[发明专利]一种基于n-gram模型的简历解析方法

权利要求书

1.一种基于n-gram模型的简历解析方法，其特征在于，包括：

S1：收集预定数量的简历样本；

S2：统计所述简历样本中的常用字段关键词，并将常用字段关键词按照不同描述类型划分为不同类别，形成分类词典；

S3：将所述简历样本中紧邻每一常用字段关键词之后出现的非关键词记为样本关联词，并采用n-gram模型统计每一常用字段关键词转变到各样本关联词的转移概率；

S4：将待解析简历的文件格式转换为纯文本格式；

S5：采用最大匹配算法在所述待解析简历中查找与分类词典中的常用字段关键词相匹配的目标关键词；

S6：判断所述目标关键词对应的转移概率是否大于预定阈值，如果大于预定阈值，则将目标关键词判定为有效关键词；

S7：将所述待解析简历中紧邻每一有效关键词之后出现的非关键词记为有效关联词，并根据所述有效关联词更新每一常用字段关键词对应的转移概率；

S8：利用所述分类词典对待解析简历中的有效关键词增加前缀标注和后缀标注；

S9：根据所述前缀标注和后缀标注对待解析简历的文本内容进行分段提取，并将分段提取后的文本内容按照预定格式进行输出。

2.根据权利要求1所述的简历解析方法，其特征在于，所述非关键词为连续两个字符，所述步骤S3具体为；采用tri-gram模型统计每一常用字段关键词转变到各样本关联词的转移概率。

3.根据权利要求1所述的简历解析方法，其特征在于，所述步骤S5具体包括：

将所述待解析简历的文本内容按照预定长度进行切分，形成待分词文本；

扫描所述待分词文本，当扫描到与分类词典中的常用字段关键词相匹配的第一个字符时，从所述第一个字符开始记录，直到扫描不到与分类词典中的常用字段关键词相匹配的字符为止；

将记录下的所有字符组成目标关键词。

4.根据权利要求1所述的简历解析方法，其特征在于，所述根据所述有效关联词更新每一常用字段关键词对应的转移概率的步骤具体为：

判断所述各样本关联词中是否存在与有效关联词相同的样本关联词；

如果存在与有效关联词相同的样本关联词，则更新每一常用字段关键词转变到有效关联词的转移概率；

如果不存在与有效关联词相同的样本关联词，则统计每一常用字段关键词转变到有效关联词的转移概率。

5.根据权利要求1所述的简历解析方法及系统，其特征在于，所述步骤S8具体包括：

查询所述有效关键词在所述分类词典中所属的类别；

按照所属的类别对待解析简历中的有效关键词增加前缀标注和后缀标注。

6.根据权利要求5所述的简历解析方法，其特征在于，所述步骤S9具体包括：

将所述待解析简历中当前有效关键词的后缀标注与下一个有效关键词的前缀标注之间或者与所述待解析简历的文本结束符之间的文本内容作为当前有效关键词的描述信息；

依次提取每一有效关键词及其对应的描述信息；

将每一有效关键词及其对应的描述信息按照预定格式进行输出。

7.根据权利要求1、5或6所述的简历解析方法，其特征在于，所述预定格式为Json格式。

8.根据权利要求1所述的简历解析方法，其特征在于，所述待解析简历的文件格式至少包括doc格式、pdf格式或html格式。

9.根据权利要求1所述的简历解析方法，其特征在于，所述简历样本的语言为中文。