[发明专利]履历信息的处理方法、装置及计算机可读存储介质

权利要求书

1.一种履历信息的处理方法，其特征在于，包括：

获取待处理履历信息；其中，所述待处理履历信息包括：位于逗号或顿号或“兼”字前的第一文本，以及位于所述逗号或顿号或“兼”字后用于补充说明所述第一文本中某个结构化词语的第二文本；

当所述第二文本中只包含表示职位的词语，确定所述第二文本用于补充说明所述第一文本中最后一个表示部门的结构化词语。

2.根据权利要求1所述的处理方法，其特征在于，当所述第二文本中首字为“市”或“区”，还包括：

确定所述第二文本用于补充说明所述第一文本中携带“市”或“区”的结构化词语。

3.根据权利要求1或2所述的处理方法，其特征在于，当所述第二文本中并非只包含表示职位的词语，并且所述第二文本中首字不为“市”和“区”，还包括：

根据所述第一文本中的结构化词语构造第一观察序列，并根据所述第一观察序列构造隐马尔可夫模型；

根据所述第一文本中的结构化词语和所述第二文本构造第二观察序列；

根据所述第一观察序列、所述第二观察序列和所述隐马尔可夫模型获取所述第二文本补充说明所述第一文本中的目标结构化词语。

4.根据权利要求3所述的方法，其特征在于，所述获取待处理履历信息之后，且根据第一文本中的结构化词语构造第一观察序列之前，还包括：

利用预先构造的任职时间正则表达式匹配所述待处理履历信息，得到任职时间信息；

利用预先构造的括号正则表达式匹配所述待处理履历信息，得到括号内容信息；

将所述待处理履历信息去除所述任职时间信息和所述括号内容信息后按照标点符号分割，得到若干个子句；

根据逆向最大匹配算法对所有子句进行匹配，得到所述第一文本中的结构化词语。

5.根据权利要求3所述的方法，其特征在于，所述根据第一观察序列构造隐马尔可夫模型，包括：

依照基于EM的鲍姆-韦尔奇算法，并根据所述第一观察序列构造所述隐马尔可夫模型。

6.根据权利要求3所述的方法，其特征在于，当所述第一文本中包括N个结构化词语，所述第一观察序列包括：(结构化字段1，结构化字段1+结构化字段2，…，结构化字段1+结构化字段2+…+结构化字段N)；

所述第二观察序列包括：(结构化字段1+第二文本，结构化字段1+结构化字段2+第二文本，…，结构化字段1+结构化字段2+…+结构化字段N+第二文本)。

7.根据权利要求3所述的方法，其特征在于，所述根据第一观察序列、第二观察序列和隐马尔可夫模型获取第二文本补充说明第一文本中的目标结构化词语，包括：

分别计算在所述隐马尔可夫模型下所述第一观察序列以及所述第二观察序列出现的概率；

根据所述隐马尔可夫模型下所述第一观察序列以及所述第二观察序列出现的概率计算所述第二文本补充说明所述第一文本中所有结构化词语的概率；

获取最大概率对应的结构化词语作为所述第二文本补充说明所述第一文本中的目标结构化词语。

8.根据权利要求7所述的方法，其特征在于，所述分别计算在所述隐马尔可夫模型下所述第一观察序列以及所述第二观察序列出现的概率，包括：

使用前向后向算法分别计算在所述隐马尔可夫模型下所述第一观察序列以及所述第二观察序列出现的概率。

9.根据权利要求7所述的方法，其特征在于，当所述第一文本中包含N个结构化词语，所述根据隐马尔可夫模型下第一观察序列以及第二观察序列出现的概率计算第二文本补充说明第一文本中所有结构化词语的概率，包括：

计算所述隐马尔可夫模型下第二观察序列中第i个元素出现的概率与所述隐马尔可夫模型下第一观察序列中第i个元素出现的概率的比值，得到所述第二文本补充说明所述第一文本中第i个结构化词语的概率；其中，i＝1、2…N。