[发明专利]一种人事信息基于CNN和LSTM建模的信息抽取方法

权利要求书

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。