[发明专利]一种基于机器学习和模糊规则的集成简历信息抽取方法

权利要求书

1.一种基于机器学习和模糊规则的集成简历信息抽取方法，其特征在于，所述方法包括如下步骤：

步骤一、抽取简历、疑似简历和非简历文本的特征，通过特征信息，筛选简历文本；

步骤二、对筛选得到的简历文本进行词频统计，获取常用关键词并生成模糊匹配规则；

步骤三、使用模糊匹配规则对简历文本进行切分，并抽样检查分块结果，验证分块的正确率；

步骤四、针对简历文本切分后各个分块的数据分布特征，采用模糊匹配规则、序列标注或者分类的方法抽取简历文本具体的信息；

步骤五、使用订正策略对不合理的结果进行订正并输出结构化的简历信息。

2.如权利要求1所述的一种基于机器学习和模糊规则的集成简历信息抽取方法，其特征在于，所述步骤一的方法具体包括：

101、标注简历、疑似简历以及非简历样本；

102、使用特征抽取器抽取上述3类样本的特征，并训练分类模型；

103、输入文本到模型，输出简历、疑似简历、非简历三者之一。

3.如权利要求1所述的一种基于机器学习和模糊规则的集成简历信息抽取方法，其特征在于，所述步骤二的方法具体包括：

201、对简历文本内容按照空格进行分词，统计词频，从词频的Top N中筛选候选关键词；

202、根据候选关键词生成模糊规则。

4.如权利要求3所述的一种基于机器学习和模糊规则的集成简历信息抽取方法，其特征在于：步骤202中，当关键词为项目经历时，生成的模糊规则为：^.{0,4}项\W{0,4}目\W{0,4}经\W{0,4}历\W{0,4}。

5.如权利要求1所述的一种基于机器学习和模糊规则的集成简历信息抽取方法，其特征在于，所述步骤三的方法具体包括：

301、使用生成的模糊匹配规则对简历文本进行切分；

302、抽样验证切分的正确率，并根据验证结果对模糊匹配规则进行优化或剔除；

303、根据步骤302优化后获取的模糊匹配规则对简历文本进行切分，得到分块结果。

6.如权利要求1所述的一种基于机器学习和模糊规则的集成简历信息抽取方法，其特征在于，所述步骤四的方法具体包括：

401、对固定格式的信息使用模糊匹配规则进行提取；

402、对关键信息使用分类方法进行抽取；

403、对描述信息使用序列标注的方法抽取实体。

7.如权利要求6所述的一种基于机器学习和模糊规则的集成简历信息抽取方法，其特征在于：步骤401中，所述固定格式的信息包括电话号码、邮箱或者时间段。

8.如权利要求6所述的一种基于机器学习和模糊规则的集成简历信息抽取方法，其特征在于：步骤402中，所述关键信息包括公司名称、部门岗位、学校名称、学院或者专业。

9.如权利要求6所述的一种基于机器学习和模糊规则的集成简历信息抽取方法，其特征在于：步骤403中，所述描述信息包括如工作描述、兴趣爱好或者项目经验。