[發明專利]一種針對OCR簡歷識別算法的自動化測試方法和系統

在審

• 申請號: 202110598969.3
• 申請日: 2021-05-31
• 公開（公告）號: CN113343816A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 談梁河
• 申請（專利權）人: 的盧技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06K9/62
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

本發明公開了一種針對OCR簡歷識別算法的自動化測試方法，包括以下步驟：(1)導入簡歷相關信息；(2)隨機生成簡歷；(3)文字內容比對；(4)輸出測試報告。本發明還公開了一種針對OCR簡歷識別算法的自動化測試系統，包括導入模塊、生成模塊、內容比對模塊和輸出模塊。本發明高效生成簡歷，人工干預階段僅需完成搜集輸入工作，減輕了測試人員的負擔，提升了測試效率，且通過本測試方法可以對有限的數據重組出多種形式的簡歷，也減少了所需要的數據量；本發明高效對比簡歷內容，無需自主對比分析OCR算法的結果，大大降低了測試人員的門檻，也減少了因人為原因而產生的誤判，測試結果的可靠性有所提升，為算法的進一步優化提供了良好的指導效果。

技術領域

本發明涉及簡歷識別，特別是一種針對OCR簡歷識別算法的自動化測試方法，以及使用該方法的系統。

背景技術

傳統OCR主要指對輸入掃描的文檔圖形進行分析和處理，檢測并識別出圖像中的文字信息，并將圖像中的文字轉換成文本格式，供文字處理軟件進一步編輯加工的技術。如今的OCR技術則更多用于自然場景下文字識別，例如招聘網站在接收到求職者各類排版的簡歷時，需要將其轉化為標準格式的簡歷以方便招聘者查閱，在簡歷識別過程中如何除錯或利用輔助信息提高識別正確率，是OCR最重要的課題，也成為衡量一個OCR簡歷識別系統性能好壞的主要指標。

然而長期以來對于OCR簡歷識別算法的測試卻很難實現，更多的測試活動是停留在前期的白盒測試，例如代碼走讀、靜態檢查等，而黑盒測試則依賴于人工的導入識別。很多測試活動又因人力資源的限制，無法開展大規模的測試，很難評估一個OCR簡歷識別系統的識別正確率，只能匆忙上線交由實際用戶去評估，造成了該系統風險的存在。

發明內容

發明目的：本發明的目的是提供一種識別率高的針對OCR簡歷識別算法的自動化測試方法，本發明的另一目的是提供一種可用性強的針對OCR簡歷識別算法的自動化測試系統。

技術方案：本發明所述的一種針對OCR簡歷識別算法的自動化測試方法，包括以下步驟：

(1)導入簡歷相關信息；

(2)隨機生成簡歷：將導入的文字內容打亂重排以模擬生成新的簡歷內容，并且隨機填充至之前導入的簡歷模板中；

(3)文字內容比對；

(4)輸出測試報告。

所述步驟(1)具體為：

(1.1)導入簡歷版式：提供一個或多個標準A4尺寸頁面，在此頁面上支持以手動方式繪制添加文字框，也支持自動生成簡歷版式，自動生成的邏輯為隨機生成不同大小的文字框直到布局滿整個頁面，隨后參考實際簡歷版式對每個文字框進行板塊的人工或自動標注；

(1.2)導入簡歷內容：僅支持手工輸入，所述簡歷內容包括必填內容和可選內容，所述必填內容包括個人資料、教育背景、工作經歷，所述可選內容包括掌握技能、個人評估、聯系方式、項目經歷、獲獎情況。

所述步驟(3)中的內容比對包括整段落的標題識別和段落內文字匹配率識別。

所述步驟(4)中的報告為圖形化HTML格式的報告，報告的主要參數包括識別的簡歷數量、識別的段落數量、匹配成功的段落數量、段落匹配成功率、匹配總文字數量、文字識別正確。

一種針對OCR簡歷識別算法的自動化測試系統，包括以下模塊：

導入模塊：包括簡歷版式導入和簡歷內容導入；

生成模塊：將導入的文字內容打亂重排以模擬生成新的簡歷內容，并且隨機填充至之前導入的簡歷模板中；

內容比對模塊：包括整段落的標題識別和段落內文字匹配率識別；