如何从使用python的简历中获得经验？

我使用正则表达式提取了邮件id、电话号码 我已经使用核心NLP服务器提取了名称 我通过在一组单词中给出并比较单词来提取技能。 但是我不知道如何提取多年使用python的经验- 有人能告诉我关于这件事的想法吗？ 示例：

2年工作经验

两年的工作经验

2010-2014年

---

像这样，有太多的可能性

你可以采取几种方法。如果有很多可能性，如你所说，你可以将其视为一个机器学习问题，并使用方法1。否则1，如果可能性有限（例如，大约5），则可以使用第二种方法

方法1:

将其视为一个机器学习问题。根据是否包含经验年份，将文本中的每个句子分类为0或1。这可以通过手动训练一些数据来完成。针对每个培训示例，您将指定一个标签。例如：

工作经验：3年（标签1）

学习两年（标签0）

努力工作多年（标签0）

两年工作经验（标签1）

经验：2010-2014（标签1）

有了大量示例后，您可以使用

skicit learn

或类似的软件包来训练模型

方法2:

1-搜索数年。或者，它可以是确切的单词（

year

或

years

），也可以是四位数字（例如，2014）

2-如果

1

通过，在附近搜索单词experience（或类似的词）

---

如果

1

和

2

都通过了，那么您有多年的经验。然后，根据需要，您可以进一步提取。

您可以采取几种方法。如果有很多可能性，如你所说，你可以将其视为一个机器学习问题，并使用方法1。否则1，如果可能性有限（例如，大约5），则可以使用第二种方法

方法1:

将其视为一个机器学习问题。根据是否包含经验年份，将文本中的每个句子分类为0或1。这可以通过手动训练一些数据来完成。针对每个培训示例，您将指定一个标签。例如：

工作经验：3年（标签1）

学习两年（标签0）

努力工作多年（标签0）

两年工作经验（标签1）

经验：2010-2014（标签1）

有了大量示例后，您可以使用

skicit learn

或类似的软件包来训练模型

方法2:

1-搜索数年。或者，它可以是确切的单词（

year

或

years

），也可以是四位数字（例如，2014）

2-如果

1

通过，在附近搜索单词experience（或类似的词）

---

---

如果

1

和

2

都通过了，那么您有多年的经验。然后，根据你想要什么，你可以进一步提取。

你所说的这么多可能性是什么意思，最后，您需要找到预期模式背后的逻辑，例如它周围的字符串，或者如果预期模式的形状受到限制，您可以在多种方式上使用这些结构，如regex。@Kasramvd列出的3种方式都是列出经验的替代方法，可能没有“许多”方式，但是在所有的模式中并没有一个真正的模式，主要是前两个好的，但是唯一的方法是使用正则表达式，或者我们可以使用任何其他的logic@cricket_007是的，似乎是这样。也许有其他方法不用正则表达式，例如，拆分文本并处理较小的部分，或者您可以使用正则表达式来缓解问题，并使用其他函数来获得真正的结果。关键是，你需要调查你正在处理的文本，并详细说明问题的各个方面。问题是目前你的信息有缺陷，我再也帮不上忙了。如果你想得到一个正确的答案，你最好用更多的信息更新你的问题。你所说的这么多可能性是什么意思，最后，您需要找到预期模式背后的逻辑，例如它周围的字符串，或者如果预期模式的形状受到限制，您可以在多种方式上使用这些结构，如regex。@Kasramvd列出的3种方式都是列出经验的替代方法，可能没有“许多”方式，但是在所有的模式中并没有一个真正的模式，主要是前两个好的，但是唯一的方法是使用正则表达式，或者我们可以使用任何其他的logic@cricket_007是的，似乎是这样。也许有其他方法不用正则表达式，例如，拆分文本并处理较小的部分，或者您可以使用正则表达式来缓解问题，并使用其他函数来获得真正的结果。关键是，你需要调查你正在处理的文本，并详细说明问题的各个方面。问题是目前你的信息有缺陷，我再也帮不上忙了。如果你想得到一个正确的答案，你最好用更多的信息更新你的问题。是的，简历可以显示一个日期范围内的单词体验，但我认为这个问题是在寻求一种不需要特定格式输入数据的方法。无论如何，列出某一工作的日期范围绝对是展示多年经验的有效方式。正如我在回答中所证明的，所有的可能性都有一个模式。不管怎样，另一种方法是使用机器学习，我在回答中添加了机器学习。你能解释一下方法1吗？因为我是机器学习新手。扩展了我的答案。在这里使用经过训练的分类器似乎真是太过分了。是的，简历可以显示一个日期范围内的单词体验，但我认为