Python, NLP - 查找包含给定单词列表的顶部文档

Question

我是学习 NLP 的新手。 我正在尝试寻找最匹配的简历。

例如，我有一个我正在寻找的技能列表，例如 ['java', 'python', 'SQL', 'API', ...] 和一组文档。 我想创建一个 model 来找到与这些技能最匹配的文档。 类似于简历匹配。

我从本教程开始 - 从 pdf 中提取单词作为参考

我能够从 pdf 中提取文本，删除停用词，执行词形还原，计算这些关键字在每个文档中出现的次数，我不知道如何从这里开始 go。

谁能告诉我接下来的步骤应该是什么？ 任何教程或参考资料也会有所帮助。

Answer 1

如果您假设“最佳匹配”是与设置技能“最大交集”的简历，那么您将拥有（python）：

import numpy as np
D=[["I","know","python"],["I","know","java"]] # list of Documents
skils=["java"] # list of skils
I=[len(list(set(skils) & set(d))) for d in D]
R = sorted(range(len(I)), key=lambda k: I[k]) # rank of intersection with the skillset
best_resume=R[0]
print (R)

我希望它有用。 祝你好运。