[發明專利]一種基于機器學習和模糊規則的集成簡歷信息抽取方法

在審

• 申請號: 201911217801.2
• 申請日: 2019-12-03
• 公開（公告）號: CN110941703A
• 公開（公告）日: 2020-03-31
• 發明（設計）人: 宋萬軍;郭曉杰;王崢;李曙光;王黎黎;高永偉;陳白雪;姜廣棟;楊萬剛;李峰
• 申請（專利權）人: 南京烽火星空通信發展有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F16/383;G06F40/216;G06F40/289;G06N7/02;G06N20/00;G06Q10/10
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 曹佩佩

1.一種基于機器學習和模糊規則的集成簡歷信息抽取方法，其特征在于，所述方法包括如下步驟：

步驟一、抽取簡歷、疑似簡歷和非簡歷文本的特征，通過特征信息，篩選簡歷文本；

步驟二、對篩選得到的簡歷文本進行詞頻統計，獲取常用關鍵詞并生成模糊匹配規則；

步驟三、使用模糊匹配規則對簡歷文本進行切分，并抽樣檢查分塊結果，驗證分塊的正確率；

步驟四、針對簡歷文本切分后各個分塊的數據分布特征，采用模糊匹配規則、序列標注或者分類的方法抽取簡歷文本具體的信息；

步驟五、使用訂正策略對不合理的結果進行訂正并輸出結構化的簡歷信息。

2.如權利要求1所述的一種基于機器學習和模糊規則的集成簡歷信息抽取方法，其特征在于，所述步驟一的方法具體包括：

101、標注簡歷、疑似簡歷以及非簡歷樣本；

102、使用特征抽取器抽取上述3類樣本的特征，并訓練分類模型；

103、輸入文本到模型，輸出簡歷、疑似簡歷、非簡歷三者之一。

3.如權利要求1所述的一種基于機器學習和模糊規則的集成簡歷信息抽取方法，其特征在于，所述步驟二的方法具體包括：

201、對簡歷文本內容按照空格進行分詞，統計詞頻，從詞頻的Top N中篩選候選關鍵詞；

202、根據候選關鍵詞生成模糊規則。

4.如權利要求3所述的一種基于機器學習和模糊規則的集成簡歷信息抽取方法，其特征在于：步驟202中，當關鍵詞為項目經歷時，生成的模糊規則為：^.{0,4}項\W{0,4}目\W{0,4}經\W{0,4}歷\W{0,4}。

5.如權利要求1所述的一種基于機器學習和模糊規則的集成簡歷信息抽取方法，其特征在于，所述步驟三的方法具體包括：

301、使用生成的模糊匹配規則對簡歷文本進行切分；

302、抽樣驗證切分的正確率，并根據驗證結果對模糊匹配規則進行優化或剔除；

303、根據步驟302優化后獲取的模糊匹配規則對簡歷文本進行切分，得到分塊結果。

6.如權利要求1所述的一種基于機器學習和模糊規則的集成簡歷信息抽取方法，其特征在于，所述步驟四的方法具體包括：

401、對固定格式的信息使用模糊匹配規則進行提取；

402、對關鍵信息使用分類方法進行抽取；

403、對描述信息使用序列標注的方法抽取實體。

7.如權利要求6所述的一種基于機器學習和模糊規則的集成簡歷信息抽取方法，其特征在于：步驟401中，所述固定格式的信息包括電話號碼、郵箱或者時間段。

8.如權利要求6所述的一種基于機器學習和模糊規則的集成簡歷信息抽取方法，其特征在于：步驟402中，所述關鍵信息包括公司名稱、部門崗位、學校名稱、學院或者專業。

9.如權利要求6所述的一種基于機器學習和模糊規則的集成簡歷信息抽取方法，其特征在于：步驟403中，所述描述信息包括如工作描述、興趣愛好或者項目經驗。