1.一种面试数据分析方法，其特征在于，所述方法包括：获取应聘者的面试语音信息；

将所述应聘者的面试语音信息转换为面试文本信息；

将所述面试文本信息输入至预设的情感分析模型，对所述文本信息中的文字内容进行情感分析，得到情感分类结果；

根据所述情感分类结果确定所述应聘者是否符合录取条件。

2.如权利要求1所述的面试数据分析方法，其特征在于，在获取所述应聘者的面试语音信息之前，所述方法还包括：获取面试语音信息，所述面试语音信息中包括面试官的语音信息和应聘者的面试语音信息；

从所述面试语音信息中分离出所述应聘者的语音信息，其中，从面试语音信息中分离所述应聘者的语音信息包括：将所述面试语音信息进行声音分帧；

从所述面试语音信息中提取相互重叠的滑动窗口，并从非重叠的各个滑动窗口中提取声纹特征信息；

根据每个滑动窗口对应的声纹特征信息分别确定面试官及应聘者对应的滑动窗口；

提取出所述应聘者对应的所有滑动窗口，并将所有滑动窗口按照顺序拼接成为应聘者单人的语音信息，作为从所述面试语音信息中提取出的应聘者的语音信息。

3.如权利要求2所述的面试数据分析方法，其特征在于，“从非重叠的各个滑动窗口中提取声纹特征信息；根据每个滑动窗口对应的声纹特征信息分别确定面试官及应聘者对应的滑动窗口”包括：基于长短期记忆网络的d-vectory音频特征提取方法，将每个滑动窗口中的语音信息输入长短期记忆网络，然后将长短期记忆网络的输出作为该滑动窗口对应的声纹特征表示，再利用频谱聚类算法对每个滑动窗口的声纹特征信息计算相似性，将相似性大于预设值的滑动窗口作为同一个说话者对应的语音信息。

4.如权利要求1所述的面试数据分析方法，其特征在于，“将应聘者的语音信息转换为文本信息”的方法包括：对所述应聘者的语音信息进行分帧处理；

提取所述应聘者语音信息的每一帧中的声纹特征向量；

将所述声纹特征向量输入预设的声学模型，得到所述声纹特征向量对应的音素信息；

在预先存储的音素字典中查找与所述应聘者音素信息匹配的文字信息，并根据音素字典中音素与文字的映射关系，将所述应聘者的音素信息转换为目标文字；

将所述目标文字转换成面试文本信息。

5.如权利要求4所述的面试数据分析方法，其特征在于，所述声纹特征向量为声学特征中的线性预测倒谱系数、梅尔频率倒谱系数中的任一种或两种。

6.如权利要求1所述的面试数据分析方法，其特征在于，所述情感分析模型的生成方法包括：获取面试文本信息作为训练数据，并对训练数据中的语句分别进行情感类型标注，所述训练数据分为训练样本集和验证样本集；

构建情感分析模型，将所述训练样本集输入所述情感分析模型，对所述情感分析模型进行训练；

通过所述验证样本集对所述训练完成的情感分析模型进行验证。

7.如权利要求6所述的面试数据分析方法，其特征在于，所述情感分析模型为双向长短期记忆网络模型、支持向量机模型、决策树、线性回归模型中的任一种。

8.如权利要求1所述的面试数据分析方法，其特征在于，所述情感分类结果包括正向情感、负向情感和中性情感，当所述面试文本信息的情感分类为正向情感时，确定所述应聘者符合录取条件，当所述面试文本信息的情感分类为负向情感时，确定所述应聘者不符合录取条件，当所述面试文本信息的情感分类为中性情感时，确定所述应聘者作为备选人员。

9.一种计算机装置，其特征在于，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-8中任一项所述的面试数据分析方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的面试数据分析方法。