本发明涉及ai面试，具体而言，涉及一种面试题目生成方法、装置、电子设备及存储介质。
背景技术：
1、目前基于简历的出题技术主要采用模板匹配方法。这种方法首先从简历中解析并提取关键实体信息，如公司名称、职位名称、技能点等。随后利用人工预先设计的模板，并通过“填槽”的方式，将提取的实体信息嵌入，从而构造出不同的面试题目。
2、该方法的有效性受限于简历解析的准确度，如果实体信息的提取出现错误，那么面试题目生成的效果将会受到严重影响。
技术实现思路
1、为了克服现有技术的不足，本发明提供了一种面试题目生成方法、装置、电子设备及存储介质。
2、本发明的实施例可以这样实现：
3、第一方面，本发明提供一种面试题目生成方法，方法包括：
4、将待面试人员的简历输入预先训练的面试题目生成模型，获得至少一个候选面试问题，其中，所述面试题目生成模型是基于私有数据对预训练语言模型进行调参得到的，所述私有数据是基于脱敏面试记录得到的；
5、从所有所述候选面试问题中确定目标面试问题。
6、可选地，所述脱敏面试记录包括多个面试数据，所述面试数据包括脱敏简历、面试问题、面试回答以及面试结果，所述方法还包括训练所述面试题目生成模型的步骤，其包括：
7、依据每个所述面试数据的面试回答以及面试结果，从所有所述面试数据中确定每个可用面试数据，利用所有所述可用面试数据的脱敏简历和面试问题构建第一训练集；
8、利用所述第一训练集训练预先构建的相关性模型，得到训练后的相关性模型；
9、基于训练后的相关性模型和所有所述面试数据，构建第二训练集；
10、利用所述第二训练集训练所述预训练语言模型，得到所述面试题目生成模型。
11、可选地，所述基于训练后的相关性模型和所有所述面试数据，构建第二训练集的步骤包括：
12、对于每个所述面试数据，利用所述面试数据的脱敏简历和面试问题构建一个第一数据对，得到多个所述第一数据对；
13、将每个所述第一数据对均输入训练后的相关性模型，得到每个所述第一数据对的相关性得分；
14、依据每个所述第一数据对的相关性得分，从所有所述第一数据对中确定出每个第二数据对，所述第二训练集包括所有所述第二数据对。
15、可选地，所述依据每个所述第一数据对的相关性得分，从所有所述第一数据对中确定出每个第二数据对的步骤包括：
16、针对每个所述第一数据对，若所述第一数据对的相关性得分大于预设得分值，则将所述第一数据对确定为所述第二数据对。
17、可选地，利用所述第二训练集训练所述预训练语言模型，得到所述面试题目生成模型的步骤包括：
18、基于所述私有数据，并在所述预训练语言模型的每一层引入连续的可训练的预设提示词；
19、将所述私有书输入所述预训练语言模型进行微调训练，得到所述面试题目生成模型。
20、可选地，所述基于所述第二训练集，获得私有数据的步骤包括：
21、向量化每个所述第二数据对中的脱敏简历和每个预设面试问题，得到多个简历向量和多个面试题向量；
22、计算每个所述简历向量与每个所述面试题向量的余弦相似度；
23、依据每个所述简历向量与每个所述面试题向量的余弦相似度，从所有所述预设面试问题中确定出有效面试问题，所述私有数据包括所述第二训练集和所有所述有效面试问题。
24、可选地，在所述将所述私有数据输入所述预训练语言模型进行微调训练之前，所述方法还包括：
25、在所述预训练语言模型的输入层的提示词中设置拒答信息，以使所述面试题目生成模型能在被输入非面试信息时，拒绝响应。
26、第一方面，本发明提供一种面试题目生成装置，所述装置包括：
27、获得模块，用于将待面试人员的简历输入预先训练的面试题目生成模型，获得至少一个候选面试问题，其中，所述面试题目生成模型是基于私有数据对预训练语言模型进行调参得到的，所述私有数据是基于脱敏面试记录得到的；
28、确定模块，用于从所有所述候选面试问题中确定目标面试问题。
29、第一方面，本发明提供一种电子设备，其包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述面试题目生成方法。
30、第一方面，本发明提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的面试题目生成方法。
31、相较于现有技术，本发明提供的一种面试题目生成方法：将待面试人员的简历输入预先训练的面试题目生成模型，获得至少一个候选面试问题，其中，面试题目生成模型是对基于私有数据对预训练语言模型进行调参训练得到的，可训练提示是基于脱敏面试记录得到的；从所有候选面试问题中确定目标面试问题。由于本发明实施例通过将基于脱敏面试记录得到的私有数据来对预训练语言模型进行调参，获得能够捕获待面试人员的简历的不同方面的信息的面试题目生成模型，得到能够适应真实的面试场景的面试题目。
32、本申请的实施例公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本申请的实施例公开的上述技术即可得知。
33、为使本申请的实施例的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
1.一种面试题目生成方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述脱敏面试记录包括多个面试数据，所述面试数据包括脱敏简历、面试问题、面试回答以及面试结果，所述方法还包括训练所述面试题目生成模型的步骤，其包括：
3.如权利要求2所述的方法，其特征在于，所述基于训练后的相关性模型和所有所述面试数据，构建第二训练集的步骤包括：
4.如权利要求3所述的方法，其特征在于，所述依据每个所述第一数据对的相关性得分，从所有所述第一数据对中确定出每个第二数据对的步骤包括：
5.如权利要求3所述的方法，其特征在于，利用所述第二训练集训练所述预训练语言模型，得到所述面试题目生成模型的步骤包括：
6.如权利要求5所述的方法，其特征在于，所述基于所述第二训练集，获得私有数据的步骤包括：
7.如权利要求5所述的方法，其特征在于，在所述将所述私有数据输入所述预训练语言模型进行微调训练之前，所述方法还包括：
8.一种面试题目生成装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，其包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述面试题目生成方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的面试题目生成方法。
