基于字序列的非结构化简历信息解析方法

为有效解决传统简历解析方法效率低、成本高、泛化能力差的问题,提出一种基于字序列的非结构化文本简历解析方法。利用BLSTM对字序列进行建模,获得一个包含字序列信息的词表示;由BLSTM神经网络强大的学习能力对特征进行学习,获得相应的特征;根据前后标签的约束,使用CRF获得最优标签序列(CBLSTM-CRF);利用梯度下降算法训练神经网络,使用预训练字向量、Dropout优化神经网络,完成对中文简历的解析工作。实验结果表明,CBLSTM-CRF方法对简历解析的效果优于传统方案,利用BLSTM对字序列进行建模的方法在其它模型上也取得了较好的效果。