问题描述
我目前正在使用简历解析器API，该API通过REST API调用批量解析简历，并以JSON提供输出。我正在尝试评估提取的信息（例如，教育，经验，技能，概述）是否适合原始简历。是否有任何命名实体识别管道可以测试准确性？
我尝试计算原始CV和具有特定信息（例如教育，经验，技能，概述）的文本块之间的余弦相似度，但我正在寻找更复杂，更准确的方法来实现这一点。 我最近发现了http://www.davidsbatista.net/blog/2018/05/09/Named_Entity_Evaluation/， 但我仍然在寻找一些有助于实现简历特定性的内容，包括部分和小节。
解决方法
要测试简历解析器的准确性，您确实需要自己构建一个-并不是那么容易。请注意，NER标签/评估只是流程中的一小步。还有许多细微之处可能对您的计分算法似乎无关紧要，但对人类却很重要-例如，知道某个日期范围适用于他们在Microsoft工作的时间，而不是他们在大学学习的时间。
我认为有两种方法：
- 只需手动查看输出以获取50份简历，然后手动对输出质量进行评分。
- 使用另一个第三方API（大多数将提供免费试用），并以编程方式比较输出。 （例如，尝试https://affinda.com/resume-parser/，它是我最近帮助建立的）