[发明专利]一种简历解析中二次提取实体的方法

说明书

本发明涉及简历解析、人工智能和自然语言处理领域，具体提供了一种简历解析中二次提取实体的方法，具有如下步骤：S1、实体提取及拆分记录；S2、拆分片段进行文本预处理；S3、划分符合条件的潜在实体和待提取字段；S4、采用打分法对符合条件的潜在实体进行打分；S5、选取最高分；S6、最高分与阈值对比，输出二次提取实体及对应字段。与现有技术相比，本发明的一种简历解析中二次提取实体的方法，通过进行二次实体抽取，能够准确的提取全部实体，能够有效的解决实体遗漏的问题，具有良好的推广价值。

技术领域

本发明涉及简历解析、人工智能和自然语言处理领域，具体提供一种简历解析中二次提取实体的方法。

背景技术

简历内容解析是把非结构化的简历数据转化为结构化数据，以便进行简历打分、筛选等进一步的分析工作。目前主流的解决方法包括两个步骤，首先，对简历进行分块，分成个人信息、教育经历和工作经历等模块，其次对每一模块进行分析，提取目标字段。在提取教育经历、工作经历和项目经历等包含多条记录的信息时，还需要对其中的每条记录进行切分，分别提取每条记录中的信息，如教育信息中每条记录往往包括学校、专业、起止时间、主修课程、GPA等信息，工作信息中每条记录往往包括工作单位、部门、岗位、起止时间等信息。

目前主流的提取方法是，先通过规则以及机器学习或深度学习方法识别实体，然后基于识别出的实体对记录拆分，并将识别出的实体分配到各条拆分的记录中，每条记录对应一组实体，如第一条记录结果为(单位1，部门1，起止时间1)，第二条记录结果为(单位2，部门2，起止时间2)。但是，由于简历类型多样，现有的方法往往不能准确提取全部实体，导致结果中部分实体缺失的问题。

发明内容

本发明是针对上述现有技术的不足，提供一种实用性强的简历解析中二次提取实体的方法。

本发明解决其技术问题所采用的技术方案是：

一种简历解析中二次提取实体的方法，其特征在于，具有如下步骤：

S1、实体提取及拆分记录；

S2、拆分片段进行文本预处理；

S3、划分符合条件的潜在实体和待提取字段；

S4、采用打分法对符合条件的潜在实体进行打分；

S5、选取最高分；

S6、最高分与阈值对比，输出二次提取实体及对应字段。

进一步的，在步骤S1中，将已提取实体分配到已拆分的各条记录中，对每条记录中已提取实体按照位置进行排序，使用已提取实体对所在的记录进行拆分。

进一步的，在步骤S2中，所在记录进行拆分后的片段作为潜在实体，对所述潜在实体进行文本预处理。

进一步的，在步骤S3中，文本预处理中，筛选掉格式不符合条件的潜在实体，得到符合条件的潜在实体，将已提取的实体对应的字段定义为已提取字段，将其他字段定义为待提取字段。

作为优选，在步骤S4中，打分法的打分因素包括通用因素和专用因素，

所述通用因素包括潜在实体的位置、字符长度、中文字符和英文字符长度；

所述专用因素包括每个字段特有的因素。

进一步的，在步骤S4中，对符合条件的潜在实体进行打分，包括：

对每个符合条件的潜在实体和每个待提取字段的组合进行打分。

进一步的，在步骤S5中，对于每个符合条件的潜在实体，选择得分最高的待提取字段作为最优字段；