(任宁)求职简历信息的自动抽取.pptVIP

求职简历信息的自动抽取 --任宁 求职简历信息抽取的意义 大型公司人力资源库的动态更新 猎头公司建立人力资源库 招聘网站便利用户 网上进行的各种认证、报名的需要 求职简历的特点 求职简历范例 结构化文本 半结构化文本 非结构化文本 求职简历的构成 求职简历的“A+B+1”结构模式 A部分：个人信息 此外教育背景、实践经历、个人评价还有其他信息的部分内容也出现在这一部分。 B部分：教育背景、实践经历和个人评价 此外可能含有其他信息和联系信息中的部分内容。 “1”：联系信息 联系信息既可能出现在A部分，也可能出现在B部分的末尾。 把求职简历的格式以“A+B+1”模式来描述的原因 在A部分，各简历信息基本是以“项：值”格式存在的。即前面是简历项名称，后面是简历项内容，中间用分隔符（可能是“：”、制表符或空格）隔开。值的部分是表达单纯概念的简单信息，往往是一个短语。 而在B部分，各简历信息的值相对复杂，为组合概念，项、值之间多以换行分隔。 “A+B+1”的具体构成 求职简历信息的抽取方法 求职简历A部分简历信息的抽取方法 求职简历B部分简历信息的抽取方法 识别求职简历A部分与B部分的分界 “1”的定位和处理 求职简历A部分简历信息的抽取方法 按顺序一行行读入文本； 去掉每行空格； 以A部分简历信息中常见的简历项名称做触发词语，遇到触发词语则替换成“换行符+触发词语”的格式； 对A部分每一行进行处理，提取触发词语作为简历项名称，后面的部分做为简历项的“值”。 求职简历B部分简历信息的抽取方法 按顺序一行行读入文本，去掉“【”、“】”、“—”等修饰美观的成分。 以B部分简历信息中常见的简历项名称做触发词语，遇到触发词语则以触发词语作为“项”，后面的部分作为“值”，直到遇到下一个触发词语为止。 识别求职简历A部分与B部分的分界 顺序遍历文本，搜索第一个B部分触发词语的位置，判断此触发词语与其“值”之间是否有换行符分割。若有，则认为此处是A与B的分界。否则，继续向后遍历，寻找下一个B部分触发词语。 “1”的定位和处理 “1”联系信息有时出现在A部分，有时出现在B部分之后（即文本末尾）。对这部分信息，处理方法如下： 利用联系信息触发词表定位联系信息； 对于联系信息部分以与A部分相同的方法进行处理。 抽取结果 结论及未来工作展望 由于时间有限，作者的水平也有限，本研究还存在很多不足，在未来的工作中，希望能尽量减少这些不足。 首先，本研究的测试结果是建立在封闭测试基础上的，开放测试缺乏。 其次，还没有对组合信息内部进行分析和处理。比如工作经验信息，只是将应聘者的工作经历作为一个整体提取出来，没有对其工作年限、任职部门、担任职务和所负责的主要内容作进一步的分析和处理。 第三，未进行简历项名称的识别。 完毕，谢谢。 * *