[发明专利]一种人事信息基于CNN和LSTM建模的信息抽取方法

说明书

一种人事信息基于CNN和LSTM建模的信息抽取方法，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。本发明中，提高了人事信息的调取速度，解决传统人事信息调取困难的问题。神经网络系统通过关键词与人员信息之间的相关性，能够及时调取相关信息，展现出优越的搜索性能。

技术领域

本发明涉及信息抽取领域，尤其涉及一种人事信息基于CNN和LSTM建模的信息抽取方法。

背景技术

目前，各地区各部门的工作已经基本实现电子化。对于人员管理、人员组织管理、人员费用管理、工作学习等内容，均可以通过电脑进行管理,人员信息化建设。同时，也有不少的组织部建立了自己的网站，通过网络组织政务工作、开展学习和帮助人员进步。

然而，现有各类人员信息管理系统，均停留在使用电脑操作的阶段，由于当官人数很多，导致了调取、查询人员信息困难。

发明内容

(一)发明目的

为解决背景技术中存在的技术问题，本发明提出一种人事信息基于CNN和 LSTM建模的信息抽取方法，大大提高了人事信息的调取速度，解决传统人事信息调取困难的问题。神经网络系统通过关键词与人员信息之间的相关性，能够及时调取相关信息，展现出优越的搜索性能。

(二)技术方案

为解决上述问题，本发明提供了一种人事信息基于CNN和LSTM建模的信息抽取方法，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。

优选的，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。

优选的，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。

优选的，关键词为包括人员信息中含有的词条。

优选的，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。

优选的，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。

优选的，神经网络系统为串联的循环神经网络和卷积神经网络。

优选的，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。

本发明的上述技术方案具有如下有益的技术效果：