构建模型的步骤：

 首先要进行数据处理，抽取简历文件中的数据。

首先要准备数据集，大赛提供的数据集中多为word文档，都为.docx格式，

docx文件是基于 XML 的，可以包含文本，对象，样式，格式和图像，所有文件都存储为单独的文件，最终压缩在单个 ZIP 压缩的docx文件中。比如在以zip格式打开一个.docx文件：

 里面有几个文件夹，打开之后有xml格式的文件:

打开document.xml文件：

 文档的正文，是以xml格式表示的。

提取word文档信息

项目选择的是用BeautifulSoup提取Word文档信息，源代码：

from zipfile import ZipFile
from bs4 import BeautifulSoup
from pprint import pprint
from paddlenlp import Taskflow
# 定义实体关系抽取的schema
schema = ['姓名', '出生日期', '电话']
ie = Taskflow('information_extraction', schema=schema)

document = ZipFile('D:\\DeskTop\\dataset_CV\\dataset_CV\\CV\\3.docx')
xml = document.read("word/document.xml")
wordObj = BeautifulSoup(xml.decode("utf-8"))
texts = wordObj.findAll("w:t")
paragraphs_text = ""
for text in texts:
    # print(text.text)
    paragraphs_text += text.text + "\n"
# print(paragraphs_text)
pprint(ie(paragraphs_text)

       Taskflow是一个信息抽取框架，提供文本及文档的通用信息抽取、评价观点抽取等能力，可抽取多种类型的信息，包括但不限于命名实体识别（如人名、地名、机构名等）、关系（如电影的导演、歌曲的发行时间等）、事件（如某路口发生车祸、某地发生地震等）、以及评价维度、观点词、情感倾向等信息。用户可以使用自然语言自定义抽取目标，无需训练即可统一抽取输入文本或文档中的对应信息。

定义了一个包含三个字段的schema变量，分别是姓名、出生日期和电话号码。然后，利用这个schema变量创建了一个信息抽取任务流程对象ie。

使用python标准库中的ZipFile模块打开一个Word文档，并读取其中的"word/document.xml"文件。然后，利用BeautifulSoup库将XML格式的文本解析为一个对象wordObj。接着，通过查找wordObj中所有的"w:t"标签，将文档中的所有文本内容读取到一个字符串变量paragraphs_text中。

参考文献：

[1]

[1] 简历信息提取（一）：PDFPlumber和PP-Structure - 飞桨AI Studio (baidu.com)https://aistudio.baidu.com/aistudio/projectdetail/2493247?contributionType=1&sUid=90149&shared=1&ts=1674726578546[2]

applications/information_extraction/taskflow_doc.md · PaddlePaddle/PaddleNLP - Gitee.comhttps://gitee.com/paddlepaddle/PaddleNLP/blob/develop/applications/information_extraction/taskflow_doc.md#https://gitee.com/link?target=https%3A%2F%2Fbj.bcebos.com%2Fpaddlenlp%2Ftaskflow%2Finformation_extraction%2Fcases.zip