背景技术：

2.目前各企业中有大量的职位正等待着相应的人才，其中大量的人才是从一家公司离职以寻觅更好的工作机会的，企业在对这些求职人员进行面试时，大多数的人才判断都是通过求职人员的简历和求职人在面试中的表现得到的，而为了对求职人员真实工作能力的确定，需要对其进行背景调查，背景调查也是当前人力企业的重要工作业务。
3.对人才的背景调查主要是通过对求职人员之前任职的企业单位相关人员进行询问，相关技术中的方法是调查专员根据已分配的订单对候选人才曾任职单位的相关证明人进行电话访谈，在访谈中记录关键信息，并对访谈过程进行录音，后期根据记录的关键信息，并结合通过回放录音对录音内容进行整理、语言组织和编排后对关键信息进行填充以得到该候选人才的调查报告，并将这个报告进行上传以与该候选人才信息进行匹配。
4.相关技术中的方法依靠人工进行访谈、调查报告的制作和交付，所有订单需要串行处理，消耗大量的人工，且人工交付效率较低，都对报告的整体交付时效有所影响。


技术实现要素：

5.为了提高人才背调档案的生成效率，本技术提供一种人才背调档案生成方法、系统及存储介质。
6.第一方面，本技术提供的一种人才背调档案生成方法，采用如下的技术方案：一种人才背调档案生成方法，包括以下步骤：获取订单信息，所述订单信息包括候选人才信息、曾任职公司岗位信息、候选岗位信息、证明人信息；根据所述订单信息生成相应的调查模型问卷，并根据所述证明人信息将所述调查模型问卷发送至证明人端；根据提交指令获取经过证明人填写后的调查模型问卷；根据预设的防作弊方法判断所述调查模型问卷是否具有有效性；若所述调查模型问卷具有有效性，则根据预设的cam可信分模型获得所述调查模型问卷的可信分，所述可信分用于评定所述调查模型问卷及证明人的可信程度；根据所述可信分对所述调查模型问卷进行分类，并根据所述调查模型问卷的填写结果获得相应的调查结果报告，并将所述调查结果报告进行交付。
7.在其中的一些实施例中，根据所述订单信息生成相应的调查模型问卷包括：根据曾任职公司岗位信息和候选岗位信息获取相应的职业标签；根据所述职业标签从调查模型库获取相关联职业的调查问卷模板，所述调查问卷模板至少包括候选人才基本信息板块、证明人基本信息板块、调查问题板块；
根据所述候选人才信息和证明人信息对所述调查问卷模板中的候选人才基本信息板块、证明人基本信息板块进行补充以得到调查模型问卷。
8.在其中的一些实施例中，所述调查问题板块包括职业素养板块、技能板块和知识板块，所述调查模板库内设有题库，所述题库内包含不同职业标签相对应的职业素养类问题、技能类问题和知识类问题，所述调查问题板块的生成方法包括：获取职业标签；根据所述职业标签从所述题库中分别获取预设数量的随机职业素养类问题、随机技能类问题和随机知识类问题；结合所述随机职业素养类问题、随机技能类问题和随机知识类问题并进行打乱、编号以生成调查问题板块。
9.在其中的一些实施例中，根据预设的防作弊方法判断所述调查模型问卷是否具有有效性包括：基于所述证明人端的打开指令获取证明人端的授权信息，所述授权信息表征为代表证明人身份的证明验证信息；将所述授权信息与所述证明人信息进行验证，若验证结果为合格，则所述调查模型问卷具有有效性；若验证结果为不合格，则所述调查模型问卷不具有有效性，并返回所述调查模型问卷至待操作区且向所述证明人端发送错误报告；若无法获取所述证明人端的授权信息，则根据所述证明人信息向所述证明人端发送手动验证信息；根据所述证明人端对所述手动验证信息的验证反馈得到相应的验证结果。
10.在其中的一些实施例中，根据预设的cam可信分模型获得调查模型问卷的可信分，所述可信分包括身份可信分和结果可信分，具体包括以下步骤：对所述证明人信息来源进行验证以获取来源评定结果；对所述证明人身份进行验证以获取身份评定结果；对所述证明人共事关系进行验证以获取关系评定结果；根据所述来源评定结果、身份评定结果和关系评定结果获得所述身份可信分；在所述职业素养板块、技能板块和知识板块内分别设置相应的验证型题目；根据所述验证型题目的填写结果判断经过所述证明人填写后的调查模型问卷的结果可信分。
11.在其中的一些实施例中，设置相应的验证型题目，根据所述验证型题目的填写结果判断经过所述证明人填写后的调查模型问卷的结果可信分，包括：所述验证型题目包括总评验证题，所述总评验证题为与其所处板块主题无关的任意主题内容的评论型题目；根据预设的逻辑语言库对所述验证型题目的回答进行逻辑判断，判断该回答的逻辑是否通顺、该回答的内容是否关联于该验证型题目的内容，以输出相应的结果可信分；和/或，所述验证型题目包括正反语义验证题，所述正反语义验证题包含含义相同而语义逻辑相反的正向选项题和反向选项题；根据所述正向选项题和反向选项题的选项结果是否相同以输出相应的结果可信
分；和/或，所述验证型题目包括重复验证题，所述重复验证题为各板块中任意一道原始题目的相同题目；根据所述重复验证题和所述原始题目的选项结果是否相同以输出相应的结果可信分；和/或，所述验证型题目包括测谎验证题，所述测谎验证题表征为根据所述候选人才信息、曾任公司岗位信息和证明人信息中的已确认信息生成的问题；根据所述测谎验证题的回答与该题目预设答案是否相同以输出相应的结果可信分。
12.在其中的一些实施例中，所述可信分还包括行为可信分，根据预设的cam可信分模型获得调查模型问卷的可信分，还包括以下步骤：判断所述证明人端ip地址是否发生变化，并输出相应的地址监测结果，根据所述地址监测结果获得调查模板问卷的行为可信分；判断所述证明人端设备参数是否发生变化，并输出相应的设备监测结果，根据所述设备监测结果获得调查模板问卷的行为可信分；判断所述证明人端系统环境是否发生变化，并输出相应的环境监测结果，根据所述环境监测结果获得调查模板问卷的行为可信分；判断所述证明人端无操作的时长是否大于第一预设时长，并输出相应的第一时间监测结果，根据所述第一时间监测结果获得调查模板问卷的行为可信分；判断所述证明人端接收调查模型问卷至提交所述调查模型问卷的时长是否小于第二预设时长，以输出相应的第二时间监测结果，根据所述第二时间监测结果获得调查模板问卷的行为可信分。
13.在其中的一些实施例中，根据所述可信分对所述调查模型问卷进行分类以获得相应的调查结果报告，并将所述调查结果进行交付，包括：判断所述调查模型问卷的可信分是否高于预设的正常分值；若高于，则将该所述调查模型问卷分类为可用问卷，若低于，则将该所述调查模型问卷分类为不可用问卷；判断同一候选人的调查模型问卷数量是否大于一个，若大于，则根据若干所述调查模型问卷的可信分由高到低依次生成相应的调查结果报告。
14.第二方面，本技术提供的一种人才背调档案生成系统，采用如下的技术方案：一种人才背调档案生成系统，其特征在于：包括服务器，所述服务器用于获取订单信息，所述订单信息包括候选人才信息、曾任职公司岗位信息、候选岗位信息、证明人信息；并根据所述订单信息生成相应的调查模型问卷，并根据所述证明人信息将所述调查模型问卷发送至证明人端；还用于根据提交指令获取经过证明人填写后的调查模型问卷；根据预设的防作弊方法判断所述调查模型问卷是否具有有效性；若所述调查模型问卷具有有效性，则根据预设的cam可信分模型获得所述调查模型问卷的可信分，所述可信分用于评定所述调查模型问卷及证明人的可信程度；根据所述可信分对所述调查模型问卷进行分类以获得相应的调查结果报告，并将所述调查结果报告进行交付。
15.第二方面，本技术提供的一种才人背调档案生成系统，采用如下的技术方案：一种人才背调档案生成系统，包括服务器，所述服务器用于获取订单信息，所述订单信息包括候选人才信息、曾任职公司岗位信息、候选岗位信息、证明人信息；并根据所述订单信息生成相应的调查模型问卷，并根据所述证明人信息将所述调查模型问卷发送至证明人端；还用于根据提交指令获取经过证明人填写后的调查模型问卷；根据预设的防作弊方法判断所述调查模型问卷是否具有有效性；若所述调查模型问卷具有有效性，则根据预设的cam可信分模型获得所述调查模型问卷的可信分，所述可信分用于评定所述调查模型问卷及证明人的可信程度；根据所述可信分对所述调查模型问卷进行分类以获得相应的调查结果报告，并将所述调查结果报告进行交付。
16.第三方面，本技术提供的一种计算机存储介质，采用如下的技术方案：一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的人才背调档案生成方法。
17.综上所述，本技术包括以下至少一种有益技术效果：1.通过智能化的手段自动生成针对于不同职业的针对性调查模型问卷，并自动将调查模型问卷发送至证明人端进行填写，证明人填写后根据填写结果自动生成相应的调查结果报告并进行交付，不依赖大量的人工，可以快速的自动生成调查结果报告，大大提升了交付时效性；2.对调查模型问卷进行处理，得到的调查结果包括更结构化以及可视化。
附图说明
18.图1是本技术实施例的整体流程示意图。
具体实施方式
19.以下结合附图1对本技术作进一步详细说明。
20.本技术实施例公开一种人才背调档案生成方法。
21.如图1所示，一种人才背调档案生成方法包括：s100，获取订单信息。
22.订单信息包括候选人才信息、曾任职公司岗位信息、候选岗位信息和证明人信息。
23.其中候选人才信息包括候选人才的姓名、电话、邮箱、性别、民族、身份证号等基础信息。曾任职公司岗位信息包括曾任职公司名称、地址、联系方式、曾任职岗位名称、直系领导联系方式等。候选岗位信息包括该候选人才应聘的岗位名称。证明人信息包括为候选人才进行证明的人员的姓名、电话、邮箱等基础信息。
24.候选人才应聘一个岗位，该公司委托人力企业对该候选人才进行背景调查，并将上述信息告知人力企业，人力企业将这些基础信息上传至服务器中，服务器根据这些信息自动生成订单，并获取订单信息。
25.s200，根据订单信息生成相应的调查模型问卷，并根据证明人信息将调查模型问卷发送至证明人端。
26.根据订单信息内的基础信息生成相应的调查模型问卷，并根据订单信息内的证明
人信息获取相应的联系方式，如电话号、社交软件名称等，并根据联系方式将调查模型问卷发送至证明人端。证明人端可以是相应的社交平台、工作平台、邮箱、短信链接等，根据实际情况进行选择即可，而步骤s200，具体包括以下步骤：s210，根据曾任职公司岗位信息和候选岗位信息获取相应的职业标签。
27.根据该候选人才获取曾任职的岗位和现在要应聘的岗位得知该候选人才的职业标签，如a过去在一家公司的岗位为电力工程师，现在应聘的岗位为电力主管，则经过两者比对后则得到其职业标签为“电力”。
28.其中，标签的选定方式可以通过预设的神经网络算法进行深度学习，判断过去的岗位和候选的岗位之间是否具有明显的关联性，如“电力工程师”和“电力主管”，这种情况下可以直接选择两个岗位之间相同的交集作为职业标签。
29.而在别的情况下，存在人员从技术岗位跳槽至管理岗位，或直接跨行业应聘的可能性，在这种情况下，若两个职位之间不存在关联性，则直接根据曾任职公司岗位进行相应职业标签选定，因为可以通过对过去岗位的工作能力对未来的工作能力进行一定的推导判断。
30.其中，每个职业标签所相对应的岗位名称可以通过神经网络算法进行相应的训练定义。
31.s220，根据职业标签从调查模型库获取相关联职业的调查问卷模板。
32.其中，调查问卷模板至少包括候选人才基本信息板块、证明人基本信息板块和调查问题板块。
33.本技术中的调查问卷模板为创新性的新型ask背调评价模板，在基于人力资源行业的传统ask评价的基础上，更结合进行背景调查，其特点是：调查模型库内预先存储有数量庞大的调查问卷模板，每个职业标签都对应有相应的调查问卷模板，其中针对于不同的职业，其相对应的调查问卷模板中调查问题板块中的调查问题都是不同的，因为不同的职业所对应的工作内容、性格、知识领域都是不同的，所以将不同职业的调查问卷模板分割开来有益于对候选人才的调查结果。
34.例如，a曾任的岗位是平面设计师，应聘岗位为平面设计师，b曾任岗位是育儿师助理，应聘岗位是育儿岗经理，那么a和b两个职业的区别非常大，其需要调查的问题，如工作技能、知识领域等是完全不同的，若不根据相应的职业标签设定不同的调查问卷模板，就无法得到一个客观公正且具有针对性的背景调查结果。
35.进一步的，调查问题模板包括职业素养板块（a）、技能板块（s）和知识板块（k），且调查模板库内还设置有题库，题库内包含有不同职业标签相对应的职业素养类问题、技能类问题和知识类问题，职业素养板块内的问题主要用于判断候选人才的职业素养，技能板块主要用于判断候选人才的工作技能，知识板块主要用于判断候选人才的知识水平，调查问题板块的生成方法包括：s221，获取职业标签。
36.s222，根据职业标签从题库中分别获取预设数量的随机职业素养类问题、随机技能类问题和随机知识类问题。
37.根据职业标签所对应的不同职业从题库中获取若干数量的题目，且三个板块中每个板块的题目数量应该相同，且相同职业的每份调查问题模板内的题目应该是不同的。
38.且题库内的题目皆通过能产生共情的话题引导证明人进行填写，这样一方面可以降低证明人的负面填写情绪，另一方面也尽可能多的拿到具体且客观的评价信息。
39.其中题库内的题目可以由工作人员实现出题并保存至题库内，且随着背景调查工作的进行，可以随时对题库内的题目进行添加。
40.s223，结合随机职业素养类问题、随机技能类问题和随机知识类问题并进行打乱、编号以生成调查问题板块。
41.最后将这些题目进行随机打乱编号以生成调查问题板块，证明人可以对这些题目进行填写，最后根据这些题目的结果获取候选人才相应的背景调查结果。其中，经过细分后，可以将职业素养类问题、随机技能类问题和随机知识类问题最后的结果细分为5个维度，其中职业素养板块中包括抗压能力和敬业精神，技能板块内包括学习能力和沟通能力，知识板块内包括专业知识，每一个板块的问题都可以细分出相应的维度，并将结果添加至这一维度中，比如a题和b题的结果关系到学习能力的分值，c题和d题的结果关系到敬业精神这一维度等，经过答题后，可以获取一个蕴含5个评价体系维度的五维雷达图。
42.s230，根据候选人才信息和证明人信息对调查问卷模板中的候选人才基本信息板块和证明人基础信息板块进行补充以得到调查模型问卷。
43.通过候选人才信息和证明人信息对调查模型问卷中的候选人才基本信息板块和证明人基础信息板块进行自动填写。
44.s300，根据提交指令获取经过证明人填写后的调查模型问卷。
45.当证明人端的证明人对调查模型问卷进行填写后，发出提交指令，服务器接收到提交指令后获取经过填写后的调查模型问卷。
46.s400，根据预设的防作弊方法判断调查模型问卷是否具有有效性。
47.通过多套防作弊方法的联动验证证明人身份的真伪和填写内容的有效性，具体包括以下步骤：s410，基于证明人端的打开指令获取证明人端的授权信息。
48.授权信息表征为代表证明人身份的证明验证信息，如app绑定的手机号等。证明人端可以为手机、电脑、平板等移动设备。
49.在一个实施例中，可以基于微信生态-小程序的身份认证体系，在证明人打开链接的同时请求授权获取绑定的手机号码。
50.s420，将授权信息与证明人信息进行验证，若验证结果为合格，则调查模型问卷具有有效性；若验证结果不合格，则调查模型问卷不具有有效性，并返回调查模型问卷至待操作区且向证明人端发送错误报告。
51.若通过手机号同证明人信息内的证明人手机号相同，则判定该证明人端操作的操作人员为真实身份，验证结果为合格，那么该证明人填写的调查模型问卷具有有效性；若手机号不同，则判定该证明人端的操作人员不是真实身份，验证结果为不合格，那么该证明人填写的调查模型问卷不具有有效性。
52.进一步的，有时候会出现证明人使用其他手机打开链接，这时验证结果必然是不合格的，调查模型问卷不具有有效性，而证明人得知后更改为正确手机号码绑定的手机时，该链接依旧有效。
53.而验证结果合格后，该链接自动绑定于该小程序，其他手机的小程序便无法对该
链接打开，而其他小程序无法打开时，会弹窗提示相应的警告语，如“该链接已经被证明人打开，请联系证明人填写”等。
54.s430，若无法获取证明人端的授权信息，则根据证明人信息向证明人端发送手动验证信息。
55.无法获取证明人端的授权信息，可能是证明人端的手机或电脑等设备设置了隐私管理，使得服务器无法获取到授权信息，这时可以通过短信验证或人脸识别等其他手动验证信息进行验证。
56.s440，根据证明人端对手动验证信息的验证反馈得到相应的验证结果。
57.s500，若调查模型问卷具有有效性，则根据预设的cam可信分模型获得调查模型问卷的可信分。
58.可信分包括身份可信分和结果可信分。其中，身份可信分主要评定调查模型问卷填写人身份的可信程度。结果可信分主要评定后手的调查模型问卷的内容填写的可信程度。
59.当调查模型问卷具有有效性时，需要再通过cam可信分模型自动监测调查模型问卷的可信度。当可信分满足条件值后，调查模型问卷的内容将被系统采纳，否则，调查模型问卷的内容将不被采纳，并针对可信分分值异常的情况同步给专人进行处理，具体包括以下步骤：s510，对证明人信息来源进行验证以获取来源评定结果。
60.s520，对证明人身份进行验证以获取身份评定结果。
61.s530，对证明人共事关系进行验证以获取关系评定结果。
62.证明人信息来源主要指该证明人身份的获取来源是否可信，证明人身份主要指证明人的基本信息、职位等内容是否可信，共事关系指证明人和候选人才之间是否存在共事关系，且该共事关系与候选人才提出的共事关系是否相同。此部分的判定可以通过专业调查人员通过专业方法进行验证。
63.s540，根据来源评定结果、身份评定结果和关系评定结果获得身份可信分。
64.根据来源评定结果、身份评定结果和关系评定结果获取的身份可信分的具体评分方法可以根据实际应用进行相应调整。
65.s550，在职业素养板块、技能板块和知识板块内分别设置相应的验证型题目。
66.验证型题目用于检测证明人是否存在乱填、乱写等情况，具体包括：s551，验证型题目包括总评验证题，总评验证题为与其所处板块主题无关的任意主题内容的评论型题目。
67.s552，根据预设的逻辑语言库对验证型题目的回答进行逻辑判断，判断该回答的逻辑是否通顺、该回答的内容是否关联于该验证型题目的内容，以输出相应的结果可信分。
68.总评验证题为评论型题目，且该问题的主题与该模板主题无关，例如，在技能板块中的问题中一共有3道总评题，其中有一道是总评验证题，且这个总评验证题可以是关于生活的题目、关于专业书籍的题目等等，评论型题目的作用用于验证证明人在填写总评题目时是否出现乱填的情况。
69.当获取经过填写后的调查模型问卷后，通过对验证型题目中的答案逻辑是否通顺，该回答的内容是否与验证型题目的内容相关联以确定该证明人是否认真对题目进行填
写。若验证型题目的逻辑通顺、回答的内容关联于验证型题目的内容，则获得结果可信分，否则，不获得结果可信分。
70.和/或，s553，验证型题目包括正反语义验证题，正反语义验证题包含含义相同而语义逻辑相反的正向选项题和反向选项题。
71.s554，根据正向选项题和反向选项题的选项结果是否相同以输出相应的结果可信分。
72.正反语义验证题包含两道题目，分别是含义相同而语义逻辑相反的正向选项题和反向选项题。
73.其中，正向选项题可以为题库中的任意一道题目，当某个板块在题库内获取到一道题目作为原始题目后，对该原始题目进行语义反向操作，以此得到反向选项题，且正向选项题和反向选项题都为选择题，也可以在题库中直接添加若干组正、反向选项题。
74.如，一道题目为“该员工在工作时能及时对出现的问题进行解决”，将这道题目作为正向选项题后，其反向选项题为“该员工在工作时不能及时对出现的问题进行解决”。
75.通过这种方法，通过对正向选项题和反向选项题的选项结果是否相同以确定证明人是否认真地进行填写。如正向选项题“该员工在工作时能及时对出现的问题进行解决”为“是”，反向选项题“该员工在工作时不能及时对出现的问题进行解决”也为“是”时，虽然选项相同，但因为两个问题的语义是相反的，故相同的选项所代表的结果是相反的，这时不获得结果可信分；若正向选项题“该员工在工作时能及时对出现的问题进行解决”为“是”，反向选项题“该员工在工作时不能及时对出现的问题进行解决”为“否”，这时虽然选项不同，但是因为两道题目选项相反而语义相同，故结果是相同的，这时便获得结果可信分。
76.和/或，s555，验证型题目包括重复验证题，重复验证题为各板块中任意一道原始题目的相同题目。
77.s556，根据重复验证题和原始题目的选项结果是否相同以输出相应的结果可信分。
78.重复验证题也为选择题，当在题库中获取到某一道题目后，将其作为原始题目，并根据原始题目添加一道与该原始题目相同的重复验证题。
79.当获得经过填写后的调查模型问卷后，对重复验证题和与其相同的原始题目的选项，若选项相同，则认为证明人认真进行填写，获得结果可信分；若选项不同，则认为证明人没有认真进行填写，不获得结果可信分。
80.和/或，s557，验证型题目包括测谎验证题，测谎验证题表征为根据候选人才信息、曾任公司岗位信息和证明人信息中的已确认信息生成的问题。
81.s558，根据测谎验证题的回答与该题目预设答案是否相同以输出相应的结果可信分。
82.测谎验证题根据候选人才信息、曾任公司岗位信息和证明人信息中的已确认信息生成，目的是为了验证证明人在填写问卷时是否真实地进行填写。
83.如根据获选人才信息、曾任公司岗位信息和证明人信息后，可以设定“候选人在公
司的岗位”、“证明人和候选人的共事同事姓名”等等。
84.并根据测谎验证题的结果获得结果可信分。
85.s560，根据验证型题目的填写结果判断经过证明人填写后的调查模型问卷的结果可信分。
86.进一步的，在另外一些实施例中，可信分还包括行为可信分，根据预设的cam可信分模型获得调查模型问卷的可信分，还包括：s570，判断证明人端ip地址是否发生变化，并输出相应的地址监测结果，根据所述地址监测结果获得调查模板问卷的行为可信分。
87.ip地址发生变化时，不获得行为可信分，并触发预警机制，启动短信验证，通过验证后方可继续进行填写，会恢复行为可信分，若不通过验证或长时间没有进行验证，则依然不获得行为可信分。
88.s571，判断证明人端设备参数是否发生变化，并输出相应的设备监测结果，根据所述设备监测结果获得调查模板问卷的行为可信分。
89.设备参数是监测证明人进行问卷填写时是否更换了设备，如更换了设备则无法确定是否还是证明人本人对问卷进行填写，故这时不获得行为可信分，发出预警机制，启动短信验证，通过验证后方可继续进填写，会恢复行为可信分，若不通过验证或长时间没有进行验证，则依旧不获得行为可信分。
90.s572，判断证明人端系统环境是否发生变化，并输出相应的环境监测结果，根据所述环境监测结果获得调查模板问卷的行为可信分。
91.系统环境同理，当有人登录电脑端的设备而将证明人正在填写的手机端挤出时，系统环境发生变化，这时无法确定是否还是证明人本人对问卷进行填写，故这时不获得行为可信分，发出预警机制，启动短信验证，通过验证后方可继续进填写，会恢复行为可信分，若不通过验证或长时间没有进行验证，则依旧不获得行为可信分。
92.s573，判断证明人端无操作的时长是否大于第一预设时长，并输出相应的第一时间监测结果，根据所述第一时间监测结果获得调查模板问卷的行为可信分。
93.有时会出现证明人打开了链接却长时间不进行填写的情况，在这种情况下可能发生证明人打开链接进行填写，在填写过程中有事离开而长时间不进行填写，在这种情况下很可能发生有其他人在证明人不在时对问卷进行误填写的可能性，为了避免这种情况发生，若证明人端无操作的时长大于第一预设时长，那么输出相应的第一时间监测结果，根据第一时间监测结果将不获得行为可信分。
94.s574，判断证明人端接收调查模型问卷至提交调查模型问卷的时长是否小于第二预设时长，以输出相应的第二时间监测结果，根据所述第二时间监测结果获得调查模板问卷的行为可信分。
95.为了避免证明人因嫌麻烦而快速随意的填写问卷，计算证明人端接收调查模型问卷至提交调查模型问卷之间的时长大小，具体可以在证明人端接收到调查模型问卷时根据当时的时间打入起始时间戳，并在提交调查模型问卷的同时根据当时的时间打入结束时间戳，并算出两个时间戳之间的时间长度，并将此时长定义为第二时间监测结果，判断第二时间监测结果与第二预设时长的大小，若小于，则定义证明人是快速随意填写的，将不获得行为可信分。
96.其中第二预设时长可以根据历史证明人进行问卷填写的时长进行相应设定，如大部分问卷的完成时间都在15分钟左右，那么可以将5-8分钟作为第二预设时长，其表征为证明人一定无法完成问卷调查的时间长短。
97.s600，根据可信分对调查模型问卷进行分类以获得相应的调查结果报告，并将调查结果报告进行交付。
98.可信分的具体计算方式可以根据实际的投入过程中出现的情况进行相应修改指定。将调查模型问卷进行分类后具体可以分为可用问卷和不可用问卷。具体包括以下步骤：s610，判断调查模型问卷的可信分是否高于预设的正常分值。
99.正常分值为界定调查模型问卷是否可用的界定分值，可以根据实际应用进行调整。
100.s620，若高于，则将该调查模型问卷分类为可用问卷，若低于，则将该调查模型问卷分类为不可用问卷。
101.可用问卷表征为该调查模型问卷可以作为候选人才评价依据，而不可用问卷表征为该调查模型问卷不能作为候选人才评价依据。
102.s630，判断同一候选人的调查模型问卷数量是否大于一个，若大于，则根据若干调查模型问卷的可信分由高到低依次生成相应的调查结果报告。
103.有时可能出现一个证明人多次填写调查模型问卷的可能性，或多个不同的证明人填写了调查模型问卷，这时则根据可信分由高到低的顺序依次生成相应的调查结果报告，最后可以根据可信分最高的问卷作为最后的报告，也可以将所有报告都进行交付。
104.而在交付前，服务器会针对不同维度下做答的结果生成对应的报告陈述语言拼装、算法模型的设定以及灯标的自动化判定。
105.其中，灯标指代的是报告中用于表达结果的正反含义的显示标志，本技术中为绿色的对号圆标和红色的叉号圆标，其中绿色的对号圆标表达正向含义，红色的叉号圆标表达反向含义。
106.例如针对于“供职时间”这个访谈维度，会基于候选人才提供的入离职时间和证明人提供的入离职时间进行比对，若两者的时间误差超过了预设的偏差范围，则在真实性一栏中增加红色的叉号圆标，表征于不具有真实性，若两者的时间误差没有超过预设的偏差范围，则在真实性一栏中增加绿色的对号圆标，表征于具有真实性。
107.在交付之前，可以对调查模型问卷进行二次质检或抽检，以此提高背景调查结果的准确性。
108.在另一个实施例中，还公开了一种人才背调档案生成系统，包括服务器，服务器用于获取订单信息，订单信息包括候选人才信息、曾任职公司岗位信息、候选岗位信息、证明人信息；并根据订单信息生成相应的调查模型问卷，并根据证明人信息将调查模型问卷发送至证明人端；还用于根据提交指令获取经过证明人填写后的调查模型问卷；根据预设的防作弊方法判断调查模型问卷是否具有有效性；若调查模型问卷具有有效性，则根据预设的cam可信分模型获得调查模型问卷的可信分；根据可信分对调查模型问卷进行分类以获得相应的调查结果报告，并将调查结果进行交付。
109.在另一个实施例中，还公开了一种计算机存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的人才背调档案生成方法。
110.实施原理为：通过智能化的手段自动生成针对于不同职业的针对性调查模型问卷，并自动将调查模型问卷发送至证明人端进行填写，证明人填写后根据填写结果自动生成相应的调查结果报告并进行交付，不依赖大量的人工，可以快速的自动生成调查结果报告，大大提升了交付时效性。
111.以上均为本技术的较佳实施例，并非依此限制本技术的保护范围，故：凡依本技术的结构、形状、原理所做的等效变化，均应涵盖于本技术的保护范围之内。