[发明专利]一种简历信息抽取方法、装置、设备及存储介质

说明书

本发明实施例公开了一种简历信息抽取方法、装置、设备及存储介质。该方法包括：通过获取简历文本数据，根据预设的分隔符对简历文本数据进行切分，获取简历文本数据的句子单元数据；将句子单元数据输入预先训练好的场景分类模型中，通过场景分类模型确定句子单元数据的场景类别；将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；根据场景文本数据的场景类别，将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，通过长文本信息抽取模型抽取场景文本数据中的长文本信息。通过上述技术手段，考虑了目标句子上下文之间的语义信息和句间特征相关性等特征，提高了长文本信息抽取模型的抽取召回率和准确率。

技术领域

本申请实施例涉及线下简历信息化技术领域，尤其涉及一种简历信息抽取方法、装置、设备及存储介质。

背景技术

简历解析是将非结构化或半结构化的简历文本转化为结构化数据的过程，对于企业招聘管理来说，简历解析是简历信息化的一个重要部分。

简历信息抽取的抽取包括四大类属性：“个人基本信息”、“教育经历”、“项目经历”和“工作经历”。通常在对简历进行解析时，会使用命名实体识别技术识别其中的“人名”、“地名”、“毕业院校”、“专业”、“工作单位”、“职位”和“时间”等。再通过规则的方法，抽取目标的其他字段，如“在校经历”、“学术成果”、“项目描述”、“实习职责”和“工作职责”等。

发明人发现，在使用上述方法进行简历信息抽取时，不同的实体抽取准确率不同，如“人名”、“时间”和“地名”等这类实体抽取准确率较高，而“毕业院校”和“工作单位”等这类实体抽取准确率较低，若当前的实体没有识别出来，还会影响基于规则方法抽取数据信息的准确率。除此之外，通过规则方法来提取文本较长的数据信息，需要事先穷举所有可能存在的规则模板，而简历中的“在校经历”、“学术成果”、“项目描述”、“实习职责”和“工作职责”等长文本字段表述形式千差万别，难以穷举所有可能出现的规则模板，导致解析的准确率不高，且模板维护和优化的成本都很大。

发明内容

本发明实施例提供一种简历信息抽取方法、装置、设备及存储介质，以提高长文本信息的抽取召回率和准确率。

在第一方面，本发明实施例提供了一种简历信息抽取方法，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。

在第二方面，本发明实施例提供了一种简历信息抽取装置，包括：

数据获取模块，被配置为获取简历文本数据，根据预设的分隔符对所述简历文本数据进行切分，获取简历文本数据的句子单元数据；

场景类别确定模块，被配置为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；

聚合模块，被配置为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；

长文本信息抽取模块，被配置为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。

在第三方面，本发明实施例提供了一种电子设备，包括：

存储器以及一个或多个处理器；

存储器，用于存储一个或多个程序；