文档

简历抽取(中文)服务

更新时间:

简历抽取服务使用示例。

说明

本服务由NLP自学习平台提供,直接调用API即可使用。

服务开通与资源包购买

使用前,请确认是否已经开通服务,开通后可购买资源包。

服务调用与调试

模型调用文档参考:模型调用

SDK示例文档参考:SDK示例

调试

您可以在OpenAPI开发者门户中直接运行该接口,免去您计算签名的困扰。运行成功后,OpenAPI开发者门户可以自动生成SDK代码示例。

通过环境变量配置访问凭证(AKSK)

  1. 说明:

    1. 阿里云账号AccessKey拥有所有API的访问权限,风险很高。强烈建议您创建并使用RAM用户进行API访问或日常运维,请登录RAM控制台创建RAM用户。

    2. 强烈建议不要把AccessKey和AccessKeySecret保存到代码里,会存在密钥泄漏风险,在此提供通过配置环境变量的方式来保存和访问aksk

  2. Linux和macOS系统配置方法

    export NLP_AK_ENV=<access_key_id>
    export NLP_SK_ENV=<access_key_secret>

    其中<access_key_id>替换为已准备好的AccessKey ID,<access_key_secret>替换为AccessKey Secret,AccessKey ID和AccessKey Secret的获取方式见步骤二:获取账号的AccessKey

  3. Windows系统配置方法

    1. 新建环境变量文件,添加环境变量NLP_AK_ENVNLP_SK_ENV,并写入已准备好的AccessKey ID和AccessKey Secret。

    2. 重启Windows系统。

说明

调用简历抽取(中文)服务,ServiceName需要传入:ResumeExtractorZH。

Java代码示例

/**
 * 阿里云账号AccessKey拥有所有API的访问权限,风险很高。强烈建议您创建并使用RAM用户进行API访问或日常运维,请登录RAM控制台创建RAM用户。
 * 此处以把AccessKey和AccessKeySecret保存在环境变量为例说明。您也可以根据业务需要,保存到配置文件里。
 * 强烈建议不要把AccessKey和AccessKeySecret保存到代码里,会存在密钥泄漏风险
 */
String accessKeyId = System.getenv("NLP_AK_ENV");
String accessKeySecret = System.getenv("NLP_SK_ENV");
DefaultProfile defaultProfile = DefaultProfile.getProfile("cn-hangzhou",accessKeyId,accessKeySecret);
IAcsClient client = new DefaultAcsClient(defaultProfile);
String content = "简历文本";
RunPreTrainServiceRequest request = new RunPreTrainServiceRequest();
request.setServiceName("ResumeExtractorZH");
request.setPredictContent(content);
RunPreTrainServiceResponse response = client.getAcsResponse(request);
System.out.println(response.getPredictResult());

Python代码示例

# 安装依赖
pip install aliyun-python-sdk-core
pip install aliyun-python-sdk-nlp-automl
# -*- coding: utf8 -*-
import json
import os

from aliyunsdkcore.client import AcsClient
from aliyunsdkcore.acs_exception.exceptions import ClientException
from aliyunsdkcore.acs_exception.exceptions import ServerException
from aliyunsdknlp_automl.request.v20191111 import RunPreTrainServiceRequest

/**
 * 阿里云账号AccessKey拥有所有API的访问权限,风险很高。强烈建议您创建并使用RAM用户进行API访问或日常运维,请登录RAM控制台创建RAM用户。
 * 此处以把AccessKey和AccessKeySecret保存在环境变量为例说明。您也可以根据业务需要,保存到配置文件里。
 * 强烈建议不要把AccessKey和AccessKeySecret保存到代码里,会存在密钥泄漏风险
 */
access_key_id = os.environ['NLP_AK_ENV']
access_key_secret = os.environ['NLP_SK_ENV']

# Initialize AcsClient instance
client = AcsClient(
  access_key_id,
  access_key_secret,
  "cn-hangzhou"
);

content = '简历文本'

# Initialize a request and set parameters
request = RunPreTrainServiceRequest.RunPreTrainServiceRequest()
request.set_ServiceName('ResumeExtractorZH')
request.set_PredictContent(content)

# Print response
response = client.do_action_with_exception(request)
resp_obj = json.loads(response)
predict_result = json.loads(resp_obj['PredictResult'])
print(predict_result['result'])

PredictContent内容示例

PredictContent参数为简历文本参数。

张某 ID:6111****
1390000****
z****@example.com
男|29 岁 (1990/07/27)|现居住南京-**区|8年工作经验
职位: 软件测试工程师

PredictResult内容示例

PredictResult是JSON字符串,需要反序列化之后进行解析,具体结构如下示例。出参result是一个JSON字符串,是一个JsonArray结构。

{
    "ret_code": 0,
    "result": [{
        "id": 0,
        "tags": [{
            "class": "姓名",
            "source": "rule",
            "span": "张某"
        }],
        "sentence": "张某 ID:6111****",
        "sent_offsets": 0
    }, {
        "id": 0,
        "tags": [{
            "conf": 0,
            "class": "手机号",
            "span": "1390000****",
            "start": 0,
            "source": "model",
            "end": 11
        }],
        "sentence": "1390000****",
        "sent_offsets": 2
    }, {
        "id": 0,
        "tags": [{
            "class": "电子邮箱",
            "source": "rule",
            "span": "z****@example.com"
        }],
        "sentence": "z****@example.com",
        "sent_offsets": 3
    }, {
        "id": 0,
        "tags": [{
            "conf": 0,
            "class": "出生日期",
            "span": "1990/07/27",
            "start": 8,
            "source": "model",
            "end": 18
        }, {
            "class": "性别",
            "source": "rule",
            "span": "男"
        }],
        "sentence": "男|29 岁 (1990/07/27)|现居住南京-**区|8年工作经验",
        "sent_offsets": 4
    }, {
        "id": 0,
        "tags": [{
            "conf": 0,
            "class": "岗位名称",
            "span": "软件测试工程师",
            "start": 4,
            "source": "model",
            "end": 11
        }],
        "sentence": "职位: 软件测试工程师",
        "sent_offsets": 6
    }],
    "message": "",
    "time": 143
}

支持字段列表

字段名

描述

姓名

性别

民族

出生日期

直接抽取,未归一化

籍贯

现居住地

政治面貌

手机号

电子邮箱

最高学历

最高学位

通讯地址

家庭地址

期望工作地点

期望从事岗位

目前年薪

期望年薪

毕业院校

入学时间

直接抽取,未归一化

毕业时间

直接抽取,未归一化

学历

学位

工作单位

工作开始时间

直接抽取,未归一化

工作结束时间

直接抽取,未归一化

岗位名称

工作内容

身高

体重

个人评价

爱好

英语考试种类

英语考试成绩