(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 20221041409 9.4 (22)申请日 2022.04.19 (71)申请人 同方知网数字出版技 术股份有限公 司 地址 100192 北京市海淀区西小口路6 6号 东升科技园B2 楼 申请人 同方知网 （北京） 技 术有限公司 (72)发明人 杨永秀　段飞虎　印东敏　吕强　 宿鹏　张敏敏　顾君　张宏伟　 (74)专利代理 机构 北京天奇智新知识产权代理 有限公司 1 1340 专利代理师 陈新胜 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/31(2019.01)G06F 40/242(2020.01) G06F 40/216(2020.01) G06N 3/04(2006.01) (54)发明名称 一种面向知识图谱构建的人物简历解析方 法 (57)摘要 本发明公开了一种面向知识图谱构建的人 物简历解析方法， 包括获取不同领域的人物简历 数据； 搭建面向知识图谱构建的人物简历信息提 取模型； 构建人物在不同领域职务表； 利用词典 及模型对简历信息进行识别； 根据信息标注结果 以搭建人物知识 图所需的数据结构为导向对人 物信息进行聚合。 本发明面向人物知识图谱的构 建， 设计一套非结构化人物简历文本自动解析方 法， 能够快速将简历文本解析成构建人物图谱所 需的格式。 权利要求书2页 说明书6页 附图2页 CN 114780744 A 2022.07.22 CN 114780744 A 1.一种面向知识图谱构建的人物简 历解析方法， 其特 征在于， 包括 A、 获取不同领域的人物简 历数据； B、 构建适用于人物知识图谱搭建的简 历信息提取模型； C、 构建人物在不同领域职务表； D、 利用词典及模型对简 历信息进行识别； E、 以搭建人物图谱所需数据结构为 导向对简 历信息进行聚合。 2.如权利要求1所述的面向知识图谱构建的人物简历解析方法， 其特征在于， 所述B中 通过BILSTM+CRF对简历文本进行序列标注， 通过标签之间的匹配得到简历中的单粒度信 息。 3.如权利要求2所述的面向知识图谱构建的人物简历解析方法， 其特征在于， 具体包 括： 对于给定一条非结构化文本序列： X＝(X1,X2,X3...Xn)         (1) 假设其所对应的标签序列即网络 输出的目标序列为： y＝(y1,y2,y3...yn)          (2) 则双向LSTM层的输出分值由以下公式得 出： 其中， A代表转移分数矩阵， P代表双向LSTM层输出的分数矩阵； 对于给定的文本序列X， 整个网络得到的目标序列y的概 率为： 其中， YX代表句子X的所有可能标签序列， 在训练过程中使得正确序列的对数概率最大 化： 最后根据式(6)进行解码得到最终的预测标签： 4.如权利要求1所述的面向知识图谱构建的人物简历解析方法， 其特征在于， 所述C 中， 针对不同领域简 历建立领域职务表具体包括： 从领域机构职位表中提取文中字段， 去掉英文并按照换 行符切分得到职位列表； 对职位列表数据进行清洗， 并通过构建的领域人物信 息识别模型识别职位列表中包含 的组织机构名称， 提取组织机构名称后的文字作为 新的职务信息； 对职位列表进行扩充， 通过历年领域职位表提取相应职位， 加入职位列表， 并对职位列 表进行去重存 储。 5.如权利要求1所述的面向知识图谱构建的人物简历解析方法， 其特征在于， 所述E具权　利　要　求　书 1/2 页 2 CN 114780744 A 2体包括： E1提取人物知识图谱构建所需的任务基本信息； E2提取人物知识图谱构建所需的人物个人相关经历信息 。 6.如权利要求5所述的面向知识图谱构建的人物简历解析方法， 其特征在于， 所述E1中 以第一个学习或工作经历相关时间之前的句子作为基本信息句， 提取姓名、 性别、 出生时 间、 籍贯及民族基本信息用以充实人物 节点的相关属性。 7.如权利要求5所述的面向知识图谱构建的人物简历解析方法， 其特征在于， 所述E2具 体包括： 以句号、 分号、 换行符对简历进行分句， 对于每一个句子， 若句内有多个时间信息， 则以 工作时间或学习时间为标志， 对简历进 行子句分割； 若没有或只有一个时间信息， 则该句不 再分割子句； 在每子句内以工作单位及学习单位 为标志作为 一段基本信息共享 块内的时间信息； 若某块内没有时间信息， 则认为该 段个人经历为现阶段 经历。权　利　要　求　书 2/2 页 3 CN 114780744 A 3