基于深度学习的简历信息实体抽取方法

• 作者: 张剑 李伟 黄胜
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 简历抽取 信息实体 序列标注 长短期记忆 条件随机场
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 开发与应用
• 页码范围: 3873-3878
• 页数: 6页
• 分类号: TP391
• 字数: 6470字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2018.12.046

摘要

针对传统的简历信息实体抽取方法泛化能力差、难以维护的问题,提出一种基于深层神经网络的简历信息实体抽取方法.经过数据清洗、分词等预处理将非结构化的简历文本信息处理为词序列,通过由Word2Vec在大规模语料库以无监督方式训练得到的词向量表,将每个词映射为低维实数向量,由双向LSTM层融合待标注词所处的语境信息,输出所有可能标签序列的分值给CRF层,由其引入前后标签之间的约束求解最优标签序列,以随机梯度下降法训练该模型,辅以Dropout防止过拟合.实验结果表明,该方法提升了相应的解析标注性能,提高了泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄胜	重庆邮电大学光通信与网络重点实验室	109	262	8.0	10.0
2	李伟	重庆邮电大学光通信与网络重点实验室	14	25	3.0	5.0
3	张剑	北京大学深圳研究院	21	175	7.0	13.0