简历解析-利用机器学习从简历中提取技巧

Question

我试图从他/她的简历中提取员工的一套技能。我已将简历作为纯文本存储在数据库中。在这种情况下，我没有预定义的技能。我应该如何处理这个问题？

我能想到两种方法：

1. 使用无监督的方法，因为我没有预定义的技能与我。我将使用主题建模从简历中提取技能，但如果我没有错，则使用弓式方法，这种方法在这种情况下可能没有用，因为这些技能几乎不会出现一两次。(如果你能给我更多关于主题建模的启发，我将不胜感激)。
2. 另一种方法是手动标记简历的技能，并使其成为监督学习问题。但我有大约500份简历，手工标注将非常乏味和非常耗时。

欢迎任何建议。

谢谢。

Answer 1

我不确定主题建模会在这里帮助您，因为它试图从文本中提取抽象主题。恐怕简历太“干”了，不能很好地运行。

以下是我发现的一些可能有帮助的消息来源：

• 一个简历解析器
• 对这个职位的答复，它为您提供了一些文本挖掘基础(如您之前所说的那样，如何处理文本数据、对其执行哪些操作等等)
• 关于技能提取的本论文，我还没有读过，但是它可以给你一些想法

关于一些个人建议：

我要做一个假设，你不想用手给那些简历贴上标签，我会先解释一下我会怎么做。这可能不是最好的解决方案，因为它有很多启发，但这是一个开端，主要是为了研究你的数据，并从中获得一些洞察力。

• 您可以看到文档的结构是否有用:您要寻找的技能可能经常出现在具有特定标题的部分中。
• 你也可以使用gazeteers，这是感兴趣的关键词的列表，并将它们与座谈会(一组经常出现在一起的单词组)结合起来。例如，如果你有一个关键字出现在你的地名词典中，你可以用纳克来看它周围出现最多的单词，并把你的单个单词匹配变成一个多字技能(例如:机器学习(2克)，自然语言处理(3克)等等)。
• 一旦你有了一个有趣的关键字列表，你可以移动到ML，尝试单词向量，也许使用word2vec，并围绕你感兴趣的单词构建向量。如果有新的技能出现，它们的向量可能与您定义的类似(抱歉，这里有点不清楚，我只对word2vecs的工作方式有一个模糊的了解)。

这不是灵丹妙药，但这应该能让你开始。

祝你好运！