[發明專利]一種基于垂直搜索引擎的簡歷解析系統

在審

• 申請號: 201910302297.X
• 申請日: 2019-04-16
• 公開（公告）號: CN110020327A
• 公開（公告）日: 2019-07-16
• 發明（設計）人: 申剛正
• 申請（專利權）人: 上海大易云計算股份有限公司
• 主分類號: G06F16/957
• 分類號: G06F16/957;G06F17/27
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于垂直搜索引擎的簡歷解析系統，包括簡歷文件文本抽取單元、簡歷內容分割單元和簡歷內容分析優化單元；簡歷文件文本抽取單元，對于一些渠道的簡歷，郵件中沒有實際的簡歷內容而只有鏈接，通過打開鏈接獲取真實簡歷的內容；簡歷內容分割單元用于設定簡歷解析信息集的關鍵字，例如工作經歷、教育經歷，使用這些關鍵字區分簡歷的大類別；簡歷內容分析優化單元用于解析多條記錄的內容項，如工作經歷、教育經歷首先進行記錄劃分；本發明可以自動識別不同格式的簡歷，使用文本轉換技術，統一轉換成文本，然后將文本內容解析成格式化的簡歷，用統一的格式將簡歷內容展現出來。

技術領域

本發明涉及信息檢索領域，具體為一種基于垂直搜索引擎的簡歷解析系統。

背景技術

目前招聘的效率不高，主要原因在候選人和企業不能很好的匹配，求職者需要在不同的招聘網站投遞職位，而且相同的職位有好幾十上百頁，由于信息大致相同，候選人為了省事，因此簡歷“海投”，公司HR則“海選”，雙方都費時費力，效率低下。

缺點一、不同格式的簡歷，需要不同的工具查看，例如使用Office查看word、excel格式的簡歷，使用Re1der查看pdf的簡歷，使用瀏覽器查看html、mht格式的簡歷等等。

缺點二、簡歷內容、簡歷格式多種多樣，例如聯系方式、年齡、工作年限、求職意向等關鍵信息，有些在簡歷內容的最后，有些夾雜在自我評價中，有些甚至沒有直接描述。

缺點三、簡歷存儲分散，文件格式多樣，不易管理、不易查找。

缺點四、經常收到同一個人的不同渠道的簡歷，不易判斷這個人是否投遞過職位，是否已經在該職位上被淘汰。

發明內容

本發明的目的在于提供一種基于垂直搜索引擎的簡歷解析系統，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：一種基于垂直搜索引擎的簡歷解析系統，包括簡歷文件文本抽取單元、簡歷內容分割單元和簡歷內容分析優化單元；

簡歷文件文本抽取單元，對于一些渠道的簡歷，郵件中沒有實際的簡歷內容而只有鏈接，通過打開鏈接獲取真實簡歷的內容；

簡歷內容分割單元：設定簡歷解析信息集的關鍵字，例如工作經歷、教育經歷，使用這些關鍵字區分簡歷的大類別；

簡歷內容分析優化單元：解析多條記錄的內容項，如工作經歷、教育經歷首先進行記錄劃分。

優選的，所述簡歷文件文本抽取單元連接至簡歷內容分割單元，簡歷內容分割單元連接至簡歷內容分析優化單元。

優選的，所述簡歷文件文本抽取單元包括Office文本及圖片抽取模塊，pdf文本及圖片抽取模塊，圖片OCR文字識別模塊，HTML文本及圖片抽取模塊；其中：

Office文本及圖片抽取模塊，對于Word、excel格式的簡歷，直接讀取文件里面的文本內容；

pdf文本及圖片抽取模塊，對于pdf格式的簡歷，直接讀取文件里面的文本內容；

圖片OCR文字識別模塊，對于圖片格式的簡歷，通過OCR文字識別技術，識別文字內容；

HTML文本及圖片抽取模塊，可自動訪問郵件服務器，獲取郵件內容，郵件內容包括正文和附件，簡歷也可能在正文或附件中；獲取所有郵件正文及附件格式信息，優先讀取HTML格式的內容。

優選的，所述簡歷內容分割單元包括多人簡歷、多語言簡歷分割模塊，簡歷信息集分割模塊，簡歷信息項分割模塊；其中：