简历信息抽取pipeline
终端运行
sh run_pipeline.sh
即可
模型和test_file文件夹可以使用绝对路径也可放在当前文件夹下使用相对路径
输入为含有简历parsed文本txt文件的文件夹，代码自动搜索文件夹中所有txt进行推理
输出在results路径中，为json格式
tmp文件夹中为模型中间输出结果，用于调试
python resume_ext_pipeline_0804.py
--current_path=/home/xiaofan/resume_extraction/pipeline \ # 当前pipeline文件夹绝对路径
--cls_model_path=/home/xiaofan/resume_extraction/BERT_CLS/models/bert_res_cls_merge \ # 分类模型绝对路径
--ext_model_path_pe=/home/xiaofan/resume_extraction/triple_generation/models/rebel_resume_per_edu \ # 抽取模型1绝对路径
--ext_model_path_wp=/home/xiaofan/resume_extraction/triple_generation/models/rebel_resume_work_proj \ # 抽取模型2绝对路径
--test_file_path=/home/xiaofan/resume_extraction/data/txt_sample/tmp \ # 输入的文件夹，将简历parse而成的txt们放在该文件夹路径下即可
--cuda_num=2 \ # 使用的GPU号数
--num_beams=2 \ # 超参，生成式抽取模型使用beam search，这个数值越高，推理越慢，结果可能越准确
--version=0 # 会输出在结果文件的文件名中，用于输出版本控制和对照观察