CN115495554B - 一种简历信息模块化的评估方法 - Google Patents

一种简历信息模块化的评估方法 Download PDF

Info

Publication number
CN115495554B
CN115495554B CN202211170822.5A CN202211170822A CN115495554B CN 115495554 B CN115495554 B CN 115495554B CN 202211170822 A CN202211170822 A CN 202211170822A CN 115495554 B CN115495554 B CN 115495554B
Authority
CN
China
Prior art keywords
information
resume
layout
labels
similarity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211170822.5A
Other languages
English (en)
Other versions
CN115495554A (zh
Inventor
卢婷
李敬泉
肖小范
景昊
谢志辉
吴显仁
徐伟招
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Today Talent Information Technology Co ltd
Original Assignee
Shenzhen Today Talent Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Today Talent Information Technology Co ltd filed Critical Shenzhen Today Talent Information Technology Co ltd
Priority to CN202211170822.5A priority Critical patent/CN115495554B/zh
Publication of CN115495554A publication Critical patent/CN115495554A/zh
Application granted granted Critical
Publication of CN115495554B publication Critical patent/CN115495554B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G06Q10/1053—Employment or hiring

Abstract

本发明公开了一种简历信息模块化的评估方法，包括如下步骤：S1：对信息模块化的简历进行版块标签的召回率测试，输出召回率；S2：对信息模块化的简历进行版块信息内容相似度测试，输出相似度及准确率；S3：将输出的召回率、相似度、准确率作为简历信息模块化的评估结果。本发明通过量化指标，解决了目前在对比简历信息结构化应用性能时，存在着通用性差、无法评估大规模简历信息、无法真实反映用户体验，或效率低下、耗费人力过多的缺陷的问题，取得了通用性强、能够真实反映用户体验，且更加高效的有益效果；通过本申请的方法评估的结构化简历能够更加便于招聘人员审阅修改以及简历信息管理平台的管理工作。

Description

一种简历信息模块化的评估方法
技术领域
本发明涉及计算机软件领域，尤其涉及的是一种简历信息模块化的评估方法。
背景技术
当前对简历信息进行结构化的应用包含深度学习、命名实体识别及内容分块几大类，但缺乏对结构化信息进行定量比较的统一标准，难以在同一标准下去衡量不同应用对简历信息结构化的准确性和有效性。
当前简历结构化信息评估有两种方式，一种依赖于应用本身提供的评估方式，例如CN202010258249中提供一种将所述预设结构化字段与对应的简历实体关联并与简历实体一同向用户显示以使用户对抽取结果进行评价。
可视化工具虽然能够便于简历人员进行审阅，但对于批量数据的管理不够快捷有效。并且由于不同简历结构化应用采用的评估方法不同，难以量化横向比较不同简历结构化应用的性能差异。
第二种方式则完全依赖于人工对结果与简历进行对比，费时费力，且不便于对批量数据进行审阅和管理。这一方法通常只能通过人工目测的方式来判断应用处理得的结构化信息的准确性。这一方法显然有着效率低下，通用性差，准确性低，无法对大规模简历结构化信息进行分析以及难以横向比较不同应用之间性能等缺陷。
因此，现有技术存在缺陷，需要改进。
发明内容
本发明所要解决的技术问题是：提供一种旨在解决当前对简历信息进行结构化时，评估标准不一致以及结构化信息与真实值的格式差异，难以横向比较各个算法之间的性能差异的问题的简历信息模块化的评估方法。
本发明的技术方案如下：
一种简历信息模块化的评估方法，包括如下步骤：S1：对信息模块化的简历进行版块标签的召回率测试，输出召回率，其中，召回率为简历在信息模块化时抽取的版块标签数量与预存储的版块标签数量的比值；S2：对信息模块化的简历进行版块信息内容相似度测试，输出相似度，其中，相似度为简历在信息模块化时抽取的版块信息与预存储的版块信息的匹配度，并为相似度设定合理阈值，计算相似度达到阈值的版块信息数量与预存储的版块信息数量比值作为版块信息内容的准确率；S3：将输出的召回率、相似度、准确率作为简历信息模块化的评估结果。
应用于上述技术方案，所述的简历信息模块化的评估方法中，在步骤S3之前，还执行步骤S30：对信息模块化的简历进行版块标签的联合召回率测试，输出联合召回率，其中，联合召回率为简历在信息模块化时抽取的联合版块标签的数量与预存储的对应联合版块标签的数量的比值，并且，联合版块标签为简历的版块标签的任意数量的组合，并且，步骤S2中，还对信息模块化的简历进行版块信息的联合准确率测试，输出联合准确率；步骤S3中：将输出的召回率、联合召回率、相似度、准确率和联合准确率作为简历信息模块化的评估结果。
应用于上述各个技术方案，所述的简历信息模块化的评估方法中，步骤S1之前，还执行步骤S0：根据简历的版面和内容进行版块划分，按照划分的版块设定版块标签，保存设定好的版块标签，并保存简历的内容作为版块信息。
应用于上述各个技术方案，所述的简历信息模块化的评估方法中，任意调换步骤S1、S2、S30的顺序。
应用于上述各个技术方案，所述的简历信息模块化的评估方法中，步骤S3中，是采用简历在信息模块化时抽取的版块信息的字符串与预存储的对应版块信息的字符串进行相似度计算，相似度计算规则为，去除掉特殊字符后，在抽取的板块信息字符串中获取最长连续匹配子序列长度与预存储的版块信息字符串长度的比值，其中，超过预设阈值则为相似，低于预设阈值则为不相似。
应用于上述各个技术方案，所述的简历信息模块化的评估方法中，所述预设阈值的取值范围为0.6～1。
应用于上述各个技术方案，所述的简历信息模块化的评估方法中，在进行相似度计算前，还对简历在信息模块化时抽取的版块信息进行数据清洗，去除冗余的符号。
应用于上述各个技术方案，所述的简历信息模块化的评估方法中，在步骤S3之前，对每一份简历分别执行步骤S0、S1、S2、S30，并且，步骤S3中，将输出的召回率的平均值、联合召回率的平均值、相似度的平均值、准确率的平均值及联合准确率的平均值作为简历信息模块化的评估结果。
应用于上述各个技术方案，所述的简历信息模块化的评估方法中，还包括步骤S4：将所述评估结果可视化对照标注在简历上。
应用于上述各个技术方案，所述的简历信息模块化的评估方法中，步骤S4具体为：采用简历在信息模块化时抽取的版块标签将简历分隔为不同的版块，并且，并在相应版面的右上角标注版块标签和版块信息的相似度。
本发明的有益效果为：
本发明通过提出对信息结构化的简历通过五个量化指标来反应简历信息结构化的准确性和有效性。解决了目前在对比简历信息结构化应用性能时，存在着通用性差、无法评估大规模简历信息、无法真实反映用户体验，或效率低下、耗费人力过多的缺陷的问题，取得了通用性强、能够真实反映用户体验，且更加高效的有益效果；通过本申请的方法评估的结构化简历能够更加便于招聘人员审阅修改以及简历信息管理平台的管理工作。
附图说明
图1为本发明的流程示意图；
图2为本发明中的简历的示意图；
图3为本发明中简历的评估结果可视化对照标注示意图。
具体实施方式
以下结合附图和具体实施例，对本发明进行详细说明。
本实施例提供了一种简历信息模块化的评估方法，如图1所示，在进行测试之前，可以先还执行步骤S0：根据简历的版面和内容进行版块划分，按照划分的版块设定版块标签，保存设定好的版块标签，并保存简历的内容作为版块信息；例如，可以根据简历的版面和内容，将简历划分为基本信息，工作经验，教育背景，项目经验，自我评估，奖励证书、技能7个版块，7个版块分别对应设定的版块标签为BASIC_INFORMATION，WORK_EXPERIENCE，EDUCATION_BACKGROUND，PROJECT_EXPERIENCE，SELF_ASSESSMENT，REWARD_CERTIFICATES和SKILL，并将7个设定好的版块标签进行保存，同时保存每个版块标签对应版块的内容作为版块信息。
然后，进行步骤：S1：对信息模块化的简历进行版块标签的召回率测试，输出召回率，其中，召回率为简历在信息模块化时抽取的版块标签数量与预存储的版块标签数量的比值；其中，预存储的版块标签数量即为步骤S0存储的版块标签数量，例如，针对一份信息模块化的简历，步骤S0预存储的是BASIC_INFORMATION，WORK_EXPERIENCE，EDUCATION_BACKGROUND，PROJECT_EXPERIENCE，SELF_ASSESSMENT，REWARD_CERTIFICATES，SKILL7个版块标签，而该简历在进行信息模块化时抽取时，只抽取了BASIC_INFORMATION，WORK_EXPERIENCE，EDUCATION_BACKGROUND，PROJECT_EXPERIENCE，SELF_ASSESSMENT，REWARD_CERTIFICATES 6个版块标签，则版块标签召回率为6/7，即为0.857143。
其中，召回率是针对简历信息结构化应用获取的版块标签与存储器中的版块标签进行比对，统计成功匹配的版块标签数量与真实的版块标签数量，获取二者比值即为召回率。通过这一步骤可以得出简历信息结构化应用对不同版块标签的抽取的正确和完整的程度。
然后，执行步骤S2：对信息模块化的简历进行版块信息内容的相似度测试，输出相似度，其中，相似度为简历在信息模块化时抽取的版块信息与预存储的版块信息的匹配度；并且，在进行匹配时，是采用简历在信息模块化时抽取的版块信息的字符串长度与预存储的对应版块信息的字符串长度的比值进行匹配度计算，其中，超过预设阈值则为相似，低于预设阈值则为不相似，其中，相似度＝最长连续匹配子序列长度/对应版块信息字符串长度，所述预设阈值可以根据实际应用场景设定，本实施例优选取值范围为0.6～1；并且，在进行匹配度计算值前，还对简历在信息模块化时抽取的版块信息进行数据清洗，去除冗余的符号。
并且，在为相似度设定合理阈值后，还计算相似度达到阈值的版块信息数量与预存储的版块信息数量比值作为版块信息内容的准确率。
如此，首先对应用获得的版块信息内容进行简单的清洗，去除一些冗余的符号，避免对后续的匹配造成不良影响。接着查找版块信息与真实值的最长连续匹配子序列，文本的顺序不影响匹配的成功。计算匹配值字符串长度与真实值字符串长度的比值，记为内容相似度。这一相似度计算方法避免了信息结构化过程中带来的特殊字符或文本顺序的差异影响实际相似度的准确。此外为相似度设定合理阈值，于设定阈值的我们判定抽取出来的版块信息同真实值一致，即为有效抽取。计算所有有效抽取的数量和真实数量的比值可以得到准确率。
然后执行，S30：对信息模块化的简历进行版块标签的联合召回率测试及联合准确率测试，输出联合召回率和联合准确率，其中，版块标签的联合召回率为简历在信息模块化时抽取的联合版块标签的数量与预存储的对应联合版块标签的数量的比值，并且，联合版块标签为简历的版块标签的任意数量的组合。通过结构化应用获取的联合标签数量与实际联合标签数量的比值即为联合召回率。联合召回率能够有效反应结构化应用对版块标签组合正确完整抽取的程度。
并且，计算联合版块标签的准确率，其中，联合准确率是联合版块标签中的版块信息与预存储的联合版块标签的版块信息之间的相似度在对应单个版块标签都达到了设定阈值的版块信息数量比值，联合准确率的计算方式与准确率的计算方式相同，准确率是计算单个版块标签的版块信息的准确率，而联合准确率则是计算联合标签中全部版块标签的版块信息的准确率。联合准确率反映抽取的多个版块的内容是否同时是准确的。
例如，针对预存储的是BASIC_INFORMATION，WORK_EXPERIENCE，EDUCATION_BACKGROUND，PROJECT_EXPERIENCE，SELF_ASSESSMENT，REWARD_CERTIFICATES，SKILL 7个版块标签中，由BASIC_INFORMATION，WORK_EXPERIENCE，EDUCATION_BACKGROUND 3个版块标签组成的联合版块标签，假设简历数据总量为4000份，包含这一联合板块标签的的简历数据量为3600份，有3200份成功抽取这一联合版块标签，那么这一联合版块标签的联合召回率即为3200/3600,即为0.888889。如果简历在进行信息模块化时抽取时，只抽取了联合版块标签中的BASIC_INFORMATION，WORK_EXPERIENCE 2个版块标签，那么这一简历联合版块标签抽取不成功；假设某份简历中WORK_EXPERIENCE的相似度未达到阈值，则其不计入最终联合准确率的计算中，假定有3100份简历在三个版块的相似度都达到了阈值，则联合准确率未3100/3600，即为0.861111。其中，联合版块标签可以是预存储的版块标签中的任意数量的组合，可以测试每一简历中全部联合版块标签的版块标签联合召回率，也可以仅测试部分联合版块标签的版块标签联合召回率，具体可以根据实际应用场景设定；并且，版块标签联合召回率实际应用中，主要是针对实际应用中重点关注的若干个版块标签，可以通过联合召回率来反映简历信息结构化对多个版块标签正确完整抽取的程度，联合准确率可以用来反映简历信息结构化对多个版面文本内容同时准确抽取的程度。
最后执行步骤S3：将输出的召回率、相似度、准确率作为简历信息模块化的评估结果；或者，将输出的召回率、联合召回率、相似度、准确率、联合准确率作为简历信息模块化的评估结果。
并且，在本实施例中，步骤S1、S2、S30的顺序可以任意调换，调换步骤S1、S2、S30的顺序不会对简历信息模块化的评估结果造成任何影响。
另外，在对批量的简历进行信息模块化评估时，可以对每一份简历分别执行步骤S0、S1、S2、S30，并且，在步骤S3中，将输出的召回率的平均值、联合召回率的平均值、相似度的平均值、准确率平均值、联合准确率平均值作为简历信息模块化的评估结果。
另外，如图2和3所示，还可以将所述评估结果可视化对照标注在简历上；其具体是采用简历在信息模块化时抽取的版块标签将简历分隔为不同的版块，并且，并在相应版面的右上角标注版块标签和版块信息的相似度。
如此，为了使得整个评估方法有更为直观的展示效果以及便于后续人工对结构化信息的修改，将简历信息的结构化结果在原始的简历图片上进行可视化对照。
以下为两个应用实例：
实例1：在单个简历结构化信息上进行评估
如图2所示的某简历，其包含基本信息、个人评价、工作经历及教育经历等版块。
我们使用某简历信息结构化应用对下图所示的简历进行结构化，对应的版块标签分别为BASIC_INFORMATION、SELF_ASSESSMENT、WORK_EXPERIENCE和EDUCATION_BACKGROUND，其版块标签和版块信息如下表1所示。
Figure BDA0003861915790000091
/>
Figure BDA0003861915790000101
表1
针对单个简历实例，如图3所示，可以利用可视化结果对结构化信息进行直观地分析判定。横线划出版块标签包含信息的范围，右上角显示对应的版块标签及版块信息相似度。
可以看到简历在信息结构化时遗漏了SELF_ASSESSMENT这一标签，其余版块标签正确提取且相似度都高于设定阈值，表现良好。
实例2：在大规模结构化简历信息上进行评估
在某个包含8000份真实简历的简历数据集上，使用简历信息结构化应用并对其结果进行量化分析。
该简历信息结构化应用包含BASIC_INFORMATION，WORK_EXPERIENCE，EDUCATION_BACKGROUND，PROJECT_EXPERIENCE，SELF_ASSESSMENT，REWARD_CERTIFICATES及SKILL在内共7个版块标签。评估结果如下表所示。
版块标签 召回率 相似度 准确率(相似度阈值＝0.65)
BASIC_INFORMATION 0.999748 / /
EDUCATION_BACKGROUND 0.842786 0.806727 0.888263
WORK_EXPERIENCE 0.930905 0.707253 0.714327
PROJECT_EXPERIENCE 0.824417 0.814195 0.862451
SELF_ASSESSMENT 0.812940 0.874769 0.902386
REWARD_CERTIFICATES 0.281115 0.584328 0.635437
SKILL 0.395712 0.423440 0.547650
表2
Figure BDA0003861915790000121
表3
Figure BDA0003861915790000122
表4
通过以上表格可以知道，通过我们提出的评估方法，能够在大规模数据上直观量化反映简历结构化应用的输出结果与真实值之间的差异，能够直观体现应用在不同版块标签上的差异，针对不同的应用进行评估还能够横向比较应用之间的性能差异，真实客观地反应应用在真实数据上的表现。
以上仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种简历信息模块化的评估方法，其特征在于，包括如下步骤：
S1：对信息模块化的简历进行版块标签的召回率测试，输出召回率，其中，召回率为简历在信息模块化时抽取的版块标签数量与预存储的版块标签数量的比值；
S2：对信息模块化的简历进行版块信息内容相似度测试，输出相似度和准确率，其中，相似度为简历在信息模块化时抽取的版块信息与预存储的版块信息的匹配度，并为相似度设定合理阈值，计算相似度达到阈值的版块信息数量与预存储的版块信息数量比值作为版块信息内容的准确率；
S3：将输出的召回率、相似度、准确率作为简历信息模块化的评估结果；
步骤S2中，是采用简历在信息模块化时抽取的版块信息的字符串与预存储的对应版块信息的字符串的比值进行相似度计算，相似度计算规则为，去除掉特殊字符后，在抽取的板块信息字符串中获取最长连续匹配子序列长度与预存储的版块信息字符串长度的比值，其中，超过预设阈值则为相似，低于预设阈值则为不相似。
2.根据权利要求1所述的简历信息模块化的评估方法，其特征在于：在步骤S3之前，还执行步骤S30：对信息模块化的简历进行版块标签的联合召回率测试，输出联合召回率，其中，联合召回率为简历在信息模块化时抽取的联合版块标签的数量与预存储的对应联合版块标签的数量的比值，并且，联合版块标签为简历的版块标签的任意数量的组合，并且，步骤S2中，还对信息模块化的简历进行版块信息的联合准确率测试，输出联合准确率；步骤S3中：将输出的召回率、联合召回率、相似度、准确率和联合准确率作为简历信息模块化的评估结果。
3.根据权利要求2所述的简历信息模块化的评估方法，其特征在于：步骤S1之前，还执行步骤S0：根据简历的版面和内容进行版块划分，按照划分的版块设定版块标签，保存设定好的版块标签，并保存简历的内容作为版块信息。
4.根据权利要求3所述的简历信息模块化的评估方法，其特征在于：任意调换步骤S1、S2、S30的顺序。
5.根据权利要求4所述的简历信息模块化的评估方法，其特征在于：所述预设阈值的取值范围为0.6~1。
6.根据权利要求4所述的简历信息模块化的评估方法，其特征在于：在进行相似度计算前，还对简历在信息模块化时抽取的版块信息进行数据清洗，去除冗余的符号。
7.根据权利要求3-6任一所述的简历信息模块化的评估方法，其特征在于：在步骤S3之前，对每一份简历分别执行步骤S0、S1、S2、S30，并且，步骤S3中，将输出的召回率的平均值、联合召回率的平均值、相似度的平均值、准确率的平均值及联合准确率的平均值作为简历信息模块化的评估结果。
8.根据权利要求1-6任一所述的简历信息模块化的评估方法，其特征在于：还包括步骤S4：将所述评估结果可视化对照标注在简历上。
9.根据权利要求8所述的简历信息模块化的评估方法，其特征在于：步骤S4具体为：采用简历在信息模块化时抽取的版块标签将简历分隔为不同的版块，并且，并在相应版面的右上角标注版块标签和版块信息的相似度。
CN202211170822.5A 2022-09-23 2022-09-23 一种简历信息模块化的评估方法 Active CN115495554B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211170822.5A CN115495554B (zh) 2022-09-23 2022-09-23 一种简历信息模块化的评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211170822.5A CN115495554B (zh) 2022-09-23 2022-09-23 一种简历信息模块化的评估方法

Publications (2)

Publication Number Publication Date
CN115495554A CN115495554A (zh) 2022-12-20
CN115495554B true CN115495554B (zh) 2023-06-06

Family

ID=84470430

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211170822.5A Active CN115495554B (zh) 2022-09-23 2022-09-23 一种简历信息模块化的评估方法

Country Status (1)

Country Link
CN (1) CN115495554B (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090132566A1 (en) * 2006-03-31 2009-05-21 Shingo Ochi Document processing device and document processing method
US10049416B2 (en) * 2013-11-26 2018-08-14 Chegg, Inc. Job recall services in online education platforms
CN110580611B (zh) * 2018-06-11 2024-03-19 钉钉控股（开曼）有限公司 简历信息的管理方法、招聘信息的管理方法及装置
CN109582661B (zh) * 2018-11-23 2021-08-10 金色熊猫有限公司 数据结构化评估方法、装置、存储介质及电子设备
CN111078835A (zh) * 2019-12-05 2020-04-28 平安金融管理学院(中国·深圳) 简历评估方法、装置、计算机设备及存储介质
CN111680972A (zh) * 2020-03-19 2020-09-18 江苏智檬智能科技有限公司 基于人工智能大数据的人才简历匹配方法
CN111460084A (zh) * 2020-04-03 2020-07-28 中国建设银行股份有限公司 一种简历结构化抽取模型训练方法及系统
CN113641794A (zh) * 2021-08-17 2021-11-12 中国民生银行股份有限公司 简历文本的评估方法、装置及服务器

Also Published As

Publication number Publication date
CN115495554A (zh) 2022-12-20

Similar Documents

Publication Publication Date Title
US11508251B2 (en) Method and system for intelligent identification and correction of questions
Sadriddinovich Capabilities of SPSS Software in High Volume Data Processing Testing
US10269258B2 (en) System for automatic assessment of student learning
CN104993962B (zh) 获取终端使用状态的方法和系统
CN111090809A (zh) 题目推荐方法、装置、计算机设备和存储介质
CN113656687B (zh) 基于教研数据的教师画像构建方法
CN111415131A (zh) 一种基于自然语言处理技术的大数据人才简历分析方法
CN111144079A (zh) 一种智能获取学习资源的方法、装置、打印机和存储介质
CN111369294B (zh) 软件造价估算方法及装置
CN102855276A (zh) 一种判定评论文本极性的方法及其应用
CN112182237A (zh) 题目知识点关联方法、题目知识点关联系统和存储介质
CN113806348A (zh) 一种应用于k12教育的学生错题及个性化变试题的算法
CN115495554B (zh) 一种简历信息模块化的评估方法
CN113888757A (zh) 基于对标评价的考卷智能分析方法、系统及存储介质
CN112785192A (zh) 一种对区域教育质量进行测评的方法
CN111104503A (zh) 一种建筑工程质量验收规范问答系统及其构建方法
CN114971962A (zh) 学生作业的评价方法、装置、电子设备及存储介质
CN115995092A (zh) 图纸文字信息提取方法、装置、设备
Wu et al. Analysis of learning patterns and performance—a case study of 3-d modeling lessons in the k-12 classrooms
CN111783737B (zh) 一种数学公式的识别方法和识别装置
CN114862141A (zh) 基于画像关联性的课程推荐方法、装置、设备及存储介质
CN114638988A (zh) 一种基于不同呈现方式的教学视频自动化分类方法及系统
CN114330943A (zh) 一种面试辅助方法及装置
CN110222262A (zh) 一种利用新闻评论行为的网络用户人格自动识别方法
CN117033665B (zh) 一种图谱知识点与视频的对齐方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant