基于特征融合的中文简历解析方法研究

• 作者: 代云霞 张剑 符磊 陈毅
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 中文简历 简历解析 特征融合 词向量 神经网络
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 工程与应用
• 页码范围: 244-249
• 页数: 6页
• 分类号: TP391
• 字数: 4502字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1803-0142

摘要

针对基于规则和统计的传统中文简历解析方法效率低、成本高、泛化能力差的缺点,提出一种基于特征融合的中文简历解析方法,即级联Word2Vec生成的词向量和用BLSTM(Bidirectional Long Short-Term Memory)建模字序列生成的词向量,然后再结合BLSTM和CRF(Conditional Random Fields)对中文简历进行解析(BLSTM-CRF).为了提高中文简历解析的效率,级联包含字序列信息的词向量和用Word2Vec生成的词向量,融合成一个新的词向量表示;再由BLSTM强大的学习能力融合词的上下文信息,输出所有可能标签序列的分值给CRF层;再由CRF引入标签之间约束关系求解最优序列.利用梯度下降算法训练神经网络,使用预先训练的词向量和Dropout优化神经网络,最终完成对中文简历的解析工作.实验结果表明,所提的特征融合方法优于传统的简历解析方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈毅	重庆邮电大学光通信与网络重点实验室	5	0	0.0	0.0
7	代云霞	重庆邮电大学光通信与网络重点实验室	3	1	1.0	1.0
11	符磊	安徽大学计算机智能与信号处理教育部重点实验室	2	0	0.0	0.0