CN118314594B 简历信息提取方法、装置、设备及存储介质 （人才很忙(深圳)技术有限公司）

道科技园社区科苑路16号东方科技大神经网络对文本信息和布局信息进行多模态分采用多模态神经网络，针对简历这种富视觉文2对所述简历图像进行预处理，获得所述当前简历对应的简历特征通过多模态神经网络对所述文本信息和所述布局信息进行多模态分析其中，所述通过多模态神经网络对所述文本信息和所述布局网络对所述文本信息和所述布局信息进行多模态分析，提取所述当前简历的简历关键信其中，所述通过多模态神经网络对所述文本信息和所述文本块其中，所述通过多模态神经网络对所述文本信息和所述文本块2.如权利要求1所述的简历信息提取方法，其特征在于，所述布局信息包括像素坐标基于所述四个文本角对所述简历文本块进行坐标定位，获得各所对业务场景内预设数量的求职简历进行特征分析，获得所述求职简历的整体简历特按企业需求对所述整体简历特征进行要素提取，获得所述求职简历的简3多模态分析模块，用于通过多模态神经网络对所述文本现如权利要求1至3中任一项所述的简历信息提取4[0004]上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技在解决现有的智能简历分析方案一般是基于深度学习的方案，在对简历进行特征提取时，5[0018]以所述简历文本块的左上角像素坐标值为基准，对各所[0031]按企业需求对所述整体简历特征进行要素提取，获得所述简历信息提取程序配置为实现如上文所述的简历信息提取6基于深度学习的简历分析模型在对简历进行特征提取时，可能导致较大信息丢失的情况，[0039]图1是本发明实施例方案涉及的硬件运行环境的简历信息提取设备的结构示意[0041]图3为本发明简历信息提取方法第一实施例中基于深度学习提取简历特征的示意[0043]图5为本发明简历信息提取方法第二实施例中多模态神经网络抽取文本块特征的[0048]如图1所示，该简历信息提取设备可以包括：处理器1001，例如中央处理器口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(Random[0049]本领域技术人员可以理解，图1中示出的结构并不构成对简历信息提取设备的限[0050]如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模[0051]在图1所示的简历信息提取设备中，网络接口1004主要用于与网络服务器进行数7编写抽取规则，抽取出各类实体。而基于机器学习的抽取方案主要采用隐马尔可夫模型[0055]而深度学习能够学到数据更加深层的特征表示，针对简历的文本特征和布局特[0056]但是基于字典和规则的简历信息抽取方法需要根据提取目标和需求人工构造字[0058]而现有的基于深度学习的简历信息抽取方法分别抽取简历的文本特征和布局特和布局之间的直接联系，在做特征融合的时候也只是借助两种信息本身的特征进行分析，8历信息提取设备(简称提取设备)对本实施例和下述各实[0070]需要说明的是，多模态神经网络是一种可以处理种输入数据模的神经网络模9各所述简历文本块的四个文本角在所述简历图像上的像据此坐标轴可获得各简历文本块的四个文本角在所述简历图所述文本信息和所述文本块坐标序列进行多模态分析，获得所述简历文本块的文本块特程序，所述简历信息提取程序被处理器执行时实现如上文所述的简历信息提取方法的步[0119]多模态分析模块603，用于通过多模态神经网络对所述文本信息和所述布局信息各所述简历文本块的四个文本角在所述简历图像上的像[0129]本发明简历信息提取装置的其他实施例或具体实现方式可参照上述各方法实施出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存