一种中文简历非结构化隐私实体识别方法

本发明公开了一种中文简历非结构化隐私实体识别方法，方法为：分词层解决文本编码与标签对齐问题，采用基于subword的切分策略并结合填充与注意力掩码机制；特征编码层利用RoBERTa预训练模型提取上下文敏感的特征表示，并通过LoRA技术提升训练效率；标签分类层实现特征到标签空间的映射；序列优化层引入带掩码约束矩阵的条件随机场（MCRF）建模标签的全局依赖关系，提高模型对实体边界的识别能力；解码层采用维特比算法将预测结果生成最终实体识别结果。本发明结合深度学习模型的表示能力和传统序列模型的结构化预测能力，提升中文简历中非结构化文本的隐私实体识别的精准度与稳定性，适用于中文简历的数据隐私保护与关键信息提取场景。