CN111461330B

CN111461330B - 一种基于多语言简历的多语言知识库构建方法及系统

Info

Publication number: CN111461330B
Application number: CN202010261376.3A
Authority: CN
Inventors: 李靖
Original assignee: China Construction Bank Corp
Current assignee: China Construction Bank Corp
Priority date: 2020-04-03
Filing date: 2020-04-03
Publication date: 2023-09-15
Anticipated expiration: 2040-04-03
Also published as: CN111461330A

Abstract

本发明提供了一种基于多语言简历的多语言知识库构建方法及系统，所述方法包括：对同一简历多个语言版本的简历信息分别通过各语言预设的简历实体标注模型识别得到预设标签对应的简历实体，其中，不同语言中具有相同文本含义的预设标签存在对应关系；将多个语言版本中形成所述对应关系的预设标签的简历实体设为匹配字段；确定匹配字段的多个简历实体在对应的简历信息中的位置是否一致，若是，则确定匹配字段的多个简历实体具有相同的文本含义以形成多语言知识库，本发明可利用多语言简历的平行对应关系形成多语言间的简历实体的对应，实现多语言知识库的构建。

Description

一种基于多语言简历的多语言知识库构建方法及系统

技术领域

本发明涉及简历信息处理技术领域，尤其涉及一种基于多语言简历的多语言知识库构建方法及系统。

背景技术

现阶段，知识库一般都是单语言的，多语言的知识库比较少，即使像维基百科这种多语言的知识库，也没有做到知识点直接的对齐及校对，这样知识点在不同语言间转换会找不到对应，一种语言的知识库很难迁移到另一种语言中。

发明内容

本发明的一个目的在于提供一种基于多语言简历的多语言知识库构建方法，利用多语言简历的平行对应关系形成多语言间的简历实体的对应，实现多语言知识库的构建。本发明的另一个目的在于提供一种基于多语言简历的多语言知识库构建系统。本发明的再一个目的在于提供一种计算机设备。本发明的还一个目的在于提供一种可读介质。

为了达到以上目的，本发明一方面公开了一种基于多语言简历的多语言知识库构建方法，包括：

对同一简历多个语言版本的简历信息分别通过各语言预设的简历实体标注模型识别得到预设标签对应的简历实体，其中，不同语言中具有相同文本含义的预设标签存在对应关系；

将多个语言版本中形成所述对应关系的预设标签的简历实体设为匹配字段；

确定匹配字段的多个简历实体在对应的简历信息中的位置是否一致，若是，则确定匹配字段的多个简历实体具有相同的文本含义以形成多语言知识库。

优选的，所述方法进一步包括在对同一简历多个语言版本的简历信息分别通过各语言预设的简历实体标注模型识别得到预设标签对应的简历实体，之前：

确定每种语言中表示不同实体类别的多个预设标签；

使多种语言中具有相同实体类别的多个预设标签形成对应关系。

对现有每种语言的多个简历信息中的简历实体进行实体类别标注得到训练样本；

将训练样本输入预设的机器学习模型中进行模型训练得到所述简历实体标注模型。

优选的，所述确定匹配字段的多个简历实体在对应的简历信息中的位置是否一致，若是，则确定匹配字段的多个简历实体具有相同的文本含义以形成多语言知识库具体包括：

确定匹配字段的多个简历实体分别在对应的简历信息中的位置；

确定匹配字段的多个简历实体的位置间距是否在预设阈值范围内；

若是，则确定匹配字段的多个简历实体具有相同的文本含义以形成多语言知识库。

优选的，所述方法进一步包括：

检测用户输入的第一语言的简历实体；

在所述多语言知识库中查找是否存在与第一语言的简历实体具有相同的文本含义的第二语言的简历实体；

若是，向用户反馈所述第二语言的简历实体。

本发明还公开了一种基于多语言简历的多语言知识库构建系统，包括：

简历实体提取单元，用于对同一简历多个语言版本的简历信息分别通过各语言预设的简历实体标注模型识别得到预设标签对应的简历实体，其中，不同语言中具有相同文本含义的预设标签存在对应关系；

匹配字段确定单元，用于将多个语言版本中形成所述对应关系的预设标签的简历实体设为匹配字段；

位置一致性分析单元，用于确定匹配字段的多个简历实体在对应的简历信息中的位置是否一致，若是，则确定匹配字段的多个简历实体具有相同的文本含义以形成多语言知识库。

优选的，所述系统进一步包括标签预设单元，用于在对同一简历多个语言版本的简历信息分别通过各语言预设的简历实体标注模型识别得到预设标签对应的简历实体之前，确定每种语言中表示不同实体类别的多个预设标签，使多种语言中具有相同实体类别的多个预设标签形成对应关系。

优选的，所述系统进一步包括模型建立单元，用于在对同一简历多个语言版本的简历信息分别通过各语言预设的简历实体标注模型识别得到预设标签对应的简历实体之前，对现有每种语言的多个简历信息中的简历实体进行实体类别标注得到训练样本，将训练样本输入预设的机器学习模型中进行模型训练得到所述简历实体标注模型。

优选的，所述位置一致性分析单元具体用于确定匹配字段的多个简历实体分别在对应的简历信息中的位置，确定匹配字段的多个简历实体的位置间距是否在预设阈值范围内，若是，则确定匹配字段的多个简历实体具有相同的文本含义以形成多语言知识库。

优选的，所述系统进一步包括简历处理辅助单元，用于检测用户输入的第一语言的简历实体，在所述多语言知识库中查找是否存在与第一语言的简历实体具有相同的文本含义的第二语言的简历实体，若是，向用户反馈所述第二语言的简历实体。

本发明还公开了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，

所述处理器执行所述程序时实现如上所述方法。

本发明还公开了一种计算机可读介质，其上存储有计算机程序，

该程序被处理器执行时实现如上所述方法。

本发明通过各语言中预设的简历实体标注模型对一个人同一个简历的多个语言版本的简历信息分别进行结构化信息提取得到预设标签对应的简历实体。其中，不同语言中具有相同文本含义的预设标签存在对应关系。根据各语言中的预设标签的对应关系可以将各简历信息识别得到的简历实体关联设为匹配字段。由于简历信息上相同文本含义的简历实体的位置通常相差不远，进一步确定匹配字段的多个简历实体在对应的简历信息中的位置是否一致以确定匹配字段的多个简历实体是否具有相同的文本含义。若确定多种语言的多个简历实体具有相同的文本含义，则可将不同语言的简历信息中提取得到的简历实体作为知识点，根据简历实体的对应关系可以确定多种语言中具有相同文本含义的知识点，从而形成一种语言的知识点到其他语言的知识点的转换，形成多语言知识库。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本发明基于多语言简历的多语言知识库构建方法一个具体实施例的流程图；

图2示出本发明基于多语言简历的多语言知识库构建方法一个具体实施例中预设标签形成的流程图；

图3示出本发明基于多语言简历的多语言知识库构建方法一个具体实施例中简历实体标注模型形成的流程图；

图4示出本发明基于多语言简历的多语言知识库构建方法一个具体实施例中简历实体标注模型简历实体提取的流程图；

图5示出本发明基于多语言简历的多语言知识库构建方法一个具体实施例中位置一致性分析的流程图；

图6示出本发明基于多语言简历的多语言知识库构建方法一个具体实施例中简历处理辅助的流程图；

图7示出本发明基于多语言简历的多语言知识库构建系统一个具体实施例的结构图；

图8示出本发明基于多语言简历的多语言知识库构建系统一个具体实施例包括标签预设单元的结构图；

图9示出本发明基于多语言简历的多语言知识库构建系统一个具体实施例包括模型建立单元的结构图；

图10示出本发明基于多语言简历的多语言知识库构建系统一个具体实施例包括简历处理辅助单元的结构图；

图11示出适于用来实现本发明实施例的计算机设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

现有的知识库通常为单语言的，多语言知识库比较少。即使存在多语言知识库，例如像维基百科，不同语言间的知识点也没有直接的对齐及校对。当知识点需要在多种语言间转换时，知识点在其他语言中可能存在多个类似含义的知识点，用户无法准确确定转换的其他语言的知识点，可能会导致在其他语言中无法确定对应的知识点或者知识点确定错误等情况。

双语简历是指对同一个人的同一简历使用两种语言进行叙述的简历。双语简历一般都是比较好的平行文本。不同语言版本的简历中一个人的经历，特别是专业经历都会保持一致，同时简历在结构上也有比较好的对齐关系，利用简历这些特点，能够比较好的完成对于知识点的抽取及对齐，进而能够建立双语知识库，这些双语知识库能够为一些其他语言的知识库提供转换的桥梁，达到将一种语言的知识库部分或全部的转换到另一种语言知识库的目的。基于此，本发明通过对同一简历的多个语言版本的简历进行简历实体的抽取，通过抽取多种语言的简历实体匹配得到对应的知识点，从而形成多种语言间知识点的对应，形成知识点对齐的多语言知识库。

基于此，根据本发明的一个方面，本实施例公开了一种基于多语言简历的多语言知识库构建方法。如图1所示，本实施例中，所述方法包括：

S100：对同一简历多个语言版本的简历信息分别通过各语言预设的简历实体标注模型识别得到预设标签对应的简历实体，其中，不同语言中具有相同文本含义的预设标签存在对应关系。

S200：将多个语言版本中形成所述对应关系的预设标签的简历实体设为匹配字段。

S300：确定匹配字段的多个简历实体在对应的简历信息中的位置是否一致，若是，则确定匹配字段的多个简19历实体具有相同的文本含义以形成多语言知识库。

在优选的实施方式中，如图2所示，所述方法进一步包括在S100之前：

S011：确定每种语言中表示不同实体类别的多个预设标签。

S012：使多种语言中具有相同实体类别的多个预设标签形成对应关系。

可以理解的是，对于简历信息，可以采用简历实体标注模型进行结构化信息提取得到简历实体，通过结构化信息提取可以得到预设标签对应的简历实体。在不同语言中，可设置表示不同实体类别的多个预设标签，通过预先将多个预设标签形成对应关系，以关联对应识别得到的简历实体。其中，多个预设标签形成对应关系可以是使不同语言中相同实体类别的预设标签形成关联的对应关系，也可以设置不同语言中相同实体类别的预设标签的表现形式相同，即使用同一个预设标签，相同的预设标签本身即可形成关联的对应关系。例如，在一个具体例子中，对于同一简历的中英两种语言版本金融行业的简历信息，通过简历实体标注模型可以识别得到中文简历和英文简历中具有金融公司的预设标签的简历实体，为识别得到的简历实体设置金融公司的预设标签。这样，将中文简历和英文简历中具有金融公司标签的简历实体对应形成匹配字段。进一步确定匹配字段的两个简历实体在中文简历和英文简历中的位置是否一致以确定匹配字段的两个简历实体是否具有相同的文本含义。在其他实施例中，也可对多个语言版本的简历信息进行匹配字段的确定，并不仅限于双语简历信息。

在优选的实施方式中，如图3所示，所述方法进一步包括在S100之前：

S021：对现有每种语言的多个简历信息中的简历实体进行实体类别标注得到训练样本。其中，简历信息的格式可以是WORD或PDF等格式。对于WORD格式的简历信息可以直接获取文字通过简历实体标注模型进行简历实体识别，对于PDF格式的简历信息需要先通过OCR或其他图像处理技术进行文字识别得到文本格式的简历信息，以进一步针对文本格式的简历信息进行简历实体识别。

S022：将训练样本输入预设的机器学习模型中进行模型训练得到所述简历实体标注模型。

可以理解的是，对于简历实体的识别可以通过NLP(Neuro-LinguisticProgramming，经语言程序学)实现，对于人名、地名或机构名等实体类别的简历实体的提取，可以调用现有的模型作为简历实体标注模型。但是，为了实现多实体类别的简历实体的识别和提高识别准确度，在该优选的实施方式中，通过形成训练样本对机器学习模型进行训练得到简历实体标注模型，更适用于简历领域的多语言知识库的构建。

具体的，在一个具体例子中，基于机器学习技术形成简历实体标注模型后，通过预设的简历实体标注模型识别得到预设标签对应的简历实体的过程包括：将识别得到的简历信息的简历实体处理成字的列表，然后对列表中的字编码形成预设长度的词向量，然后使用双向循环神经网络(Bi-LSTM，包括Forward-LSTM和Backward-LSTM)进行处理，编码成上下文向量(Context vector)，最后使用Context vector作为输入，进入条件随机场(conditional random field,CRF)进行处理，输出预测的每个简历实体对应的预设标签。例如，如图4所示，Bi-LSTM层的输出表示该简历实体对应各个类别的分数。如W0，Bi-LSTM层的输出的分数是1.5(B-Person),0.9(I-Person),0.1(B-Organization),0.08(I-Organization)and 0.05(O)。这些分数将会形成上下文向量，输入CRF层。则所有的经BiLSTM层输出的分数将作为CRF层的输入，上下文向量中分数最高的类别就是预测的简历实体对应的预设标签。

在优选的实施方式中，如图5所示，所述S300具体可包括：

S310：确定匹配字段的多个简历实体分别在对应的简历信息中的位置。

S320：确定匹配字段的多个简历实体的位置间距是否在预设阈值范围内。

S330：若是，则确定匹配字段的多个简历实体具有相同的文本含义以形成多语言知识库。

需要说明的是，匹配字段的多个简历实体在对应的简历信息中的位置一致是指简历实体在其所在的简历信息中的相对位置在预设阈值范围内。根据精度和准确度的需要，可以灵活设置预设阈值的取值，本发明对此并不作限定。

优选的，在本发明的一个或多个实施例中，对于现有的多语言简历，可对相对位置在预设范围内的匹配字段的简历实体进行标注，作为正采样，对相对位置在预设范围外的匹配字段的简历实体进行标注，作为负采样，形成训练集。采用正采样和负采样的训练集训练机器学习模型得到位置分析模型，通过该训练得到的位置分析模型可确定匹配字段的多个简历实体的位置间距是否在预设阈值范围内，使匹配字段的多个简历实体的位置一致性确定更加快速、准确。

在优选的实施方式中，如图6所示，所述方法进一步包括：

S410：检测用户输入的第一语言的简历实体。

S420：在所述多语言知识库中查找是否存在与第一语言的简历实体匹配的第二语言的简历实体。

S430：若是，向用户反馈所述第二语言的简历实体。

可以理解的是，形成多语言知识库后，当用户在进行第二语言的简历编写时，若存在无法确定某个知识点的情况时，可在多语言知识库中根据第一语言的知识点查询对应的第二语言的知识点，也可在简历编写界面中先输入第一语言的知识点，可根据用户输入的第一语言的知识点在多语言知识库中对应的第二语言的知识点并向用户反馈，通过多语言知识库辅助用户编写和查看简历，可提高简历处理的专业性和准确性。

在优选的实施方式中，为了进一步提高多语言知识库的准确度，在确定匹配字段的多个简历实体具有相同的文本含义后，进一步选取预设数量包括该匹配字段的多个简历实体的简历信息，重复确定匹配字段的多个简历实体在对应的简历信息中的位置是否一致。当预设数量中匹配字段的多个简历实体的位置一致的数量大于预设阈值时，表示该匹配字段有很高的置信度，可以进入多语言知识库中。其中，预设数量和预设阈值可根据实际需求灵活确定，本发明对此并不作限定。

综上，本发明利用多语言简历对应性强的特点，进行多语言简历中简历实体的抽取和多语言知识库的构建。且多语言简历相同文本含义的简历实体具有一致位置的位置规则，位置规则的分析可对匹配字段进行进一步的印证，若匹配字段的多个简历实体的位置关系较远，结构相差较大的就是不匹配，避免了大量的人力标注，节省了人力。

基于相同原理，本实施例还公开了一种基于多语言简历的多语言知识库构建系统。如图7所示，本实施例中，所述系统包括简历实体提取单元11、匹配字段确定单元12和位置一致性分析单元13。

其中，所述简历实体提取单元11用于对同一简历多个语言版本的简历信息分别通过各语言预设的简历实体标注模型识别得到预设标签对应的简历实体，其中，不同语言中具有相同文本含义的预设标签存在对应关系。

匹配字段确定单元12用于将多个语言版本中形成所述对应关系的预设标签的简历实体设为匹配字段。

位置一致性分析单元13用于确定匹配字段的多个简历实体在对应的简历信息中的位置是否一致，若是，则确定匹配字段的多个简历实体具有相同的文本含义以形成多语言知识库。

在优选的实施方式中，如图8所示，所述系统进一步包括标签预设单元14。标签预设单元14可用于在对同一简历多个语言版本的简历信息分别通过各语言预设的简历实体标注模型识别得到预设标签对应的简历实体之前，确定每种语言中表示不同实体类别的多个预设标签，使多种语言中具有相同实体类别的多个预设标签形成对应关系。

在优选的实施方式中，如图9所示，所述系统进一步包括模型建立单元15。模型建立单元15用于在对同一简历多个语言版本的简历信息分别通过各语言预设的简历实体标注模型识别得到预设标签对应的简历实体之前，对现有每种语言的多个简历信息中的简历实体进行实体类别标注得到训练样本，将训练样本输入预设的机器学习模型中进行模型训练得到所述简历实体标注模型。

在优选的实施方式中，所述位置一致性分析单元13具体用于确定匹配字段的多个简历实体分别在对应的简历信息中的位置，确定匹配字段的多个简历实体的位置间距是否在预设阈值范围内，若是，则确定匹配字段的多个简历实体具有相同的文本含义以形成多语言知识库。

在优选的实施方式中，如图10所示，所述系统进一步包括简历处理辅助单元16。简历处理辅助单元16用于检测用户输入的第一语言的简历实体，在所述多语言知识库中查找是否存在与第一语言的简历实体具有相同的文本含义的第二语言的简历实体，若是，向用户反馈所述第二语言的简历实体。

由于该系统解决问题的原理与以上方法类似，因此本系统的实施可以参见方法的实施，在此不再赘述。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设备，具体的，计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

在一个典型的实例中计算机设备具体包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法。

下面参考图11，其示出了适于用来实现本申请实施例的计算机设备600的结构示意图。

如图11所示，计算机设备600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM))603中的程序而执行各种适当的工作和处理。在RAM603中，还存储有系统600操作所需的各种程序和数据。CPU601、ROM602、以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶反馈器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡，调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。

特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包括用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims

1.一种基于多语言简历的多语言知识库构建方法，其特征在于，包括：

2.根据权利要求1所述的多语言知识库构建方法，其特征在于，所述方法进一步包括在对同一简历多个语言版本的简历信息分别通过各语言预设的简历实体标注模型识别得到预设标签对应的简历实体，之前：

确定每种语言中表示不同实体类别的多个预设标签；

3.根据权利要求1所述的多语言知识库构建方法，其特征在于，所述方法进一步包括在对同一简历多个语言版本的简历信息分别通过各语言预设的简历实体标注模型识别得到预设标签对应的简历实体，之前：

4.根据权利要求1所述的多语言知识库构建方法，其特征在于，所述确定匹配字段的多个简历实体在对应的简历信息中的位置是否一致，若是，则确定匹配字段的多个简历实体具有相同的文本含义以形成多语言知识库具体包括：

5.根据权利要求1所述的多语言知识库构建方法，其特征在于，所述方法进一步包括：

检测用户输入的第一语言的简历实体；

若是，向用户反馈所述第二语言的简历实体。

6.一种基于多语言简历的多语言知识库构建系统，其特征在于，包括：

7.根据权利要求6所述的多语言知识库构建系统，其特征在于，所述系统进一步包括标签预设单元，用于在对同一简历多个语言版本的简历信息分别通过各语言预设的简历实体标注模型识别得到预设标签对应的简历实体之前，确定每种语言中表示不同实体类别的多个预设标签，使多种语言中具有相同实体类别的多个预设标签形成对应关系。

8.根据权利要求6所述的多语言知识库构建系统，其特征在于，所述系统进一步包括模型建立单元，用于在对同一简历多个语言版本的简历信息分别通过各语言预设的简历实体标注模型识别得到预设标签对应的简历实体之前，对现有每种语言的多个简历信息中的简历实体进行实体类别标注得到训练样本，将训练样本输入预设的机器学习模型中进行模型训练得到所述简历实体标注模型。

9.根据权利要求6所述的多语言知识库构建系统，其特征在于，所述位置一致性分析单元具体用于确定匹配字段的多个简历实体分别在对应的简历信息中的位置，确定匹配字段的多个简历实体的位置间距是否在预设阈值范围内，若是，则确定匹配字段的多个简历实体具有相同的文本含义以形成多语言知识库。

10.根据权利要求6所述的多语言知识库构建系统，其特征在于，所述系统进一步包括简历处理辅助单元，用于检测用户输入的第一语言的简历实体，在所述多语言知识库中查找是否存在与第一语言的简历实体具有相同的文本含义的第二语言的简历实体，若是，向用户反馈所述第二语言的简历实体。

11.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，

所述处理器执行所述程序时实现如权利要求1-5任一项所述方法。

12.一种计算机可读介质，其上存储有计算机程序，其特征在于，

该程序被处理器执行时实现如权利要求1-5任一项所述方法。