简历解析系统

基于自然语言处理技术的前后端分离项目，支持对多种格式的简历文件进行关键信息的提取，分析和数据可视化

有问题看 issues

维护计划目前在重构（主要在做减法和提高代码质量）

目录说明

├─Assets	     相关图片
├─Express	     后端（docx文件转文本）
├─FastApi	     后端（封装解析模型）
├─Frontend	     前端
├─SpringBoot	     后端（用户和简历数据管理）
├─Sql	             数据库建表
├─Train	             模型训练
│  └─classfication   分类器
│  └─ner	     命名实体识别
│  └─test	     模型测试
├─Utils	             开发依赖工具
│  └─format	     格式转换
│  └─gather	     分类数据采集数据采集

项目运行

前端

pnpm install

pnpm dev

后端

FastAPI

本地运行需要下载模型到FastApi/models目录下

链接：https://pan.baidu.com/s/1ppkmLlsn4joBOYHH_jsrHg?pwd=w4r9 提取码：w4r9

Spring Boot

SpringbootApplication.java中是通过@PropertySource("classpath:secrets.txt")注解进行相关数据的读取，在Springboot/src/main/resources下建立secrets.txt并填入键值对

比如application-dev.yml中有如下配置

data:
    mongodb:
        host: ${mongodb.host.dev}
        port: ${mongodb.port.dev}

则在secrets.txt中这样声明具体值

mongodb.host.dev=127.0.0.1
mongodb.port.dev=27010

Express

Express中使用了mammoth来解析docx文件，可以作为docx2txt的替代品使用，你可以在FastApi/document.py中自行选择其一作为解析工具

在某些情况下mammoth的解析结果更加准确，具体体现在docx2txt会重复读取两次文件内容（可能跟文件有关也有可能库本身有缺陷）

# 方法A FastApi向Express发送请求，通过js的mammoth库解析内容
import httpx

async def get_docx_content(file):
  # 本地默认路径
  url = 'http://127.0.0.1:3010/analysis-docx-file/'
  async with httpx.AsyncClient() as client:
      response = await client.post(url, files={"file": file.file})
      if response.status_code != 400:
          return eval(response.text)
      else:
          raise Exception

# 方法B FastApi直接通过python的docx2txt库解析内容
import docx2txt

async def get_docx_content(file):
    with io.BytesIO(await file.read()) as stream:
        text = docx2txt.process(stream)
    lines = text.splitlines()
    stripped_lines = [line.strip('\t').replace('\t', ' ') for line in lines]
    new_list = [x for x in stripped_lines if x.strip() != '']
    return new_list

如果使用Express需要在该模块下执行

pnpm install

node app.js

项目构建

---

深度学习

PyTorch+BERT

前端

• Vue3
• Element Plus
• ECharts

后端

• Spring Boot
• FastAPI
• Express

数据库

• MySQL
• MongoDB
• Redis

项目架构

---

实现功能

1. 项目的主要业务为简历解析，支持docx，pdf，txt格式简历的输入并进行关键信息的提取，提取的维度包括：

• 姓名，生日，年龄，电话，邮箱，毕业院校（全部），最高学历，住址
• 求职意向，工作/项目经历，获得奖项，个人能力，岗位匹配
• 简历标签：学历标签，工作标签，能力标签，工作年限

2. 在该业务的基础上，我们使用权限管理系统对其进行封装。整体分为四个权限：游客，普通用户，高级权限，超级管理员。其中游客是未登录用户，用户注册后初始权限默认为普通用户，可以通过邮件申请并经过超级管理员的审核升级为高级权限。在本项目的设计理念中，普通用户和高级权限分别对应求职者和招聘者：

• 普通用户可以借助项目中的模块对自己的简历进行分析，补充并上传，从而实现投递简历的过程
• 高级权限可以查看所有普通用户上传的简历，并支持查看摘要，收藏和下载简历等操作，实现了帮助招聘者更好的处理和管理简历的过程。高级权限还可以查看简历的可视化信息，目前支持的可视化维度有：学历信息统计，来源地信息统计，工作经历信息统计，能够有助于招聘者更好的了解求职者和简历信息的整体情况

项目截图

• 简历解析

• 简历上传

• 数据可视化

• 数据列表