基于特征融合的中文简历解析方法研究

来源：计算机工程与应用杂志2019年第10期北京时间：

作者：陈 毅1，3，4，符 磊2，3，4，代云霞1，张 剑3，4

单位：1.重庆邮电大学 光通信与网络重点实验室，重庆 400065；2.安徽大学 计算机智能与信号处理教育部重点实验室，合肥 230601；3.北京大学深圳研究院，广东 深圳 518057；4.深港产学研基地 深圳市智能媒体和语音重点实验室，广东 深圳 518057

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。

关键词：中文简历,简历解析,特征融合,词向量,神经网络