我目前正在使用一个简历解析器API，该解析器通过REST API调用批量解析简历，并以JSON形式提供输出。我试图评估提取的信息(如教育、经验、技能、概述(是否与原始简历相符。是否有任何命名实体识别管道来测试准确性？
我曾尝试用一条特定的信息(如教育、经验、技能、概述(计算原始简历和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http://www.davidsbatista.net/blog/2018/05/09/Named_Entity_Evaluation/，但是，我仍然在寻找一些能够解释简历特殊性的东西，包括章节和小节。
要测试简历解析器的准确性，您确实需要自己构建一个解析器，但这并不容易。请注意，NER标记/评估只是流程中的一小步。还有很多微妙之处在你的评分算法中可能看起来微不足道，但对人类来说很重要，比如知道某个日期范围适用于他们在微软工作的时间，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50份简历的输出，并手动对输出的质量进行评分
- 使用另一个第三方API(其中大多数将提供免费试用版(，并通过程序比较输出。(例如，尝试https://affinda.com/resume-parser/，它是我最近帮助构建的(