[发明专利]一种基于深度学习的简历信息提取方法及系统

说明书

本发明公开了一种基于深度学习的简历信息提取方法及系统，包括，收集简历的中文语料，作为训练数据；根据所述中文语料信息构建神经网络模型；通过所述训练数据对构建的神经网络模型进行训练直至收敛；将简历输入至所述神经网络中进行信息提取。本发明的有益效果：应用本发明提供的方法进行简历信息的提取，能够很好的应对简历中复杂的半结构化数据，由于深度学习具有很强的表征能力，能够很好的提取出特征，同时还具有较好的泛化能力，适合用于信息的提取。

技术领域

本发明涉及自然语言处理的技术领域，尤其涉及一种基于深度学习的简历信息提取方法及系统。

背景技术

近年来，随着互联网和信息产业的高速发展，大量的非结构化数据和半结构化数据可以从互联网上获得。利用爬虫技术，大量的简历文本信息可以从网上被获得。由于简历中包含的数据内容众多，因此如何快速整合简历中的数据填充至数据库中作为人才筛选的资源对于很多企业十分重要。

对于简历信息，主要需要提取的数据信息包括姓名、电话、年龄、性别、毕业院校、学历以及从事过的职业等主要信息。这些信息提取出来后存入数据库，作为筛选的初步条件。其背后涉及到的算法就是中文命名体识别技术。

传统的命名实体提取技术是基于中文关键词匹配方法,这种技术需要构建系统中所需的关键词词库,其缺点在于有可能遗漏一些关键词同时也耗时耗力。统计方法中，例如条件随机场、隐马尔可夫模型相比关键词匹配而言,不需要构建词库,但是它们受限于特征的选择和语料。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明解决的一个技术问题是：提出一种基于深度学习的简历信息提取方法，在中文命名实体识别上具有良好的表现，且具有很好的泛化性能，对于多种实体的情况识别效果更好。

为解决上述技术问题，本发明提供如下技术方案：一种基于深度学习的简历信息提取方法，包括收集简历的中文语料；根据所述中文语料信息构建神经网络模型；通过训练数据对构建的神经网络模型进行训练直至收敛；将简历输入至所述神经网络中进行信息提取。

作为本发明所述的基于深度学习的简历信息提取方法的一种优选方案，其中：所述训练数据包括，采用爬虫技术爬取简历信息形成文本文件；将文本文件整合为数据集合；对数据集合进行打标，得到标注数据。

作为本发明所述的基于深度学习的简历信息提取方法的一种优选方案，其中：所述对数据集合进行打标包括，所述打标标准为：对于一份简历，将不需要提取的数据标签设置为0,姓名标签的后缀设置为PER，学历标签设置为EDU，毕业院校标签设置为UNI,职位标签设置为OCC,年龄标签设置为AGE,性别标签设置为SEX，每种实体的开始的字的标签前缀是B,跟在后面的前缀为I。

作为本发明所述的基于深度学习的简历信息提取方法的一种优选方案，其中：所述神经网络模型包括，BERT模型、BILSTM模型和CRF模型，将所述BERT模型的输出数据，输入至所述BILSTM模型，并将所述中的数据输出BILSTM模型中的数据，作为所述CRF模型的输入，其中所述BERT模型用于实现词嵌入的功能，所述BILSTM模型与CRF模型构建训练神经网络并对输出结果的约束。

作为本发明所述的基于深度学习的简历信息提取方法的一种优选方案，其中：所述训练过程包括，所述BERT模型对训练数据进行嵌入，在所述BILSTM模型中，计算简历中每个字符被提取的概率，将所述概率传输至所述CRF模型计算可能的提取路径，其过程表示为如下：

γⁱ＝argmax score(x,y)