看简历
产出 · 字段表:值 + 原文位置 + 置信度
解决什么问题
简历是自由文本,同一段经历有三种写法。人工翻页比对时,最先丢掉的是「这句话在原文哪一页」——结论一旦离开原文,就不可复核了。
怎么做的
- 01 把 PDF / DOCX / 扫描件拆成工作经历、项目、技能、教育四类字段,每条记录都带原文页码与句子引用。
- 02 图片简历走 OCR,逐字段标注置信度;低置信度字段标黄,人工确认后才进入下游判断。
- 03 学历、公司、职级、起止时间做规范化(「2019.03–2021.07」统一到一条时间轴),冲突在标准化之后才比较。
边界在哪
手写体、拍照倾斜、双栏排版的简历识别率明显下降,这类简历只做「待人工录入」,不自动出结论。字段抽错时以原文为准,工具不覆盖原文。