[发明专利]一种同名同音人才简历的识别匹配分析方法

摘要

本发明涉及大数据匹配分析技术领域，一种基于TrieTree算法的同名同音人才简历的识别匹配分析方法。本发明方法基于TrieTree算法，利用TrieTree算法优秀的插入和查询时间复杂度，获取同名或同读音的人才简历，通过TrieTree算法对简历内容的匹配，从而判断同名的是否是同一个人的信息，或是同读音但是不同名的两个人，是否是同一个人的信息，从而为大量的人才数据的简化及去重。本发明方法实现了快速人才简历信息的识别，提供了一种高效的人才简历数据处理方法。

主权项

1.一种同名同音人才简历的识别匹配分析方法，其特征在于：所述的方法包括以下步骤：步骤1：获取所有人才简历的信息，并对姓名进行拼音的转换；步骤2：获取姓名相同或拼音相同的人才信息，相同姓名、相同拼音的分别形成人才简历对；步骤3：对形成人才简历对的人才信息，分别按标点符号进行分隔处理，从而形成可用于构建TrieTree简历词汇集；步骤4：输入简历对中一个简历词汇集，构建TrieTree，然后统计此简历的词频，并按出现的次数进行统计；输入另外一个简历词汇集，并形成另一个TrieTree，并统计简历的词频，同样按出现的次数进行统计；如果简历对有多个，按同样的方法进行统计词频；步骤5：分别对同名、同音的简历统计后的词频进行处理，去除常用的介词、副词、助词等，对于单字出现频率较高的词，分开另行统计处理；步骤6：经过处理后的按简历对通过TrieTree进行统计的词频，分两部分进行比较：一是词频次数大于1、且词频的数量大于20的；另一部分是词频数量为1的，此词频需长度大于2的词汇进行匹配；按词频的长度分别统计相同的语汇的数据，统计相同的占比；步骤7：分析同名、同音的简历间的词频的词汇相同比率，超过50的相同词汇，判定为同一个人的不同简历，可合并为同一个人的信息；对于低于10％的简历，可判断为不是同一个人；对于相同率在10％～50％的简历，按相同率形成匹配度，进行标识，并由人工进行后续判定，从而实现同名、同音简历的匹配分析。