[发明专利]一种人事信息基于CNN和LSTM建模的信息抽取方法在审
申请号: | 201910665726.X | 申请日: | 2019-07-23 |
公开(公告)号: | CN110569400A | 公开(公告)日: | 2019-12-13 |
发明(设计)人: | 肖清林 | 申请(专利权)人: | 福建奇点时空数字科技有限公司 |
主分类号: | G06F16/903 | 分类号: | G06F16/903;G06N3/04 |
代理公司: | 11589 北京劲创知识产权代理事务所(普通合伙) | 代理人: | 陆滢炎 |
地址: | 361000 福建省厦门市软件园*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 人员信息 神经网络系统 检索结果 人事信息 调取 搜索性能 相关信息 信息抽取 重新排序 构建 建模 调用 抽取 存储 查询 分类 | ||
1.一种人事信息基于CNN和LSTM建模的信息抽取方法,其特征在于,包括以下步骤:
S1:获取人员信息;
S2:构建LSTM-CNN神经网络系统;
S3:对人员信息进行分类,并选出多个关键词;
S4:通过现有存储的人员信息与关键词,对神经网络系统进行训练;
S5:通过S4的训练,获取关键词与人员信息之间的相关性;
S6:多次查询不同的关键词,从而使得系统获得初次检索结果;
S7:神经网络系统对多次初次检索结果进行重新排序,以得到最终检索结果;
S8:操作者对最终检索结果进行抽取以及调用。
2.根据权利要求1所述的人事信息基于CNN和LSTM建模的信息抽取方法,其特征在于,人员信息包括姓名、身份证信息、户籍、工作时间、工龄、职务、工作所在地。
3.根据权利要求1所述的人事信息基于CNN和LSTM建模的信息抽取方法,其特征在于,S4中,将姓名、身份证和人员信息构建成三元组,作为输出矩阵输入神经网络系统;其中,姓名和身份证信息同时作为关键词。
4.根据权利要求1所述的人事信息基于CNN和LSTM建模的信息抽取方法,其特征在于,关键词为包括人员信息中含有的词条。
5.根据权利要求1所述的人事信息基于CNN和LSTM建模的信息抽取方法,其特征在于,包括记录系统;操作着调用信息后,记录系统对调用的数据、数据调用、查看的时间,以及调用者进行详细的调用记录。
6.根据权利要求5所述的人事信息基于CNN和LSTM建模的信息抽取方法,其特征在于,根据调用记录,对使用的关键词以及被查询的人事信息进行数量统计;统计数量多的关键词以及对应的人事信息进行优先调取。
7.根据权利要求1所述的人事信息基于CNN和LSTM建模的信息抽取方法,其特征在于,神经网络系统为串联的循环神经网络和卷积神经网络。
8.根据权利要求7所述的人事信息基于CNN和LSTM建模的信息抽取方法,其特征在于,循环神经网络用于处理人员信息的时序特征;卷积神经网络用于处理人员信息的位置特征。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福建奇点时空数字科技有限公司,未经福建奇点时空数字科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910665726.X/1.html,转载请声明来源钻瓜专利网。