面向人才履历信息的三元组联合抽取模型.pdfVIP

计算机与现代化

2025年第2期JISUANJIYUXIANDAIHUA总第354期

文章编号：1006-2475（2025）02-0052-06

面向人才履历信息的三元组联合抽取模型

1，21，222

沈鑫科，李勇，温明，任媛媛

（1.新疆师范大学计算机科学技术学院，新疆乌鲁木齐830054；2.新疆电子研究所，新疆乌鲁木齐830013）

摘要：人才职称评定领域中蕴含着大量人才履历信息，但履历信息通常以自然语言的形式存在，难以从中抽取关键信息

作为人才职称评定依据。为了解决此问题，本文将实体抽取和关系抽取进行联合建模，构建一种面向人才履历信息的三

元组联合抽取模型（RLAC）。首先，通过中文预训练语言模型RoBERT-wwm对人才履历信息进行底层编码；其次，引入

LSTM网络和注意力机制改善人才履历信息难以识别头实体问题，增强编码上下文语义特征提取能力；再次，将编码后的

信息输入至头实体标注器中获得头实体；最后，将头实体与人才履历信息进行拼接后输入至尾实体关系标注器中缓解关

系重叠问题，从而获得三元组。在人才履历数据集上的实验结果表明，与基线模型相比，本文模型在精确率、召回率以及

F1值上均有提升，具有良好的三元组抽取能力。

关键词：实体识别；三元组抽取；联合抽取；人才履历信息；关系重叠

中图分类号：TP391.1文献标志码：ADOI:10.3969/j.issn.1006-2475.2025.02.007

ATripleJointExtractionModelforTalentResumeInformation

1，21，222

SHENXinke，LIYong，WENMing，RENYuanyuan

（1.CollegeofComputerScienceandTechnology，XinjiangNormalUniversity，Urumqi830054，China；

2.XinjiangElectronicResearchInstitute，Urumqi830013，China）

Abstract:Thefieldoftalenttitleevaluationcontainsalargeamountoftalentresumeinformation，butresumeinformationoften

existsintheformofnaturallanguage，whichexpertsfinddifficulttouseasabasisfortalenttitleevaluation.Toaddressthisis⁃

sue，thisarticlecombinesentityextractionandrelationshipextractionforjointmodeling，andconstructsatripletjointextraction

model（RLAC）fortalentresumeinformation.Firstly，theChinesepre-trainedlanguagemodelRoBERT-wwmisusedtoencode

theunderlyingtalentresumeinformation.Secondly，theintroductionofLSTMnetworkandattentionmechanismimprovesthe

problemofdifficultrecognitionofheadentitiesintalentresumeinformation，andenhancestheabilitytoextractsemanticfea