[发明专利]一种基于深度学习的简历解析方法

说明书

本发明公开了一种基于深度学习的简历解析方法，其包括以下步骤：数据预处理：将简历统一转换为文本格式，确定简历的内容分段标签，并将简历文本按行进行数据标记；模型训练：利用神经网络将简历文本按行表达为一个固定长度的向量，在获得行向量后，根据所述行向量对简历进行内容分段；信息提取：在完成内容分段后，从指定的内容段中提取标签字段，获得相关信息。通过本技术方案，能够提高解析简历以及信息提取准确度。

技术领域

本发明涉及信息提取技术领域，尤其涉及一种基于深度学习的简历解析方法。

背景技术

现实生活中，许多公司的人力资源部门都会囤积到大量人才的简历，经整理收集成为简历库。但是简历文本并不是一个完全结构化的内容，它的模板多种多样，格式花样层出不穷，因而在分类整理和精确检索上存在非常多的困难。因此，许多公司花大价值收集而来的简历库，通常难以充分发挥价值。为了能够充分利用简历库，需要将简历按照标签整理为结构化的内容，例如：姓名，电话，邮箱，学历，毕业院校，工作经历，职业标签，职位意向，技术特征，等等。而这，催生了简历解析技术的需求。简历解析，就是针对各种不同格式的简历，按照要求提取结构化字段的过程，是后续进一步的人才职位匹配工作的基础，也是充分利用简历库，节约成本的有效方式。

但是简历文本在逻辑上，有着它固有的特点：内容上它通常是呈分段排列。目前，有通过传统的机器学习技术来对文本进行分段，但这种分段方法和提取信息的错误率较高，不能满足于相关技术领域对于准确率的要求。

因此，一种更准确科学的分段方法，在根据此分段方法从不同内容的分段中提取相应的实体信息，成为相关领域需要解决的技术问题之一。

发明内容

为了克服现有技术的不足，本发明所解决的技术问题是提供一种能够提高信息提取效率的基于深度学习的简历解析方法。

为解决上述技术问题，本发明所采用的技术方案内容具体如下：

一种基于深度学习的简历解析方法，其包括以下步骤：

数据预处理：将简历统一转换为文本格式，确定简历的内容分段标签，并将简历文本按行进行数据标记；

模型训练：利用RNN神经网络将简历文本按行表达为一个固定长度的向量从而获得行向量，并根据所述行向量对简历进行内容分段；

信息提取：在完成内容分段后，从指定的内容段中提取标签字段，获得相关信息。

为提高简历解析的效率，提高信息提取的准确度，在本技术方案中，发明人通过利用RNN神经网络，将简历文本中的每一行文本都通过深度学习模型编码为行向量。利用行向量实现对简历进行内容分段，其好处在于能够将语义特征用一个实数向量的方式表达出来，从而方便后续处理，提高信息处理的效率。

进一步地，利用行向量进行表述，能够对任意不规范形式的简历进行信息提取，不需局限于简历的格式，一方面方便后续处理，另一方面也提高了处理方法的适用性；

更进一步地，采用此方案，还能达到降低人工特征工程工作量的技术目的，无需通过人工对简历信息进行分类，提高提取效率。在本技术方案中，并不需要通过特定的格式文件的标记，例如xml，html等各种特殊标记来作为特征，也不需要通过特征工程来提取特征，我们只需要通过深度学习模型训练出每个符号对应的符号向量。这样的好处是既减少了特征工程的工作量，又充分利用了语言的有序性特点，对提高准确性和减少工作量很有帮助。

优选地，在所述模型训练步骤中，将简历文本按行表达为一个固定长度的向量的步骤包括：

获取符号向量：对所述简历文本中的每个符号表示为一个固定长度的实数向量；

获取行向量：通过神经网络根据构成该行文本的所述符号向量，依据时序来训练成一个固定长度的向量，得到行向量。