[发明专利]一种基于层叠序列标注的简历信息抽取方法

摘要

本发明提供了一种基于层叠序列标注的简历信息抽取方法，包括：步骤1，利用pdfminer对pdf简历进行解析，将原始pdf转成多行的文本表示。该过程主要解决其中出现的顺序混乱和错误断行问题；步骤2，训练过程数据标记：利用远程监督的数据回标并在标记过程中合并同类项。步骤3，简历信息区块划分：对于经过pdfminer得到句子，针对每个句子分类判断其所在的区块。步骤4，利用双层序列标注模型，实现句子层面和短文本片段层面的信息抽取。后续利用简历分块信息实现过滤，有效提高了召回率的同时没有大幅减少准确率。经过以上4个阶段，本发明能够有效的实现简历信息的抽取。