💻 Code | 🤗 Model | 🤖 Demo | 📑 Technical Report
English | 中文
## 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。 [demo](https://github.com/user-attachments/assets/5814b880-cdb5-41d8-9534-cf6e6909c136) ## 快速开始 ### 环境要求 - Python >= 3.9 - CUDA >= 11.0 (可选，用于GPU加速) - 内存 >= 8GB - 存储 >= 10GB #### 本地模型部署额外要求 - GPU: 推荐 NVIDIA GPU，6GB+ VRAM（用于本地模型推理） - 内存: 推荐 16GB+（本地模型需要更多内存） - 存储: 每个模型需要 2-10GB 存储空间 ### 安装步骤 1. **克隆项目** ```bash git clone https://github.com/alibaba/SmartResume.git cd SmartResume ``` 2. **创建conda环境** ```bash conda create -n resume_parsing python=3.9 conda activate resume_parsing ``` 3. **安装依赖** ```bash pip install -e . ``` 4. **配置环境** ```bash # 复制配置文件模板 cp configs/config.yaml.example configs/config.yaml # 编辑配置文件，添加API密钥 vim configs/config.yaml ``` ### 基本使用 #### 方法1: 使用命令行界面（推荐） ```bash # 解析单个简历文件 python scripts/start.py --file resume.pdf # 指定提取类型 python scripts/start.py --file resume.pdf --extract_types basic_info work_experience education ``` #### 方法2: 使用Python API ```python from smartresume import ResumeAnalyzer # 初始化分析器 analyzer = ResumeAnalyzer(init_ocr=True, init_llm=True) # 解析简历 result = analyzer.pipeline( cv_path="resume.pdf", resume_id="resume_001", extract_types=["basic_info", "work_experience", "education"] ) print(result) ``` ### 本地模型部署 SmartResume 现在支持使用 vLLM 进行本地模型部署，减少对外部 API 的依赖： ```bash # 下载 Qwen-0.6B-resume 模型 python scripts/download_models.py # 部署模型 bash scripts/start_vllm.sh ``` 详细的本地模型部署指南请参考 [LOCAL_MODELS](docs/LOCAL_MODELS.md)。 ## 核心特色 | 指标类别 | 具体指标 | 数值 | 说明 | |---------|---------|------|------| | **布局检测** | mAP@0.5 | **92.1%** | 高布局检测精度 | | **信息抽取** | 整体准确率 | **93.1%** | 高准确率 | | **处理速度** | 单页处理时间 | **1.22s** | 高性能 | | **多语言支持** | 支持语言数 | **多种** | 覆盖全球主要语言 | ### 基准结果 详细的基准测试结果请参考 [基准测试结果](docs/BENCHMARK_RESULTS.md)。 ## 配置说明 详细的配置选项请参考 [配置指南](docs/CONFIGURATION.md)。 ### 快速配置 复制配置模板并根据需要编辑： ```bash cp configs/config.yaml.example configs/config.yaml ``` 主要配置区域： - **模型设置**: API密钥、模型选择和参数配置 - **处理选项**: OCR设置和输出格式 - **本地模型**: vLLM部署和GPU配置 ## License Information 本项目采用 [LICENSE](LICENSE)。 未来我们将逐步替换为更宽松许可的方案，以提升用户友好度与灵活性。 ## 重要说明 受限于开源合规性问题，代码是重构版本，内部PDF解析和OCR无法公布，使用的开源版本平替，部分功能未全部兼容。 ## TODO List 1. **避免每次加载模型、兼容vllm部署后调用** - 优化模型加载机制，避免重复加载，并兼容vLLM部署后的调用方式 2. **水印和损坏PDF解析走OCR链路** - 对于有水印或损坏的PDF文件，使用OCR链路进行解析 3. **更简单的调用方式** - 简化API调用方式，提升易用性 ## Acknowledgments - [PDFplumber](https://github.com/jsvine/pdfplumber) - [EasyOCR](https://github.com/JaidedAI/EasyOCR) ## 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} } ``` --- **注意**: 请确保项目使用遵守相关法律法规和隐私政策。