[发明专利]一种简历信息抽取方法、装置、设备及存储介质

权利要求书

1.一种简历信息抽取方法，其特征在于，包括：

获取简历文本数据，根据预设的分隔符对所述简历文本数据进行切分，获取所述简历文本数据的句子单元数据；

将所述句子单元数据输入预先训练好的场景分类模型中，通过所述场景分类模型确定所述句子单元数据的场景类别；

将所述句子单元数据分类聚合，得到每个场景类别对应的场景文本数据；

根据所述场景文本数据的场景类别，将所述场景文本数据输入对应的预先训练好的长文本信息抽取模型中，通过所述长文本信息抽取模型抽取所述场景文本数据中的长文本信息。

2.根据权利要求1所述的方法，其特征在于，所述场景分类模型的训练样本集通过以下步骤生成，包括：

根据所述分隔符将待标注简历文本数据分割成多个待标注句子单元数据；

在所述待标注句子单元数据标注结束后，获取第一样本数据，所述第一样本数据包括句子单元数据和场景类别；

基于所述待标注简历文本数据中的文本顺序，通过预设的连接符将所述第一样本数据组合成的预设长度的第一组合文本数据，并将所述第一组合文本数据作为所述场景分类模型的训练样本集。

3.根据权利要求1所述的方法，其特征在于，所述长文本信息抽取模型的训练样本集通过以下步骤生成，包括：

根据所述分隔符将待标注简历文本数据分割成多个待标注句子单元数据；

在所述待标注句子单元数据标注结束后，获取第二样本数据，所述第二样本数据包括正样本数据和负样本数据，所述正样本数据包括句子单元数据和第一样本值，所述负样本数据包括句子单元数据和第二样本值；

基于所述待标注简历文本数据中的文本顺序，通过预设的连接符将所述第二样本数据组合成的预设长度的第二组合文本数据，并将所述第二组合文本数据作为所述长文本信息抽取模型的训练样本集。

4.根据权利要求2所述的方法，其特征在于，所述场景分类模型通过以下步骤生成，包括：

将所述第一组合文本数据输入预设的第一预训练语言模型中，通过所述第一预训练语言模型提取所述第一组合文本数据的第一基准语义信息向量；

将所述第一基准语义信息向量输入预设的第一双向长短期记忆网络模型中，通过所述第一双向长短期记忆网络模型提取所述第一基准语义信息的第一句间序列特征向量；

根据所述第一组合文本数据中的分割符，对所述第一句间序列特征向量进行分割，获取所述第一样本数据对应的第一句子单元特征向量，所述第一句子单元特征向量包括多个字特征向量；

将所述第一句子单元特征向量对应的字特征向量进行求和操作，得到所述第一样本数据对应的第一融合序列特征向量；

将所述第一融合序列特征向量输入预设的第一全连接层，通过所述第一全连接层输出场景类别。

5.根据权利要求3所述的方法，其特征在于，所述长文本信息抽取模型通过以下步骤生成，包括：

将所述第二组合文本数据输入预设的第二预训练语言模型中，通过所述第二预训练语言模型提取所述第二组合文本数据的第二基准语义信息向量；

将所述第二基准语义信息向量输入预设的第二双向长短期记忆网络模型中，通过所述第二双向长短期记忆网络模型提取所述第二基准语义信息的第二句间序列特征向量；

根据所述第二组合文本数据中的分割符，对所述第二句间序列特征向量进行分割，获取所述第二样本数据对应的第二句子单元特征向量，所述第二句子单元特征向量包括多个字特征向量；

将所述第二句子单元特征向量对应的字特征向量进行求和操作，得到所述第二样本数据对应的第二融合序列特征向量；

将所述第二融合序列特征向量输入预设的第二全连接层，通过所述第二全连接层输出第一样本值或第二样本值。

6.根据权利要求4所述的方法，其特征在于，所述场景分类模型通过以下步骤调整，包括：

通过预设的第一交叉熵损失函数计算所述第一全连接层的输出结果和所述第一样本数据的标注信息的第一交叉熵；

基于所述第一交叉熵，通过预设的第一模型优化规则对所述场景分类模型的参数进行调整。