File size: 3,698 Bytes
b800b20 9939163 b800b20 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 |
---
frameworks:
- Pytorch
tasks:
- universal-information-extraction
base_model:
- Qwen/Qwen3-0.6B
base_model_relation: finetune
license: apache-2.0
---
# SmartResume - 智能简历解析系统
<div align="center">
<img src="assets/logo.png" alt="SmartResume Logo" width="80%" >
</div>
<p align="center">
💻 <a href="https://github.com/alibaba/SmartResume">Code</a>   |   🤗 <a href="https://www.modelscope.cn/models/Alibaba-EI/SmartResume">Model</a>   |   🤖 <a href="https://modelscope.cn/studios/Alibaba-EI/SmartResumeDemo/summary">Demo</a>   |   📑 <a href="https://arxiv.org/abs/2510.09722">Technical Report</a>
</p>
## 项目介绍
SmartResume 是一个面向版面结构的智能简历解析系统，系统支持 PDF、图片及常见 Office 文档格式，融合 OCR 与 PDF 元数据完成文本提取，结合版面检测重建阅读顺序，并通过 LLM 将内容转换为结构化字段（如：基本信息、教育经历、工作经历等）。系统同时支持远程 API 和本地模型部署，提供灵活的使用方式。
<div align="center">
<img src="assets/image.png" alt="pipline">
</div>
## 基准测试
为了全面评估我们提出的框架，我们将其与一系列简历抽取基线进行比较，并在我们的流程中对大语言模型API进行基准测试。
<div align="center">
<img src="assets/results.jpg" alt="demo">
</div>
## 模型权重文件说明
本仓库包含 SmartResume 项目所需的两个核心权重文件，用于简历信息提取和版面分析。
### 1. Qwen3-0.6B 大语言模型
**用途**: 简历文本信息提取和结构化处理
**基础模型**: Qwen/Qwen3-0.6B
**模型类型**: 微调 (Instruction-tuned)
#### 目录结构
```
Qwen3-0.6B/
├── model.safetensors # 模型权重文件 (主要文件)
├── config.json # 模型配置文件
├── generation_config.json # 生成配置
├── tokenizer.json # 分词器主文件
├── tokenizer_config.json # 分词器配置
├── vocab.json # 词汇表
├── merges.txt # BPE合并规则
├── special_tokens_map.json # 特殊token映射
└── added_tokens.json # 额外添加的token
```
**功能特点**:
- 专门针对简历信息提取任务微调
- 能够提取基本信息、工作经历、教育背景等结构化信息
- 高精度、轻量级模型，推理速度快
### 2. YOLOv10 版面检测模型
**用途**: 简历版面布局检测和区域分割
**模型文件**: best.onnx (约 265.81 MB)
**任务类型**: 目标检测 (Object Detection)
#### 目录结构
```
yolov10/
└── best.onnx # YOLOv10 训练好的权重文件
```
**功能特点**:
- 支持多种版面布局识别
- 高精度区域定位
- 为文本提取提供准确的区域信息
## 使用方式
## Citation
```bibtex
@article{Zhu2025SmartResume,
title={Layout-Aware Parsing Meets Efficient LLMs: A Unified, Scalable Framework for Resume Information Extraction and Evaluation},
author={Fanwei Zhu and Jinke Yu and Zulong Chen and Ying Zhou and Junhao Ji and Zhibo Yang and Yuxue Zhang and Haoyuan Hu and Zhenghao Liu},
journal={arXiv preprint arXiv:2510.09722},
year={2025},
url={https://arxiv.org/abs/2510.09722}
}
```
<p style="color: lightgrey;">如果您是本模型的贡献者，我们邀请您根据<a href="https://modelscope.cn/docs/ModelScope%E6%A8%A1%E5%9E%8B%E6%8E%A5%E5%85%A5%E6%B5%81%E7%A8%8B%E6%A6%82%E8%A7%88" style="color: lightgrey; text-decoration: underline;">模型贡献文档</a>，及时完善模型卡片内容。</p> |