基于数据分析的识别答题作弊方法、装置、计算机设备与流程

本申请涉及数据分析技术领域，特别涉及一种基于数据分析的识别答题作弊方法、装置、计算机设备。

背景技术：

在现有的招聘系统中，都存在笔试部分和面试部分，笔试部分可能会存在作弊的情况，目前都是通过人工识别作弊，人工识别作弊不仅效率低，还可能存在遗漏。

申请内容

针对现有技术不足，本申请提出一种基于数据分析的识别答题作弊方法、装置、计算机设备，旨在解决在现有的招聘系统中，采用人工识别作弊，导致效率低的问题。

本申请提出的技术方案是：

一种基于数据分析的识别答题作弊方法，所述方法包括：

获取多个应聘者的测试答题的主观题答案；

统计所述多个应聘者中每两个应聘者的主观题答案的重复度；

将所述多个应聘者中两个应聘者的主观题答案的重复度与预设阈值进行比较；

若所述多个应聘者中两个应聘者的主观题答案的重复度大于所述预设阈值，则判定所述两个应聘者为作弊；

当判定所述两个应聘者为作弊时，对所述两个应聘者标记作弊标签。

进一步地，在所述统计所述多个应聘者中每两个应聘者的主观题答案重复度的步骤中，包括：

从所述多个应聘者中选取两个应聘者的主观题答案；

将所述两个应聘者中一个应聘者的各主观题答案分别与所述两个应聘者中另一个应聘者对应的主观题答案进行逐一重复度统计；

对应地，在所述将所述多个应聘者中两个应聘者的主观题答案的重复度与预设阈值进行比较的步骤中，包括：

将所述多个应聘者中两个应聘者的每一道主观题答案的重复度与预设阈值进行比较；

若所述两个应聘者任意一道主观题答案的重复度大于所述预设阈值，则认为所述两个应聘者的主观题答案的重复度大于所述预设阈值。

进一步地，在所述获取多个应聘者的测试答题的主观题答案的步骤中，包括：

获取各应聘者的应聘地点和应聘日期；

将相同应聘地点、相同应聘日期的应聘者归为一类，获得多个应聘者名单；

根据所述多个应聘者名单，获取多个应聘者的测试答题的主观题答案。

进一步地，在所述获取多个应聘者的测试答题的主观题答案的步骤中，包括：

获取同一个面试官面试的应聘者，获得多个应聘者名单；

根据所述多个应聘者名单，获取多个应聘者的测试答题的主观题答案。

进一步地，在所述获取多个应聘者的测试答题的主观题答案的步骤中，包括：

获取同一个推荐人推荐的应聘者，获得多个应聘者名单；

根据所述多个应聘者名单，获取多个应聘者的测试答题的主观题答案。

进一步地，在所述当判定所述两个应聘者为作弊时，对所述两个应聘者标记作弊标签的步骤之后，包括：

将具有所述作弊标签的应聘者的名单反馈给招聘工作人员。

进一步地，在所述统计所述多个应聘者中每两个应聘者的主观题答案重复度的步骤中，包括：

从所述多个应聘者中选取两个应聘者的主观题答案；

将所述两个应聘者中一个应聘者的各主观题答案分别与所述两个应聘者中另一个应聘者对应的主观题答案进行逐一重复度统计；

对应地，在所述将所述多个应聘者中两个应聘者的主观题答案的重复度与预设阈值进行比较的步骤中，包括：

将所述多个应聘者中两个应聘者的每一道主观题答案的重复度与预设第一阈值进行比较；

将所述多个应聘者中两个应聘者的每两道主观题答案的重复度与预设第二阈值进行比较；

将所述多个应聘者中两个应聘者的每三道主观题答案的重复度与预设第三阈值进行比较；

若所述两个应聘者任意一道主观题答案的重复度大于所述预设第一阈值，或者，所述两个应聘者任意两道主观题答案的重复度大于所述预设第二阈值，或者，所述两个应聘者任意三道主观题答案的重复度大于所述预设第三阈值，则认为所述两个应聘者的主观题答案的重复度大于预设阈值，其中所述第三阈值小于所述第二阈值，所述第二阈值小于所述第一阈值。

本申请还提供一种基于数据分析的识别答题作弊装置，所述装置包括：

获取模块，用于获取多个应聘者的测试答题的主观题答案；

统计模块，用于统计所述多个应聘者中每两个应聘者的主观题答案的重复度；

比较模块，用于将所述多个应聘者中两个应聘者的主观题答案的重复度与预设阈值进行比较；

判定模块，用于若所述多个应聘者中两个应聘者的主观题答案的重复度大于所述预设阈值，则判定所述两个应聘者为作弊；

标记模块，用于当判定所述两个应聘者为作弊时，对所述两个应聘者标记作弊标签。

本申请还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的方法的步骤。

本申请还提供一种计算机可读存储介质，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任一项所述的方法的步骤。

根据上述的技术方案，本申请有益效果：获取多个应聘者的测试答题的主观题答案，将两个应聘者的主观题答案进行重复度统计，若重复度大于预设阈值，则判定两个应聘者为作弊，并对该两个应聘者标记上作弊标签，从而让招聘工作人员快速识别应聘者是否作弊，不需要进行人工识别，旨在解决在现有的招聘系统中，采用人工识别作弊，导致效率低的问题。

附图说明

图1是应用本申请实施例提供的基于数据分析的识别答题作弊方法的流程图；

图2是应用本申请实施例提供的基于数据分析的识别答题作弊装置的功能模块图；

图3是应用本申请实施例提供的计算机设备的结构示意框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

如图1所示，本申请实施例提出一种基于数据分析的识别答题作弊方法，所述方法包括以下步骤：

步骤s101、获取多个应聘者的测试答题的主观题答案。

应聘者在完成作答测试答题时，将测试答题的答案递交到招聘系统中，从招聘系统中获取多个应聘者的测试答题的主观题答案。

在本实施例中，在步骤s101中，包括：

接收多个应聘者递交的测试答题的答案，其中所述答案包括主观题答案和客观题答案；

从所述多个应聘者的答案中提取主观题答案，获取所述多个应聘者的测试答题的主观题答案。

答案包括主观题答案和客观题答案，需要从答案中提取出主观题答案，主观题答案用于进行重复度统计，为此，在多个应聘者递交的测试答题的答案之后，接收多个应聘者的答案，在接收到多个应聘者的答案之后，从多个应聘者的答案提取主观题答案，在提取出主观题答案之后，进而获取多个应聘者的测试答题的主观题答案。

为了进一步提高判断作弊的效率，在本实施例中，在步骤s101中，包括：

获取各应聘者的应聘地点和应聘日期；

将相同应聘地点、相同应聘日期的应聘者归为一类，获得多个应聘者名单；

根据所述多个应聘者名单，获取多个应聘者的测试答题的主观题答案。

在招聘系统中，记录各应聘者的应聘地点和应聘日期，为此，从招聘系统中获取各应聘者的应聘地点和应聘日期，在获取到各应聘者的应聘地点和应聘日期之后，对应聘者进行分类，将相同应聘地点、相同应聘日期的应聘者归为一类，在完成分类之后，根据同一类的应聘者，获得多个应聘者名单，在获得多个应聘者名单之后，根据多个应聘者名单，获取多个应聘者的测试答题的主观题答案。通过以应聘地点和应聘日期为条件进行筛选，提高判断作弊的效率。

在一些实施例中，在步骤s101中，包括：

获取同一个面试官面试的应聘者，获得多个应聘者名单；

根据所述多个应聘者名单，获取多个应聘者的测试答题的主观题答案。

在招聘系统中，记录各面试官面试的应聘者，为此，从招聘系统中获取同一个面试官面试的应聘者，根据获取到的应聘者，获得多个应聘者名单，在获得多个应聘者名单之后，根据多个应聘者名单，获取多个应聘者的测试答题的主观题答案。通过以面试官为条件进行筛选，提高判断作弊的效率。

在一些实施例中，在步骤s101中，包括：

获取同一个推荐人推荐的应聘者，获得多个应聘者名单；

根据所述多个应聘者名单，获取多个应聘者的测试答题的主观题答案。

在招聘系统中，记录各推荐人推荐的应聘者，为此，从招聘系统中获取同一个推荐人推荐的应聘者，根据获取到的应聘者，获得多个应聘者名单，在获得多个应聘者名单之后，根据多个应聘者名单，获取多个应聘者的测试答题的主观题答案。通过以推荐人为条件进行筛选，提高判断作弊的效率。

步骤s102、统计所述多个应聘者中每两个应聘者的主观题答案重复度。

在获取到多个应聘者的主观题答案之后，将多个应聘者中每两个应聘者的主观题答案进行重复度统计，在本实施例中，重复度统计是指根据两份主观题答案，判断两份主观题答案的文字的重复率。

在本实施例中，统计第一份主观题答案的文字的数量，获得第一数量，将第一份主观题答案与第二份主观题答案进行匹配，统计在第二份主观题答案中匹配到的文字的数量，获得第二数量，计算第二数量与第一数量的比值，根据计算结果，获得两份主观题答案的文字的重复率。

在一些实施例中，获取第一份主观题答案的文字，将第一份主观题答案的文字进行语句判断，根据判断结果，获得多个句子，将多个句子中的每一个句子与第二份主观题答案的文字进行匹配，统计成功匹配次数和总匹配次数，若匹配失败，则解析匹配失败的句子的语义内容，在第二份主观题答案的文字中查找是否有与匹配失败的句子的语义内容相同或者相近的语义，若查找到，则增加一次成功匹配的次数，并更新成功匹配次数，之后，计算成功匹配次数与总匹配次数的比值，根据计算结果，获得两份主观题答案的文字的重复率。

在本实施例中，以应聘者的主观题答案为一个整体，统计多个应聘者中每两个应聘者的主观题答案重复度。

步骤s103、将所述多个应聘者中两个应聘者的主观题答案的重复度与预设阈值进行比较。

在获得多个应聘者中两个应聘者的主观题答案的重复度之后，将多个应聘者中两个应聘者的主观题答案的重复度与预设阈值进行比较，根据比较结果，判断两个应聘者是否为作弊。在本实施例中，预设阈值为90％。

在一些实施例中，在步骤s102中，包括：

从所述多个应聘者中选取两个应聘者的主观题答案；

将所述两个应聘者中一个应聘者的各主观题答案分别与所述两个应聘者中另一个应聘者对应的主观题答案进行逐一重复度统计。

从多个应聘者中选取两个应聘者，然后获取两个应聘者的主观题答案，在得到两个应聘者的主观题答案之后，将两个应聘者中一个应聘者的各主观题答案分别与两个应聘者中另一个应聘者对应的主观题答案进行逐一重复度统计，也就是说，每一道主观题答案都进行重复度统计。

对应地，在步骤s103中，包括：

将所述多个应聘者中两个应聘者的每一道主观题答案的重复度与预设第一阈值进行比较；

将所述多个应聘者中两个应聘者的每两道主观题答案的重复度与预设第二阈值进行比较；

将所述多个应聘者中两个应聘者的每三道主观题答案的重复度与预设第三阈值进行比较；

若所述两个应聘者任意一道主观题答案的重复度大于所述预设第一阈值，或者，所述两个应聘者任意两道主观题答案的重复度大于所述预设第二阈值，或者，所述两个应聘者任意三道主观题答案的重复度大于所述预设第三阈值，则认为所述两个应聘者的主观题答案的重复度大于预设阈值，其中所述第三阈值小于所述第二阈值，所述第二阈值小于所述第一阈值。

在多个应聘者中两个应聘者的每一道主观题答案的重复度之后，将多个应聘者中两个应聘者的每一道主观题答案的重复度与预设第一阈值进行比较，将多个应聘者中两个应聘者的每两道主观题答案的重复度与预设第二阈值进行比较，以及将多个应聘者中两个应聘者的每三道主观题答案的重复度与预设第三阈值进行比较，其中，第三阈值小于第二阈值，第二阈值小于第一阈值，如果两个应聘者任意一道主观题答案的重复度大于预设第一阈值，或者，两个应聘者任意两道主观题答案的重复度大于预设第二阈值，或者，两个应聘者任意三道主观题答案的重复度大于预设第三阈值，则认为两个应聘者的主观题答案的重复度大于预设阈值。在一些实施例中，在步骤s102中，包括：

从所述多个应聘者中选取两个应聘者的主观题答案；

将所述两个应聘者中一个应聘者的各主观题答案分别与所述两个应聘者中另一个应聘者对应的主观题答案进行逐一重复度统计。

从多个应聘者中选取两个应聘者，然后获取两个应聘者的主观题答案，在得到两个应聘者的主观题答案之后，将两个应聘者中一个应聘者的各主观题答案分别与两个应聘者中另一个应聘者对应的主观题答案进行逐一重复度统计，也就是说，每一道主观题答案都进行重复度统计。

对应地，在步骤s103中，包括：

将所述多个应聘者中两个应聘者的每一道主观题答案的重复度与预设阈值进行比较；

若所述两个应聘者任意一道主观题答案的重复度大于所述预设阈值，则认为所述两个应聘者的主观题答案的重复度大于所述预设阈值。

在多个应聘者中两个应聘者的每一道主观题答案的重复度之后，将多个应聘者中两个应聘者的每一道主观题答案的重复度与预设阈值进行比较，可以是前一道主观题答案的重复度大于预设阈值，则不将后一道主观题答案的重复度与预设阈值进行比较，也可以是即使前一道主观题答案的重复度大于预设阈值，则也将后一道主观题答案的重复度与预设阈值进行比较，若两个应聘者任意一道主观题答案的重复度大于预设阈值，则认为两个应聘者的主观题答案的重复度大于预设阈值。

步骤s104、若所述多个应聘者中两个应聘者的主观题答案的重复度大于预设阈值，则判定所述两个应聘者为作弊。

根据比较结果，判断两个应聘者是否作弊，若多个应聘者中两个应聘者的主观题答案的重复度大于预设阈值，则判定两个应聘者为作弊，若多个应聘者中两个应聘者的主观题答案的重复度小于或者等于预设阈值，则判定两个应聘者不为作弊。

步骤s105、当判定所述两个应聘者为作弊时，对所述两个应聘者标记作弊标签。

在判定两个应聘者为作弊时，对两个应聘者标记作弊标签，以便招聘工作人员进行识别。具体地，在应聘者的名单列表上对两个应聘者添加作弊标签，进一步地，在两个应聘者的简历上添加作弊标签。

在本实施例中，在步骤s105之后，包括：

将具有所述作弊标签的应聘者的简历反馈给招聘工作人员。

对两个应聘者标记作弊标签之后，将具有作弊标签的应聘者的名单反馈给招聘工作人员，在本实施例中，通过发邮件方式进行反馈，以避免招聘工作人员遗漏查看。

在本实施例中，在步骤s105之后，包括：

限制具有所述作弊标签的应聘者的简历投递。

对两个应聘者标记作弊标签之后，限制具有作弊标签的应聘者的简历投递，也就是不让具有作弊标签的应聘者继续进行投递简历。

综上所述，获取多个应聘者的测试答题的主观题答案，将两个应聘者的主观题答案进行重复度统计，若重复度大于预设阈值，则判定两个应聘者为作弊，并对该两个应聘者标记上作弊标签，从而让招聘工作人员快速识别应聘者是否作弊，不需要进行人工识别，旨在解决在现有的招聘系统中，采用人工识别作弊，导致效率低的问题。

如图2所示，本申请实施例提出一种基于数据分析的识别答题作弊装置1，装置1包括获取模块11、统计模块12、比较模块13、判定模块14和标记模块15。

获取模块11，用于获取多个应聘者的测试答题的主观题答案。

应聘者在完成作答测试答题时，将测试答题的答案递交到招聘系统中，从招聘系统中获取多个应聘者的测试答题的主观题答案。

在本实施例中，获取模块11包括：

第一子接收模块，用于接收多个应聘者递交的测试答题的答案，其中所述答案包括主观题答案和客观题答案；

第一子获取模块，用于从所述多个应聘者的答案中提取主观题答案，获取所述多个应聘者的测试答题的主观题答案。

答案包括主观题答案和客观题答案，需要从答案中提取出主观题答案，主观题答案用于进行重复度统计，为此，在多个应聘者递交的测试答题的答案之后，接收多个应聘者的答案，在接收到多个应聘者的答案之后，从多个应聘者的答案提取主观题答案，在提取出主观题答案之后，进而获取多个应聘者的测试答题的主观题答案。

为了进一步提高判断作弊的效率，在本实施例中，获取模块11包括：

第二子获取模块，用于获取各应聘者的应聘地点和应聘日期；

第一子归类模块，用于将相同应聘地点、相同应聘日期的应聘者归为一类，获得多个应聘者名单；

第三子获取模块，用于根据所述多个应聘者名单，获取多个应聘者的测试答题的主观题答案。

在招聘系统中，记录各应聘者的应聘地点和应聘日期，为此，从招聘系统中获取各应聘者的应聘地点和应聘日期，在获取到各应聘者的应聘地点和应聘日期之后，对应聘者进行分类，将相同应聘地点、相同应聘日期的应聘者归为一类，在完成分类之后，根据同一类的应聘者，获得多个应聘者名单，在获得多个应聘者名单之后，根据多个应聘者名单，获取多个应聘者的测试答题的主观题答案。通过以应聘地点和应聘日期为条件进行筛选，提高判断作弊的效率。

在一些实施例中，获取模块11包括：

第四子获取模块，用于获取同一个面试官面试的应聘者，获得多个应聘者名单；

第五子获取模块，用于根据所述多个应聘者名单，获取多个应聘者的测试答题的主观题答案。

在招聘系统中，记录各面试官面试的应聘者，为此，从招聘系统中获取同一个面试官面试的应聘者，根据获取到的应聘者，获得多个应聘者名单，在获得多个应聘者名单之后，根据多个应聘者名单，获取多个应聘者的测试答题的主观题答案。通过以面试官为条件进行筛选，提高判断作弊的效率。

在一些实施例中，获取模块11包括：

第六子获取模块，用于获取同一个推荐人推荐的应聘者，获得多个应聘者名单；

第七子获取模块，用于根据所述多个应聘者名单，获取多个应聘者的测试答题的主观题答案。

在招聘系统中，记录各推荐人推荐的应聘者，为此，从招聘系统中获取同一个推荐人推荐的应聘者，根据获取到的应聘者，获得多个应聘者名单，在获得多个应聘者名单之后，根据多个应聘者名单，获取多个应聘者的测试答题的主观题答案。通过以推荐人为条件进行筛选，提高判断作弊的效率。

统计模块12，用于统计所述多个应聘者中每两个应聘者的主观题答案重复度。

在获取到多个应聘者的主观题答案之后，将多个应聘者中每两个应聘者的主观题答案进行重复度统计，在本实施例中，重复度统计是指根据两份主观题答案，判断两份主观题答案的文字的重复率。

在本实施例中，统计第一份主观题答案的文字的数量，获得第一数量，将第一份主观题答案与第二份主观题答案进行匹配，统计在第二份主观题答案中匹配到的文字的数量，获得第二数量，计算第二数量与第一数量的比值，根据计算结果，获得两份主观题答案的文字的重复率。

在一些实施例中，获取第一份主观题答案的文字，将第一份主观题答案的文字进行语句判断，根据判断结果，获得多个句子，将多个句子中的每一个句子与第二份主观题答案的文字进行匹配，统计成功匹配次数和总匹配次数，若匹配失败，则解析匹配失败的句子的语义内容，在第二份主观题答案的文字中查找是否有与匹配失败的句子的语义内容相同或者相近的语义，若查找到，则增加一次成功匹配的次数，并更新成功匹配次数，之后，计算成功匹配次数与总匹配次数的比值，根据计算结果，获得两份主观题答案的文字的重复率。

在本实施例中，以应聘者的主观题答案为一个整体，统计多个应聘者中每两个应聘者的主观题答案重复度。

比较模块13，用于将所述多个应聘者中两个应聘者的主观题答案的重复度与预设阈值进行比较。

在获得多个应聘者中两个应聘者的主观题答案的重复度之后，将多个应聘者中两个应聘者的主观题答案的重复度与预设阈值进行比较，根据比较结果，判断两个应聘者是否为作弊。在本实施例中，预设阈值为90％。

在一些实施例中，统计模块12包括：

第一子答案选取模块，用于从所述多个应聘者中选取两个应聘者的主观题答案；

第一子重复度统计模块，用于将所述两个应聘者中一个应聘者的各主观题答案分别与所述两个应聘者中另一个应聘者对应的主观题答案进行逐一重复度统计。

从多个应聘者中选取两个应聘者，然后获取两个应聘者的主观题答案，在得到两个应聘者的主观题答案之后，将两个应聘者中一个应聘者的各主观题答案分别与两个应聘者中另一个应聘者对应的主观题答案进行逐一重复度统计，也就是说，每一道主观题答案都进行重复度统计。

对应地，比较模块13包括：

第一子重复度比较模块，用于将所述多个应聘者中两个应聘者的每一道主观题答案的重复度与预设第一阈值进行比较；

第二子重复度比较模块，用于将所述多个应聘者中两个应聘者的每两道主观题答案的重复度与预设第二阈值进行比较；

第三子重复度比较模块，用于将所述多个应聘者中两个应聘者的每三道主观题答案的重复度与预设第三阈值进行比较；

第一子重复度判定模块，用于若所述两个应聘者任意一道主观题答案的重复度大于所述预设第一阈值，或者，所述两个应聘者任意两道主观题答案的重复度大于所述预设第二阈值，或者，所述两个应聘者任意三道主观题答案的重复度大于所述预设第三阈值，则认为所述两个应聘者的主观题答案的重复度大于预设阈值，其中所述第三阈值小于所述第二阈值，所述第二阈值小于所述第一阈值。

在多个应聘者中两个应聘者的每一道主观题答案的重复度之后，将多个应聘者中两个应聘者的每一道主观题答案的重复度与预设第一阈值进行比较，将多个应聘者中两个应聘者的每两道主观题答案的重复度与预设第二阈值进行比较，以及将多个应聘者中两个应聘者的每三道主观题答案的重复度与预设第三阈值进行比较，其中，第三阈值小于第二阈值，第二阈值小于第一阈值，如果两个应聘者任意一道主观题答案的重复度大于预设第一阈值，或者，两个应聘者任意两道主观题答案的重复度大于预设第二阈值，或者，两个应聘者任意三道主观题答案的重复度大于预设第三阈值，则认为两个应聘者的主观题答案的重复度大于预设阈值。

在一些实施例中，统计模块12包括：

第八子获取模块，用于从所述多个应聘者中选取两个应聘者的主观题答案；

第一子统计模块，用于将所述两个应聘者中一个应聘者的各主观题答案分别与所述两个应聘者中另一个应聘者对应的主观题答案进行逐一重复度统计。

从多个应聘者中选取两个应聘者，然后获取两个应聘者的主观题答案，在得到两个应聘者的主观题答案之后，将两个应聘者中一个应聘者的各主观题答案分别与两个应聘者中另一个应聘者对应的主观题答案进行逐一重复度统计，也就是说，每一道主观题答案都进行重复度统计。

对应地，比较模块13包括：

第一子比较模块，用于将所述多个应聘者中两个应聘者的每一道主观题答案的重复度与预设阈值进行比较；

第一子判断模块，用于若所述两个应聘者任意一道主观题答案的重复度大于所述预设阈值，则认为所述两个应聘者的主观题答案的重复度大于所述预设阈值。

在多个应聘者中两个应聘者的每一道主观题答案的重复度之后，将多个应聘者中两个应聘者的每一道主观题答案的重复度与预设阈值进行比较，可以是前一道主观题答案的重复度大于预设阈值，则不将后一道主观题答案的重复度与预设阈值进行比较，也可以是即使前一道主观题答案的重复度大于预设阈值，则也将后一道主观题答案的重复度与预设阈值进行比较，若两个应聘者任意一道主观题答案的重复度大于预设阈值，则认为两个应聘者的主观题答案的重复度大于预设阈值。

判定模块14，用于若所述多个应聘者中两个应聘者的主观题答案的重复度大于预设阈值，则判定所述两个应聘者为作弊。

根据比较结果，判断两个应聘者是否作弊，若多个应聘者中两个应聘者的主观题答案的重复度大于预设阈值，则判定两个应聘者为作弊，若多个应聘者中两个应聘者的主观题答案的重复度小于或者等于预设阈值，则判定两个应聘者不为作弊。

标记模块15，用于当判定所述两个应聘者为作弊时，对所述两个应聘者标记作弊标签。

在判定两个应聘者为作弊时，对两个应聘者标记作弊标签，以便招聘工作人员进行识别。具体地，在应聘者的名单列表上对两个应聘者添加作弊标签，进一步地，在两个应聘者的简历上添加作弊标签。

在本实施例中，装置1包括：

反馈模块，用于将具有所述作弊标签的应聘者的简历反馈给招聘工作人员。

对两个应聘者标记作弊标签之后，将具有作弊标签的应聘者的名单反馈给招聘工作人员，在本实施例中，通过发邮件方式进行反馈，以避免招聘工作人员遗漏查看。

在本实施例中，装置1包括：

限制模块，用于限制具有所述作弊标签的应聘者的简历投递。

对两个应聘者标记作弊标签之后，限制具有作弊标签的应聘者的简历投递，也就是不让具有作弊标签的应聘者继续进行投递简历。

综上所述，获取多个应聘者的测试答题的主观题答案，将两个应聘者的主观题答案进行重复度统计，若重复度大于预设阈值，则判定两个应聘者为作弊，并对该两个应聘者标记上作弊标签，从而让招聘工作人员快速识别应聘者是否作弊，不需要进行人工识别，旨在解决在现有的招聘系统中，采用人工识别作弊，导致效率低的问题。

如图3所示，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于数据分析的识别答题作弊方法的模型等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于数据分析的识别答题作弊方法。

上述处理器执行上述基于数据分析的识别答题作弊方法的步骤：获取多个应聘者的测试答题的主观题答案；统计所述多个应聘者中每两个应聘者的主观题答案的重复度；将所述多个应聘者中两个应聘者的主观题答案的重复度与预设阈值进行比较；若所述多个应聘者中两个应聘者的主观题答案的重复度大于所述预设阈值，则判定所述两个应聘者为作弊；当判定所述两个应聘者为作弊时，对所述两个应聘者标记作弊标签。

在一个实施例中，上述统计所述多个应聘者中每两个应聘者的主观题答案重复度的步骤中，包括：

从所述多个应聘者中选取两个应聘者的主观题答案；将所述两个应聘者中一个应聘者的各主观题答案分别与所述两个应聘者中另一个应聘者对应的主观题答案进行逐一重复度统计；

对应地，在所述将所述多个应聘者中两个应聘者的主观题答案的重复度与预设阈值进行比较的步骤中，包括：

将所述多个应聘者中两个应聘者的每一道主观题答案的重复度与预设阈值进行比较；

若所述两个应聘者任意一道主观题答案的重复度大于所述预设阈值，则认为所述两个应聘者的主观题答案的重复度大于所述预设阈值。

在一个实施例中，上述获取多个应聘者的测试答题的主观题答案的步骤中，包括：

获取各应聘者的应聘地点和应聘日期；

将相同应聘地点、相同应聘日期的应聘者归为一类，获得多个应聘者名单；

根据所述多个应聘者名单，获取多个应聘者的测试答题的主观题答案。

在一个实施例中，上述获取多个应聘者的测试答题的主观题答案的步骤中，包括：

获取同一个面试官面试的应聘者，获得多个应聘者名单；

根据所述多个应聘者名单，获取多个应聘者的测试答题的主观题答案。

在一个实施例中，上述获取多个应聘者的测试答题的主观题答案的步骤中，包括：

获取同一个推荐人推荐的应聘者，获得多个应聘者名单；

根据所述多个应聘者名单，获取多个应聘者的测试答题的主观题答案。

在一个实施例中，上述当判定所述两个应聘者为作弊时，对所述两个应聘者标记作弊标签的步骤之后，包括：

将具有所述作弊标签的应聘者的名单反馈给招聘工作人员。

在一个实施例中，上述统计所述多个应聘者中每两个应聘者的主观题答案重复度的步骤中，包括：

从所述多个应聘者中选取两个应聘者的主观题答案；

将所述两个应聘者中一个应聘者的各主观题答案分别与所述两个应聘者中另一个应聘者对应的主观题答案进行逐一重复度统计；

对应地，在所述将所述多个应聘者中两个应聘者的主观题答案的重复度与预设阈值进行比较的步骤中，包括：

将所述多个应聘者中两个应聘者的每一道主观题答案的重复度与预设第一阈值进行比较；

将所述多个应聘者中两个应聘者的每两道主观题答案的重复度与预设第二阈值进行比较；

将所述多个应聘者中两个应聘者的每三道主观题答案的重复度与预设第三阈值进行比较；

若所述两个应聘者任意一道主观题答案的重复度大于所述预设第一阈值，或者，所述两个应聘者任意两道主观题答案的重复度大于所述预设第二阈值，或者，所述两个应聘者任意三道主观题答案的重复度大于所述预设第三阈值，则认为所述两个应聘者的主观题答案的重复度大于预设阈值，其中所述第三阈值小于所述第二阈值，所述第二阈值小于所述第一阈值。

本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。

本申请实施例的计算机设备，获取多个应聘者的测试答题的主观题答案，将两个应聘者的主观题答案进行重复度统计，若重复度大于预设阈值，则判定两个应聘者为作弊，并对该两个应聘者标记上作弊标签，从而让招聘工作人员快速识别应聘者是否作弊，不需要进行人工识别，旨在解决在现有的招聘系统中，采用人工识别作弊，导致效率低的问题。

本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种基于数据分析的识别答题作弊方法，具体为：获取多个应聘者的测试答题的主观题答案；统计所述多个应聘者中每两个应聘者的主观题答案的重复度；将所述多个应聘者中两个应聘者的主观题答案的重复度与预设阈值进行比较；若所述多个应聘者中两个应聘者的主观题答案的重复度大于所述预设阈值，则判定所述两个应聘者为作弊；当判定所述两个应聘者为作弊时，对所述两个应聘者标记作弊标签。

在一个实施例中，上述统计所述多个应聘者中每两个应聘者的主观题答案重复度的步骤中，包括：

从所述多个应聘者中选取两个应聘者的主观题答案；将所述两个应聘者中一个应聘者的各主观题答案分别与所述两个应聘者中另一个应聘者对应的主观题答案进行逐一重复度统计；

对应地，在所述将所述多个应聘者中两个应聘者的主观题答案的重复度与预设阈值进行比较的步骤中，包括：

将所述多个应聘者中两个应聘者的每一道主观题答案的重复度与预设阈值进行比较；

若所述两个应聘者任意一道主观题答案的重复度大于所述预设阈值，则认为所述两个应聘者的主观题答案的重复度大于所述预设阈值。

在一个实施例中，上述获取多个应聘者的测试答题的主观题答案的步骤中，包括：

获取各应聘者的应聘地点和应聘日期；

将相同应聘地点、相同应聘日期的应聘者归为一类，获得多个应聘者名单；

根据所述多个应聘者名单，获取多个应聘者的测试答题的主观题答案。

在一个实施例中，上述获取多个应聘者的测试答题的主观题答案的步骤中，包括：

获取同一个面试官面试的应聘者，获得多个应聘者名单；

根据所述多个应聘者名单，获取多个应聘者的测试答题的主观题答案。

在一个实施例中，上述获取多个应聘者的测试答题的主观题答案的步骤中，包括：

获取同一个推荐人推荐的应聘者，获得多个应聘者名单；

根据所述多个应聘者名单，获取多个应聘者的测试答题的主观题答案。

在一个实施例中，上述当判定所述两个应聘者为作弊时，对所述两个应聘者标记作弊标签的步骤之后，包括：

将具有所述作弊标签的应聘者的名单反馈给招聘工作人员。

在一个实施例中，上述统计所述多个应聘者中每两个应聘者的主观题答案重复度的步骤中，包括：

从所述多个应聘者中选取两个应聘者的主观题答案；

将所述两个应聘者中一个应聘者的各主观题答案分别与所述两个应聘者中另一个应聘者对应的主观题答案进行逐一重复度统计；

对应地，在所述将所述多个应聘者中两个应聘者的主观题答案的重复度与预设阈值进行比较的步骤中，包括：

将所述多个应聘者中两个应聘者的每一道主观题答案的重复度与预设第一阈值进行比较；

将所述多个应聘者中两个应聘者的每两道主观题答案的重复度与预设第二阈值进行比较；

将所述多个应聘者中两个应聘者的每三道主观题答案的重复度与预设第三阈值进行比较；

若所述两个应聘者任意一道主观题答案的重复度大于所述预设第一阈值，或者，所述两个应聘者任意两道主观题答案的重复度大于所述预设第二阈值，或者，所述两个应聘者任意三道主观题答案的重复度大于所述预设第三阈值，则认为所述两个应聘者的主观题答案的重复度大于预设阈值，其中所述第三阈值小于所述第二阈值，所述第二阈值小于所述第一阈值。

本申请实施例的存储介质，获取多个应聘者的测试答题的主观题答案，将两个应聘者的主观题答案进行重复度统计，若重复度大于预设阈值，则判定两个应聘者为作弊，并对该两个应聘者标记上作弊标签，从而让招聘工作人员快速识别应聘者是否作弊，不需要进行人工识别，旨在解决在现有的招聘系统中，采用人工识别作弊，导致效率低的问题。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双速据率sdram(ssrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等，均应包括在本申请的保护范围之内。