[发明专利]基于机器学习的简历文档判别方法及装置

权利要求书

1.一种基于机器学习的简历文档判别方法，其特征在于，所述基于机器学习的简历文档判别方法，包括：

对导入文档进行预处理，得到导入文本；

抽取预处理导入文本中的关键词特征以及导入文本顺序特征，并将关键词特征以及导入文本顺序特征分别转化为数值向量并确定导入文本的文本特征向量；

根据构建的预测模型对文本特征向量进行预测，得到对应的置信度；

根据置信度对导入文本进行判别，如果置信度大于设定阈值，则表示导入文本为简历文档。

2.如权利要求1所述的基于机器学习的简历文档判别方法，其特征在于，所述抽取预处理导入文本中关键词特征，具体包括：

在导入文本中的分词与预定义关键词完全匹配时，抽取导入文本中的分词作为关键词特征；以及在导入文本中的分词与预定义关键词匹配的语义相似度值和/或词移距离大于设定阈值时，抽取导入文本中的分词作为关键词特征。

3.如权利要求2所述的基于机器学习的简历文档判别方法，其特征在于，所述将关键词特征以及导入文本顺序特征分别转化为数值向量并确定导入文本的文本特征向量，具体包括：

根据与预定义关键词完全匹配的分词获取相应的子文本特征向量，根据与预定义关键词匹配的语义相似度值和/或词移距离大于设定阈值的分词获取相应的子文本特征向量，通过相加得到新的子文本特征向量，再与根据导入文本顺序特征获取相应的子文本特征向量进行拼接，形成最终的文本向量特征。

4.如权利要求1所述的基于机器学习的简历文档判别方法，其特征在于，所述根据构建的预测模型对文本特征向量进行预测，得到对应的置信度，具体包括：

根据构建的多个预测模型分别对文本特征向量进行预测，得到对应的多个子置信度；

分别对多个置信度进行加权，并计算出多个子置信度的均值，并将均值作为导入文本的置信度。

5.如权利要求4所述的基于机器学习的简历文档判别方法，其特征在于，所述根据置信度对导入文本进行判别，还包括：

如果置信度小于或等于设定阈值，则表示导入文本为非简历文档。

6.如权利要求1所述的基于机器学习的简历文档判别方法，其特征在于，所述对导入文档进行预处理，得到导入文本，包括：

对导入文档进行解析得到解析文本；以及

对解析文本进行无用字符删除处理、特殊字符转换处理、大小写转换处理、全角半角转换处理及分词处理中至少一种文本处理。

7.如权利要求1所述的基于机器学习的简历文档判别方法，其特征在于，所述根据构建的预测模型对文本特征向量进行预测之前，还包括：

训练分类预测模型。

8.一种基于机器学习的简历文档判别装置，其特征在于，所述基于机器学习的简历文档判别装置，包括：

预处理模块，用于对导入文档进行预处理，得到导入文本；

抽取模块，用于抽取预处理导入文本中的关键词特征以及导入文本顺序特征，并将关键词特征以及导入文本顺序特征分别转化为数值向量并确定导入文本的文本特征向量；

预测模块，用于根据构建的预测模型对文本特征向量进行预测，得到对应的置信度；

判别模块，用于根据置信度对导入文本进行判别，如果置信度大于设定阈值，则表示导入文本为简历文档。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

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权利要求1至7中任一项所述的方法的步骤。