简历领域事件图谱的构建方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115905566A(43)申请公布日2023.04.04(21)申请号202211436314.7(22)申请日2022.11.16(71)申请人竹间智能科技（上海）有限公司地址200030上海市徐汇区宜山路700号B2幢楼18层整层(72)发明人简仁贤卢露吴文杰(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463专利代理师唐正瑜(51)Int.Cl.G06F16/36(2019.01)G06F16/35(2019.01)G06F16/901(2019.01)G06F40/295(2020.01)权利要求书2页说明书14页附图4页(54)发明名称简历领域事件图谱的构建方法(57)摘要本申请提供一种简历领域事件图谱的构建方法，属于自然语言处理技术领域，该方法包括：获取简历文本；对简历文本进行命名实体识别与事件抽取，获得简历文本包含的实体信息和事件信息；事件信息包括多个宏事件和多个子事件；根据简历领域已知的关键定位词以及归类于指定宏事件的实体集，按照预设规则对实体信息和事件信息进行分析，确定实体间关系、事件间关系以及实体与事件间关系；根据实体间关系、事件间关系以及实体与事件间关系，构建简历文本对应的事件图谱。相比传统基于规则模板、基于深度学习算法模型，有更高的准确率及可控性，同时也能为训练这类模型快速提供训练语料。CN115905566ACN115905566A权利要求书1/2页1.一种简历领域事件图谱的构建方法，其特征在于，包括：获取简历文本；对所述简历文本进行命名实体识别与事件抽取，获得所述简历文本包含的实体信息和事件信息；所述事件信息包括多个宏事件和多个子事件；根据简历领域已知的关键定位词以及归类于指定宏事件的实体集，按照预设规则对所述实体信息和事件信息进行分析，确定实体间关系、事件间关系以及实体与事件间关系；根据所述实体间关系、事件间关系以及实体与事件间关系，构建所述简历文本对应的事件图谱。2.根据权利要求1所述的方法，其特征在于，所述根据简历领域已知的关键定位词以及归类于指定宏事件的实体集，按照预设规则对所述实体信息和事件信息进行分析，确定实体间关系、事件间关系以及实体与事件间关系，包括：根据简历领域已知的归类于指定宏事件的实体集，确定所述实体信息中归类于所述指定宏事件的指定实体，得到所述实体与事件间关系；针对所述实体信息中的未分类实体，以所述未分类实体为出发点，分别向前和向后搜索，获取距离所述未分类实体最近的两个已知宏事件类别归属的实体词或关键定位词，得到第一目标词和第二目标词；根据所述未分类实体已知的聚类范围以及所述第一目标词和第二目标词已知的宏事件类别，确定所述未分类实体依存的目标对象，得到所述实体间关系或所述实体与事件间关系。3.根据权利要求2所述的方法，其特征在于，所述根据所述未分类实体已知的聚类范围以及所述第一目标词和第二目标词已知的宏事件类别，确定所述未分类实体依存的目标对象，包括：若所述第一目标词和第二目标词已知的宏事件类别均在所述未分类实体已知的聚类范围内，确定所述未分类实体依存于距离最小的所述第一目标词或第二目标词。4.根据权利要求2所述的方法，其特征在于，所述根据所述未分类实体已知的聚类范围以及所述第一目标词和第二目标词已知的宏事件类别，确定所述未分类实体依存的目标对象，包括：若所述未分类实体属于第一词集，且所述第一目标词和第二目标词已知的宏事件类别，仅有一个目标类别在所述第一词集已知的聚类范围内，确定所述未分类实体依存于所述目标类别。5.根据权利要求3所述的方法，其特征在于，所述若所述第一目标词和第二目标词已知的宏事件类别均在所述未分类实体已知的聚类范围内，确定所述未分类实体依存于距离最小的所述第一目标词或第二目标词之后，所述方法还包括：若所述未分类实体属于第二词集，且多个所述未分类实体与任一已分类实体之间的最小距离相等时，依次将所述未分类实体与所述已分类实体进行依存关联。6.根据权利要求3所述的方法，其特征在于，所述若所述第一目标词和第二目标词已知的宏事件类别均在所述未分类实体已知的聚类范围内，确定所述未分类实体依存于距离最小的所述第一目标词或第二目标词之后，所述方法还包括：若所述未分类实体属于第二词集，且多个未分类实体依存于同一个已分类实体，以所2CN115905566A权利要求书2/2页述第一目标词和第二目标词为边界，确定边界内未分类实体个数和已分类实体个数；根据所述边界内未分类实体个数和已分类实体个数，确定是否允许多个未分类实体依存于同一个已分类实体。7.根据权利要求6所述的方法，其特征在于，所述根据所述边界内未分类实体个数和已分类实体个数，确定是否允许多个未分类实体依存于同一个已分类实体，包括：若所述边