(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210688679.2 (22)申请日 2022.06.17 (71)申请人 北京金山数字 娱乐科技有限公司 地址 100085 北京市海淀区西二 旗中路33 号院5号楼1 1层002号 (72)发明人 弓源　李长亮　 (74)专利代理 机构 北京智信禾专利代理有限公 司 11637 专利代理师 金鹏 (51)Int.Cl. G06F 40/289(2020.01) G06F 40/191(2020.01) G06F 40/242(2020.01) G06F 40/295(2020.01) G06F 40/30(2020.01) (54)发明名称 简历内容提取方法及装置 (57)摘要 本申请提供简历内容提取方法及装置， 其 中， 所述简历内容提取方法包括： 获取待识别的 简历文档； 对所述简历文档进行语义识别， 将所 述简历文档中语义存在关联的多行文本拼接为 一行， 得到拼接后的文档； 从所述拼接后的文档 中识别关键字段， 根据所述关键字段， 从所述简 历文档中提取目标简历内容。 本方案可以提高简 历内容提取的准确度。 权利要求书2页 说明书15页 附图7页 CN 114997167 A 2022.09.02 CN 114997167 A 1.一种简 历内容提取方法， 其特 征在于， 包括： 获取待识别的简 历文档； 对所述简历文档进行语义识别， 将所述简历文档中语义存在 关联的多行文本拼接为一 行， 得到拼接后的文档； 从所述拼接后的文档中识别关键字段， 根据所述关键字段， 从所述简历文档 中提取目 标简历内容。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述简历文档进行语义识别， 将所 述简历文档中语义存在关联的多行文本拼接为 一行， 得到拼接后的文档， 包括： 利用预先训练得到的文本拼接模型， 将所述简历文档中语义存在 关联的多行文本拼接 为一行， 得到拼接后的文档， 其中， 所述文本拼接模型为利用简历样本文档训练得到， 所述 简历样本文档包括对原始文本进 行随机切割换行的多 行切割文本， 属于同一行原始文本的 多行切割文本具有表征语义存在关联的标签。 3.根据权利要求1所述的方法， 其特征在于， 所述从所述拼接后的文档中识别关键字 段， 根据所述关键 字段， 从所述简 历文档中提取目标简 历内容， 包括： 从所述拼接后的文档中识别关键字段， 根据所述关键字段， 确定所述简历文档的版式 信息； 根据所述版式信息， 将所述简 历文档划分为多个文本 子块； 分别从各文本 子块中提取关键 字段数据， 根据所述关键 字段数据， 获得目标简 历内容。 4.根据权利要求3所述的方法， 其特征在于， 所述分别从各文本子块中提取关键字段数 据， 包括： 利用与所述关键字段的字段类型对应的目标提取方式， 分别从各文本子块中提取关键 字段数据。 5.根据权利要求4所述的方法， 其特征在于， 所述字段类型包括： 第一字段类型， 和/或 者第二字段类型； 所述利用与 所述关键字段的字段类型对应的目标提取方式， 分别从各文本子块中提取 关键字段数据， 包括： 利用命名实体识别NER模型或者与所述第一字段类型对应的表述规则， 分别从各文本 子块中提取关键 字段数据； 利用命名实体识别NER模型， 分别从各文本子块中提取候选关键字段数据， 利用与所述 第二字段类型对应的表述规则， 从各文本子块中提取补正数据， 并利用所述补正数据对相 应的候选关键 字段数据进行补正， 获得关键 字段数据。 6.根据权利要求1至5中任一项所述的方法， 其特征在于， 所述目标简历内容为描述经 历的内容； 在所述对所述简历文档进行语义识别， 将所述简历文档中语义存在 关联的多行目标文 本拼接为 一行， 得到拼接后的文档之前， 所述方法还 包括： 利用预设的文档字符提取工具， 从所述简历文档 中提取简历文本， 并对所述简历文本 进行分块， 获得包括描述经历的目标文本块； 所述对所述简历文档进行语义识别， 将所述简历文档中语义存在 关联的多行目标文本 拼接为一行， 得到拼接后的文档， 包括：权　利　要　求　书 1/2 页 2 CN 114997167 A 2对所述简历文档中的所述目标文本块进行语义识别， 将所述目标文本块中语义存在关 联的多行目标文本拼接为 一行， 得到拼接后的文档。 7.根据权利要求6所述的方法， 其特征在于， 在所述对所述简历文本进行分块之后， 所 述方法还 包括： 若未获得所述目标文本块， 则从所述简历文本的各分块中识别所述关键字段， 并执行 所述根据所述关键 字段， 从所述简 历文档中提取目标简 历内容。 8.根据权利要求1至5 中任一项所述的方法， 其特征在于， 所述根据 所述关键字段， 从所 述简历文档中提取目标简 历内容， 包括： 确定各关键 字段之间的相似度； 从所述各关键 字段中， 确定相似度达 到相似条件的目标关键 字段； 对所述目标关键字段进行去重， 以及对所述各关键字段中除所述目标关键字段以外的 关键字段进行融合， 获得 所述目标简 历内容。 9.一种简 历内容提取装置， 其特 征在于， 包括： 文档获取模块， 被 配置为获取待识别的简 历文档； 文本拼接模块， 被配置为对所述简历文档进行语义识别， 将所述简历文档 中语义存在 关联的多行文本拼接为 一行， 得到拼接后的文档； 内容提取模块， 被配置为从所述拼接后的文档中识别关键字段， 根据 所述关键字段， 从 所述简历文档中提取目标简 历内容。 10.一种计算设备， 其特 征在于， 包括： 存储器和处 理器； 所述存储器用于存储计算机可执行指令， 所述处理器用于执行所述计算机可执行指令 实现权利要求1至8任意 一项所述简 历内容提取方法的步骤。 11.一种计算机可读存储介质， 其存储有计算机指令， 其特征在于， 该指令被处理器执 行时实现权利要求1至8任意 一项所述简 历内容提取方法的步骤。权　利　要　求　书 2/2 页 3 CN 114997167 A 3