简历基本信息

2025-01-07

简历基本信息（共12篇）

1.简历基本信息篇一

简历个人基本信息的写法

(3)8个号码之间加一个-来分节。参考国际上通行的电话号码分节方法，采用四四分或者三四分的方法比较好，即最后一节为四个数字的规范原则，如7454-5775，454-5775。这样，认读和拨打起来都比较容易，否则，第一次打可能会看错、拨错，万一碰上没有耐心的秘书，你就失去了机会。对比一下，同样一个号码，这样写74545775易读易记么?

(4)用留言留住面试机会。国外很流行使用留言电话，有人为找工作，专门去买留言电话，条件允许你也可以酌情准备一个。随着国际间商业文化交往的增多，外企招聘经理中愿意在电话中留言的人越来越多了。如果没有条件买留言电话，不妨征得家人和室友的配合，用留言的方式帮你与招聘公司保持联系。

经常会出现这么一种情况：你出门了，朋友打来电话，回来时，妈妈有一搭没一搭地告诉你：今天有人来电话找你。你会兴奋地问：谁来的?一般她只会告诉你是个男的或是个女的，当你愤愤地问到：你怎么不问他的电话呀?妈妈往往会一脸无辜地回答：我还没问呢，他就挂了。

如果你事先告诉妈妈要询问清楚来电者的公司、姓名和联系电话甚至更多信息，又怎么会出现这种哑巴吃黄连的情况呢?

注：可能有的同学认为这里讲的内容过于琐碎。如果你只想在一家很普通的小公司谋得一个职位，这些细节对你来讲的确大可不必，但大多数学生还是以能进入外企或者正规中资企业工作为目标，如果你不能从小处着手准备求职，怎么能构建出一份让招聘公司从大处着眼的简历呢?点滴成河，无数小错聚在一起就成了一个漏洞百出的不合格产品。相反，如果招聘经理能从简历中看出你的公文写作技巧天衣无缝，会理所当然地认为你早已在思想上和行动上与他们保持了高度的统一，你正是他们所期望的人才。

2.简历基本信息篇二

随着互联网信息的不断丰富,人们对于互联网信息的获取要求也在不断提高,特别是对于互联网的参与者—人的信息了解要求越来越多,希望获得关于某个人的出生、学习、工作等一系列经过整理的结构化简历信息。而如何从自然表达的文本信息中抽取出这些结构化的简历信息是本文研究的主要研究目的。

一个人的简历信息包含了关于一个人的出身(生日、籍贯、居住地)、学习经历(入学毕业,专业,学位)、工作经历(在某公司担任的职位,合作伙伴还是所有者,进入或者离开某个机构等)。在网页数据中包含很多这样的信息,新闻报道在介绍主人公的时候会以一两句话带出一个人的职业信息;博客或者个人主页上则包含更多由自己或者他人编辑的人物介绍;百科全书网站Wikipedia[10]更是包含了550000条之多的关于人物传记性经历的条目。Wikipedia上的人物传记信息不仅仅包含详细的文本信息,同时包含结构化的InfoBox信息,Info Box通过属性-值对的形式展示了一个人的基本简历信息。例如在bill gates的info box中,列出了他的出生、居住地、毕业学校、职业经历以及配偶子女数和财富值等信息。Info Box来源于用户的编辑而非自动生成,因此其中涉及的组织机构或者其他人物都是可以当做一个人的经历组成的一部分,对于那些时间短暂的参观或者旅行,用户在编辑的时候是不会将这些信息列入到一个人的Info Box中来,所以Info Box体现了人们对于简历信息的语义认识。

传统的信息抽取IE主要集中在从较小的同类语料中抽取特定类型的信息,从一堆通知信息中抽取出会议的时间和地点信息。随着IE技术的发展,信息抽取技术的研究已经逐渐转变到基于实体之间特定关系的抽取领域[1]。这里的关系是由特定的关系表示模式来指定,例如,(<proper noun>,graduated from, <proper noun>)指定了某人毕业于某个学校这样一种关系,和本文中设定的简历信息抽取相比,这种特定关系只不过是关于一个人学习经历类型的一个实例。一个人的学习经历可以有多种关系表述方式,除了毕业”graduated from”,还有注册”enrolled in”,退学”drop off”等等。而属于工作类型的关系表述则更多,远远超出了人工设定的范畴。本文研究的不仅仅是这种有特定关系表示的抽取,同时还要在此基础上结合Wikipedia中人们编辑简历信息的知识将实体关系进行分类对齐到出身、学习、工作等三种不同的关系类型中,从而得到一个人的基本简历信息。

1相关工作

信息抽取的处理对象是基本的网页数据,网页数据包含表格式信息和自然语言的文本类信息,对于不同的数据类型,有不同的处理方法。主要有基于网页html表格标签的结构化信息进行实体之间关系抽取[3,5];在进行实体关系抽取时结合文本信息的命名实体识别结果以及html标签[6];以及基于文本分词和命名实体识别处理的结果进行实体关系信息抽取[1,2,4,7,8]。应用分词或者命名实体识别是大多数信息抽取方法的第一步,总的来说,这些方法主要可以分为开放[1,2]和闭合[4,7,8]两类。

开放类方法之所以开放,是因为该方法不受抽取关系类型的限制,无须指定抽取关系集。文献[1]中首先提出了开放式信息抽取模型(OpenIE),该模型应用自然语言处理的分块技术标记处句子中的动词、名词短语,以名词短语作为关系抽取的对象,对象之间的短语作为关系表示,构成信息抽取结果的三元组表示,利用启发式规则过滤完全不符合关系表示的元组,并进一步根据训练数据学习得到基于关系表示特征的贝叶斯分类器将合法可靠的关系三元组保留下来。在文献[2]中改进了开放式实体关系信息抽取模型,利用条件随机场CRF(Conditional Random Field)直接对句子中可能出现的关系三元组进行序列化标注,从而标注出关系参与的实体和关系表示在文本句子中的起始位置,将关系抽取转化为和命名实体识别以及分词等类似的线性标注过程。

闭合式信息抽取应用抽取模式对文本信息进行抽取,只有符合模式的关系元组才可以保留下来。在文献[4,8]中,模式由参与关系的实体对应的标记、左边实体的前缀、实体之间的关系表示组成、右边实体的后缀等五元组构成,而在文献[7]中的模式由关系实体本身和关系表示的三元组构成,对关系实体上下文信息的不同利用方式构成了模式的差异。利用模式进行信息抽取,首先需要发现模式和对模式进行筛选。文献[8]通过Bootstrapping的方式将这两个步骤结合到一起:给定种子得到初始抽取模式集合;从抽取模式中选出可靠的模式对文本进行关系抽取得到新的关系元组;利用种子元组对新抽取的关系元组进行筛选得到可靠的关系元组,并将其加入种子关系元组集合,如此不断迭代,这样种子关系元组不断扩大,抽取模式也不断增加。

基于序列化标注的开放式信息抽取方法相比指定特定个类型的抽取方法,前者的优势在于扩大了信息抽取的范围,而后者的优势在于能够更好地限定抽取关系表示的语义。本文的简历信息抽取将结合这两个优势,利用基于序列化标记的抽取模式抽取候选简历关系元组,同时限定关系在“简历”概念中的出身、学习、工作的范畴。无论是学习还是工作,都是语义概念层面的表达,简历信息抽取就是要将这些概念上相近的关系元组抽取出来,并能够准确的分类,而不会将工作信息元组混淆到学习经历中来。本文为解决简历信息抽取问题,首先在自然语言的句子分块CHUNK和命名实体识别NER标记的结果上提取出简历信息抽模式。然后将Wikipedia的人物传记条目对应的Info Box不同的属性划分到出身、学习、工作三类简历信息中,并从Wikipedia对应的原始文本信息中得到关于这三类简历信息的关系表示集合,将这些关系表示加入到简历信息抽取框架中,实现对这些元组到出身、学习、工作的分类对齐。

2基于Wikipedia的简历信息抽取

2.1抽取模式定义

在人的简历信息抽取中,人是实体参与中不可缺少的,另外的实体则可能是时间、地点、组织机构等。人和另外实体之间发生关系大体上有两种方式,通过动作和通过人在其中的角色或者担任的职务来确定。这两种方式对应在自然语言的表示上有很大差异,另外,通过职务或者角色关系人和实体基本确定两者之间属于简历信息的语义范畴。而通过动作关联人和实体并不一定表示人和实体之间存在工作、学习等关系。鉴于这些差异,本文定义了两种不同的抽取模式。

本文的抽取模式基于句子分块CHUNK和命名实体识别NER标记。句子分块主要是识别出句中的动名词短语,分块涉及的标记有三种:名词性短语NP,动词性短语VP,介词PP。在此基础上进一步对句子进行NER标记,得到对NP的4种不同命名实体标记:地点Location,时间Time,组织Organization,人物Person。表1展现了一个句子的分词标记、分块标记的对齐关系。

分块之后的标记为NP_VP_NP、PP_NP,经过命名实体识别之后得到标记为NP_Person_VP_NP_Time、 PP_NP_Location。除此之外,一个人的职业名称Profession同样是简历信息不可或缺的一部分,这里应用职业词典对包含职业的NP进行标记,表1中的poet因为包含在职业词典被标记为Profession,最终表一句子对应的标记为NP_Profes sion_Person_VP_ NP_Time、PP_NP_Location。经过分块、命名实体识别、职业识别得到的句子标记作为抽取模式的基本表示。

人和实体之间通过动词短语VP和职业Profession两类标记产生关联,通过VP发生的关联需要进一步将VP包含的语义控制在“简历”概念范围内,而通过职业标记产生的关联只要职业标记、人名、组织机构在连续的NP中,这里“连续”指的是中间不夹杂其他NP短语。对应的抽取模式分为包含单一动词短语的Single_VP和包含Profession的None_VP两类分别处理,简历关系元组(Tuple)表示为:

t=<eperson,eother,R>

其中eperson为人名实体,eother为其他机构实体,R为关系表示。在经过标记的语料中,我们应用启发式规则如关系三元组要出现在临近的分块标记内,eperson之前不能出现VP等,人名和组织机构之间不包含从句;分别选择出现频率最高的前K和L个符合None_VP和Single_VP要求的模式作为关系抽取的模式集合,表2是从处理语料中得到的部分模式集合。

在Single_VP模式中,动词作为关系表示包含了许多不是个人简历范畴的语义关系,因此需要对Single_VP模式下得到的动词关系表示进行过滤。本文在下一节中将介绍应用Wikipedia作为知识库对Single_VP下抽取到得关系元组进行过滤。

2.2基于Wikipedia的简历信息抽取

Wikipedia中人名条目对应的Info Box信息人手工根据文本信息抽取得到关于一个人的简历元组的集合,以属性-值对的形式出现,图1为Bill Gates的Wikipedia的Info Box信息,图2的阴影部分显示Info Box和Wikipedia网页内容的对应关系。

从图1和图2中的对应关系可以看出,Info Box不仅抽取出简历元组,而且将简历元组分配到相应的属性中。这里首先将Info Box中的属性划分到出身、学习、工作三类简历信息中,将college、Alma master等对应到教育学习类型,将occupation、team等对应到工作类型,born、birthday对应到出身类型,利用Info Box的模板就可以整理出这些对应关系。我们根据属性对应的值找到文本中对应的句子并将其分块标记,进一步找到和当前属性值发生关系的最邻近VP,并将其加入到相应简历类型的VP词典BirthVPDic={VP1,VP2,…,VPB}、WorkVPDic、EduVPDic。

给定Single_VP模式抽取得到候选关系元组t=<eperson,eother,VPr>,简历信息类型集合RelationType={Birth,Work,Edu,None}(其中None表示不属于任何类型),根据关系表示VP和不同简历类型VP词典的相似度,从中找出最大相似度的关系类型作为t的关系分类,关系判别算法如图3所示。

图3中算法步骤2～8的过程从三种不同类型的关系词典中算出和当前元组的关系表示VPr的最大相似度以及对应的关系类型,通过在步骤9～11中通过最大相似度和阈值比较决定关系类型所属类别,如过大于阈值,将VPr加入到对应的关系类型词典中,否则置关系类型为None(步骤12)过滤关系元组t。

如何计算关系表示中的相似度是关系判别算法的重点。文献[11]中提出了基于关系表示在实体对上的概率分布的相似度度量方法:

$S i m D i s t r (V Ρ_{r}, V Ρ_{i}) = \frac{D i s t r V Ρ_{r} \cdot D i s t r V Ρ_{i}}{| D i s t r V Ρ_{r} | \times | D i s t r V Ρ_{i} |}$ (1)

DistrVPr=(Pent-pair1,…,Pent-pairN)

DistrVP表示VP在N个实体对上的概率分布向量,P为标准化之后的概率,VP和实体对ent-pair出现在一起的次数越多,则对应的概率P越大。除了概率分布,关系表示本身存在的近义词和同义词关系也可以作为相似度计算的考虑因素,WordNet[9]提供了计算单词相似度的接口。本文结合公式1中的概率分布相似度以及WordNet计算VP中核心动词(分词标记为VBN的单词)相似度的加权平均作为两个关系表示的相似度:

Sim(VPr,VPi)=wo·SimWord(VPr,VPi)+wd·SimDistr(VPr,VPi) (2)

其中SimWord为动词VPr和VPi之间的WordNet相似度,SimDistr是通过式1计算得到的相似度,Wo和Wd为两种不同相似度设定的权值。

对于以职业Profession为关系表示的None_VP模式抽取得到的简历关系元组,我们通过划分出和教育以及出身相关的Profession集合、剩余部分为工作相关Profession来直接对关系元组分类。

3实验结果和分析

3.1实验数据和参数设置

实验数据的训练数据主要有来自Wikipedia的关于人物传记的网页数据5000个(DataSet1,这些数据可以通过DBpedia下载得到),以及从搜索引擎上用100个英文人名作为查询得到的包含人物简历信息的17000个句子(DataSet2),数据主要来自新闻类型的网页内容。通过DataSet1中Info Box和原始的Wikipedia网页内容学习得到初始的三个动词列表BirthVPDic、WorkVPDic、EduVPDic;通过DataSet2对句子进行分块以及命名实体识别后按照出现频率筛选得到抽取模式集合None_VP以及Single_VP集合,对应的筛选频率阈值为20和35。式(2)中相似度计算权重wo=0.65,wd=0.35。测试数据为网上搜集的1000条包含人名和其他命名实体类型的句子GoldSet,经过人工标注后的都的简历元组有350个,其中工作类型231个,教育经历类型78个,出身类型41个。

3.2实验评测与结果

3.2.1 实验评测

实验主要通过评测抽取简历关系元组的精度P和召回率R以及F值:

$Ρ = \frac{| Τ \cap Τ^{'} |}{| Τ^{'} |} R = \frac{| Τ \cap Τ^{'} |}{| Τ |}$ (3)

$F = \frac{2 \times Ρ \times R}{Ρ + R}$ (4)

其中T为人工标注的关系元组集合,T′为抽取得到的关系元组集合。

实验的对比方法选用OpenIE的TextRunner系统在GoldSet上进行关系抽取,由于OpenIE无法进一步判断关系元组对应的简历类型,因此对比实验只比较整体的抽取精度和召回率。

3.2.2 实验结果与分析

按照2节中的方法和OpenIE中TextRunner系统对GoldSet进行抽取,本文方法抽取得到的关系元组297个,TextRunner系统抽取得到关系元组为417个,对应的精度和召回率如图4所示。

从图4可以看出本文的方法在召回率上下降10%,但是精度上提高了17.8%。原因在于None_VP和Single_VP限定了简历元组在句子中的表达方式以及简历元组判别的进一步过滤,两个因素结合在一起确保了较高的精度,使得在召回率下降10%的前题下使精度提升到91.2%。

实验进一步统计了在三种不同简历类型中的精度召回率如表3所示。

从表3中可以看出教育和出身类型的简历元组精度和召回率都比较高,原因在于这两类经历在内容表述上模式基本固定。None_VP中的职业Profession词典能够全面准确地覆盖其关系表示,而且相关的动词VP较少,歧义性也小。在工作类型的简历元组中,以职业Profession为关系标记的元组精度比以动词为关系的精度高,原因在于部分动词歧义性较强,例如“leave”离开某个组织,既可以出现在因毕业或者辍学离开学校的学习教育经历中,也可以出现在从某公司辞职的工作经历中,类似的动词还有return等。从概率分布上看这些动词主要在工作经历中出现,导致本来应该表示学习教育和出身的简历元组误分到了工作类型中,另外在表述工作类型的句子中有较多在人名和组织机构之间穿插从句,超出了抽取模式的处理范围,导致工作类型下的召回率相对较低。

4结论和展望

本文提出了基于Wikipedia的实体关系抽取方法,抽取网页数据中存在的出身、学习教育、工作等简历信息。利用自然语言处理中的句子分块和命名实体识别对句子进行标记,在经过标记的句子上使用Single_VP和None_VP两类抽取模式,抽取以动词短语和职业称谓作为关系表示的实体—关系三元组,并结合Wikipedia提出了简历关系元组判别算法,对难以处理的Single_VP模式抽取得到的关系元组进行分类、过滤得到最终的简历元组及其对应的类型。实验结果表明本文的方法能够准确抽取简历类型的实体关系和判别实体关系类型。

本文未来的工作是改进抽取模式,使得在人名和组织机构之间带有复杂从句的句子也能够得到处理。本文更进一步的是基于段落级别的抽取,因为无法找到人称代词对应的人名,目前还不能处理以代词指代人名的句子,所以在包含人称代词和其他命名实体的句子中抽取简历类型的关系元组,是本文未来工作的重点。

目前简历信息抽取已经在现实中得到了应用,例如ZoomInfo[12]通过挖掘人们在互联网上的简历信息为猎头公司或者招聘单位提供全面客观的关于个人信息的搜索服务。随着这一技术的成熟,我们可以为所有实体对象构建简历信息,从而实现面向对象的搜索。

参考文献

[1] Michele Banko, Michael J Cafarella, Stephen Soderland,et al. Open Information Extraction from the Web[C]//IJCAI-07:2670-2676.

[2]Michele Banko,Oren Etzioni.The Tradeoffs between Open and Tradi-tional Relation Extraction[C]//Proceedings of ACL-08:HLT,June2008:28-36.

[3] Michael J Cafarella, Jayant Madhavan,Alon Halevy. Web-Scale Extraction of Structured Data[J]. SIGMOD Record, 2008,37(4).

[4] Marius Pasca, Dekang Lin. Names and Similarities on the Web: Fact Extraction in the Fast Lane[C]//Proceedings of ACL'06:809-816.

[5]Sujith Ravi,Marius Pasca.Using Structured Text for Large-Scale At-tribute Extraction[C]//CIKM'08:1183-1192.

[6]Ying Chen,Sophia Yat Mei Lee,Chu-Ren Huang.PolyUHK:A RobustInformation Extraction System for Web Personal Names[C]//Proceed-ings of the 2nd Web PeopleSearch Evaluation Workshop(WePS-09)at18th Inter-national World Wide Web Conference,2009.

[7]Etzioni M,Cafarella D,Downey S,et al.Unsupervised named-entityextraction from the web:An experimental study[J].Artificial Intelli-gence,2005,165(1):91-134.

[8] Agichtein E,Gravano L. Snowball: Extracting relations from large plain-text collections[C]//Proceedings of the Fifth ACM International Conference on Digital Libraries, 2000.

[9]Ted Pedersen,Siddharth Patwardhan,Jason Michelizzi.WordNet:Sim-ilarity-Measuring the Relatedness of Concepts[C]//Proceedings of theNineteenth National Conference on Artificial Intelligence(AAAI-04):1024-1025.

[10] http://en.wikipedia.org.

[11] Danushka T Bollegala, Yutaka Matsuo, Mitsuru Ishizuka. Measuring the Similarity between Implicit Semantic Relations from the Web[C]//WWW '09:651-660.

3.信息技术与文化传媒业富人简历篇三

156.7亿元

总排名32百度

男 42 出生于山西阳泉美国布法罗纽约州立大学计算机科学硕士

公司总部：北京

主要行业：搜索引擎

行业地位：中国最大的搜索引擎

上市公司：百度（BIDU.NASD），

2005年8月IPO

李彦宏1999年与好友徐勇创建百度。2009年的央视曝光引发百度竞价排名模式遭受商业道德拷问，李彦宏当年4月舍弃这一模式而取“凤巢”广告系统，目前超过70%的客户完成了從百度搜索推广经典版向“凤巢”的迁移。2009年百度网页搜索请求量市场份额继续提升2.8个百分点，至76%。2009年百度营业收入44.5亿元，同比增39.1%；净利润14.85亿元，同比增41.7%。百度股价也是扶摇直上，2009年升幅204%，2010年受谷歌退出中国市场影响，百度股价在短短一个季度内再度升50%。

3丁磊

149.6亿元

总排名38网易

男 39 出生于浙江宁波成都电子科技大学

公司总部：广东广州

主要行业：门户网站、网络游戏

上市公司：网易（NTES.NASD），

2000年6月IPO

丁磊1997年创立网易。受2009年9月《魔兽世界》重新运营推动，网易当年4季度网络游戏收入达11亿元，同比大增62%；与网易截然相反的是，失去《魔兽世界》的第九城市网络游戏收入锐减，2009年三季度仅有0.26亿元的收入，同比减94%，环比减91%。

4陈天桥家族

112.1亿元

总排名53盛大网络

男 37 出生于浙江新昌复旦大学经济系

公司总部：上海

主要行业：网络游戏、网络文学

上市公司：盛大网络（SNDA.NASD），

2004年5月IPO

2009年盛大在实现多元化布局上动作不小，将2005年就有的多元化构想落到实处：一方面打造了完整的文学产业链，盛大文学旗下已经囊括五大文学网站，占据中国网络文学90%以上的市场份额；另一方面，以4620万美元收购内容提供商华友世纪，转型为多元化媒体娱乐集团的意图明显。在其2009年10月将盛大游戏分拆上市之后，收购华友世纪也引发市场猜想，盛大将会分拆盛大文学，或将借壳华友世纪。盛大还介入电子书这一终端，搭上移动互联网这趟快车，2009年12月盛大成立果壳电子，运营电子书项目。

5张志东

108.2亿元

总排名57腾讯控股

男 38 出生于广东东莞华南理工大学计算机系硕士

公司总部：广东深圳

主要行业：即时通讯服务

行业地位：中国注册用户最多的即时通服务供应商

上市公司：腾讯控股（00700.HK），

2004年6月IPO

腾讯执行董事兼首席技术官张志东拥有腾讯6.43%的股权。

6王丽丽/孟庆南

92亿元

总排名73武汉凡谷

女/男 59/52 本科/大专

公司总部：湖北武汉

主要行业：通讯软件开发及通讯设备制造

上市公司：武汉凡谷（002194），

2007年12月IPO

王丽丽曾供职于武汉710 厂，1989 年，她与丈夫孟庆南等人创立武汉凡谷电子技术研究所，目前二人及其子孟凡博控制武汉凡谷68.5%的股份。作为中国最大的移动通信天馈系统射频器件供应商，2008年武汉凡谷的射频器件销量占全球市场的份额达9%，是华为最大的供应商，随着华为国际份额和地位的提升，其国际市场份额也将得到提升。

7马云

80亿元

总排名87阿里巴巴

男 46 出生于浙江杭州杭州师范学院

公司总部：浙江杭州

主要行业：电子商务

上市公司：阿里巴巴（01688.HK），

2007年11月IPO

阿里巴巴提出“大淘宝”战略，除了B2C和C2C链条，还打通包含IT、渠道、服务、营销、仓储物流等电子商务生态链的各个环节。2009年，阿里巴巴大举投资，对外投资额高达12.2亿元，其中收购阿里软件及中国万网就耗资4.1亿元。受此影响，其2009年纯利仅为10.13亿元，同比降12.3%。2010年仍是其“投资年”，3月投资星晨急便公司，向物流业延伸。

8王文京

74亿元

总排名98用友软件

男 46 出生于江西上饶江西财经大学

公司总部：北京

主要行业：计算机应用软件

行业地位：中国市场份额最大的软件公司

上市公司：用友软件（600588），

2001年5月IPO

2009年，王文京带领用友软件，进一步外延式扩张。继2008年斥资4.6亿元收购方正春元等近10家公司后，2009年动用2. 08亿元现金收购17家行业软件及网络公司，丰富产品线，拓展应用领域。用友软件的进取为其赢得更多市场份额。2009年在中国管理软件市场所占的份额从2008年的21.3%上升至22.2%，保持行业第一；其主要竞争对手金碟软件和SAP在2009年的市场份额则从2008年的10%和9.9%下滑至9.8%和9.7%。2010年初，用友发布《新三年战略规划》，将医疗和BI领域纳入公司战略，未来3年内将实现年收入60亿元的目标。

9徐勇

56.4亿元

总排名133百度

男 44 出生于北京美国德州A＆M大学博士、斯坦福MBA

公司总部：北京

主要行业：搜索引擎

上市公司：百度（BIDU.NASD），

2005年8月IPO

百度创始人之一的徐勇，在百度上市时拥有7%的股份。

10张朝阳

53亿元

总排名144搜狐

男 46 出生于陕西西安麻省理工学院物理学博士

公司总部：北京

主要行业：门户网站、网络游戏

上市公司：搜狐（SOHU.NASD），

2000年7月IPO；

畅游（CYOU.NASD），

2009年4月IPO

继2009年4月搜狐将网络游戏部门畅游分拆上市后，中国赴美上市互联网企业纷纷效仿搜狐分拆上市，9月盛大在线将游戏部门分拆上市，10月新浪分拆房地产网络业务CRIC上市，中华网也将分拆游戏业务，网易将分拆广告业务，金山将分拆企业软件部门，巨人、完美时空均表示分拆上市。

11李仲初

50亿元

总排名152石基信息

男 47 出生于湖南涟源航天部二研院工学硕士

公司总部：北京

主要行业：酒店信息管理系统

上市公司：石基信息（002153），

2007年8月IPO

原为航天部专家的李仲初，1998年涉足酒店信息管理领域。2008年通过整合Infrasys International的POS系统和Infor的财务系统，加强在高档酒店中的垄断地位。2010年2月，石基信息与国际酒店管理系统供应商Micros签署协议，作为其在中国的独家代理商，期限至2017年6月，进一步巩固了在高档酒店领域的垄断地位。

11江南春

50亿元

总排名152分众传媒

男 37 出生于上海华东师范大学中文系

公司总部：上海

主要行业：楼宇广告、户外媒体

上市公司：分众传媒（FMCN.NASD），

2005年7月IPO

2008年广告行业整体经营环境恶劣，加之2005-2007年横扫各细分市场之后缺乏新的利润增长点，分众传媒当年净亏损7.7亿美元。2009年广告业务复苏明显，分众传媒总营收为5.05亿美元，同比下滑21%，净亏损收窄为2.088亿美元。其未来增长将集中在三四线中小城市的扩张。此外，分众传媒也开始谋求广告内容上的新尝试，目前已与全国主要电影制片商建立合作关系，将在楼宇视频广告中播出更多片花广告。

13沈锦华

48.1亿元

总排名167焦点科技

男 43 上海交通大学工学学士东南大学工学硕士

公司总部：江苏南京

主要行业：计算机应用服务业

上市公司：焦点科技（002315），

2009年12月IPO

沈锦华1996年创办南京焦点，1998年注册国际顶级域名“Made-in-China.com”，并发布英文版，向中小企业提供B2B电子商务平台服务。焦点科技的扩张主要来自两方面：一是新增收费会员及原有会员续约，2009年底，其共有注册收费会员10638位，其中英文版收费会员为9872位，同比提升12%，且2009年续约率同比提升10%，客户粘度增加；二是增值业务的创新，焦点科技正在推动网络保险和货运订仓服务两个新产品。

14薛向东家族

45.5亿元

总排名182东华合创

男 51 出生于山东泰安湖南大学计算机系

公司总部：北京

主要行业：应用软件、系统集成

上市公司：东华软件（002065），

2006年8月IPO

技术出身的薛向东1992年下海创业。东华软件奉行外延式扩张战略，2008 年以来收购或参股了联银通、厚盾科技、东方通和神舟新桥，分别完善了公司在ATM、预算管理软件、中间件产品和大银行客户等方面的业务。

15吴征/杨澜

40亿元

总排名215阳光媒体投资

男/女 44/42 出生于北京/上海美国华盛顿大学硕士/哥伦比亚国际事务学硕士

公司总部：上海

主要行业：传媒、投资

上市公司：Sun3C多媒体，伦敦AIM上市

2000年借壳良记股份上市的阳光文化，由于阳光卫视的拖累一路亏损，最终将阳光卫视70%的股份作价8000万元转让给星美传媒，目前阳光卫视隶属陈平的泰德时代集团。阳光文化也在2004年与泰德集团进行业务整合，成立泰德阳光。在资本市场销匿两年的阳光传媒，在2006年投资盛大在伦敦AIM上市的Sun3C，组建合资公司，打造手机媒体。

16陈国鹰家族

34.4亿元

总排名281国脉科技

男 47 出生于福建惠安厦门大学数学系

公司总部：福建福州

主要行业：通信服务

上市公司：国脉科技（002093），

2006年12月IPO

曾任职于邮电科学研究院、福建省邮电规划设计院的陈国鹰1996年创建国脉通信。2008年国脉科技改变盈利模式，从“与运营商合作分成”转向“与国际设备商战略合作获利”后，运行良好，但目前过于依赖大供应商，2009年来自国际设备商Juniper的采购额更进一步增至2.31亿元，占其总收入的68.52%。

17王忠军/王忠磊

32亿元

总排名295华谊兄弟

男/男 50/40 美国纽约州立大学大众传媒硕士/北京青年政治学院

公司总部：北京

主要行业：电影电视

上市公司：华谊兄弟（300027），

2006年12月IPO

王忠军、王忠磊兄弟1994年创办华谊兄弟的前身华谊兄弟广告公司，2003年电影制作向民间资本和外资开放，推动华谊兄弟迅速成长，华谊兄弟吸引TOM集团、雅虎中国、分众传媒的资金4亿元，扩展产业链的各环节，涵盖经纪、制片、发行、院线等。全产业链布局奠定其扩张基础，2009年，公司实现营业收入6.04亿元，同比增长47.59%；净利润8455.26万元，同比增长24.22%。2010年，华谊兄弟继续在网游和影院方面拓展，2009年12月IPO募资的11.6亿元主要投向电影、网游和影院。公司计划2010年开业影院6-8家，并在考察网游市场，挖掘电影、电视剧、网游的协同效应。

18池宇峰

31.9亿元

总排名300完美时空

男 39 出生于北京清华大学化学系

公司总部：北京

主要行业：网络游戏

上市公司：完美时空（PWRD.NASD），

2007年7月IPO

池宇峰1994年在深圳白手起家，先后创办洪恩实业公司和金洪恩科技发展公司。2004年他创办完美时空，进入网游业。2007年，完美时空网络扭亏为盈，在年中顺利登陆纳斯达克后，在美国筹建子公司，2010年又设立欧洲子公司。不断开拓新市场及网游行业的持续增长，使其2009年营业收入为21.4亿元，同比增49.2%；净利润为10.37亿元，同比增60.4%。2009年度完美时空的另一举措是介入电影行业，《菲常完美》为完美时空贡献4980万元的营收，其未来还将推出《笑傲江湖》网游产品，电影和网游的协同效应将日益凸显。

19陈一舟

30亿元

总排名321千橡互动

男 41 出生于湖北武漢斯坦福大学MBA及电机工程双硕士

公司总部：北京

主要行业：互联网

陈一舟2002年创办千橡互动。2004-2006年分别收购猫扑网、Donews和校内网，旗下校内网被誉为中文的Facebook，拥有2500万用户。2008年4月，软银、SBI和Joho资本对千橡互动投资了4.3亿美元，获其35%股权。

19 渠万春

30亿元

总排名321高阳科技

男44北京大学国际政治系

公司总部：北京

主要行业：信息系统咨询及集成

上市公司：高阳科技（00818.HK），

2001年5月收购

渠万春曾一手创建从事金融系统集成的奥德集团，后奥德以换股形式出售给香港方正，并成为香港方正第二大股东，渠万春1999年参与逼宫王选，失败后带领高阳控股在香港借壳粤海建业上市。

21莫天全

29.1亿元

总排名346搜房网

男 46 出生于广西桂林印第安那大学经济管理博士

公司总部：北京

主要行业：房地产网站

搜房网由莫天全于1999年创办，早期战略投资人有IDG和高盛。公司从一手房项目信息发布开始，逐步进入二手房租赁、买卖和家居市场，现为中国最大的房地产专业门户网站。

22徐玉锁/陈光珠

25.3亿元

总排名385远望谷

男/女45/－西北电讯工程学院/－

公司总部：广东深圳

主要行业：RFID产品及解决方案

上市公司：远望谷（002161），

2007年8月IPO

徐玉锁曾任太原卫星发射中心雷达测量部工程师，1999 年创建远望谷。目前徐氏夫妇直接持有远望谷股份超过40%。

23傅利泉/陈爱玲

24.6亿元

总排名 405大华技术

男/女 43/43浙江大学EMBA在读

4.简历体育专业技能个人基本简历篇四

国籍：

中国

个人照片

目前所在地：

广州

民族：

汉族

户口所在地：

茂名

身材：

177 cm 66 kg

婚姻状况：

未婚

年龄：岁

培训认证：

诚信徽章：

求职意向及工作经历

人才类型：

应届毕业生

应聘职位：

市场销售/营销类:市场销售、房地产类

工作年限：

职称：

无职称

求职类型：

全职

可到职-物流类汽车类

随时

月薪要求：

2000--3500

希望工作地区：

广州

个人工作经历：

公司名称：

顺德杏联中学起止年月：2007-10 ～ 2007-1

2公司性质：

所属行业：

担任职务：

教育实习

工作描述：

获选优秀实习生

离职原因：

公司名称：

顺德大良“乡村之星”网球俱乐部起止年月：2007-10 ～ 2007-12

公司性质：

所属行业：

担任职务：

实习

工作描述：

离职原因：

公司名称：

茂名市体育中心网球场起止年月：2007-07 ～ 2007-09

公司性质：

所属行业：

担任职务：

教练和陪练

工作描述：

离职原因：

教育背景

毕业院校：

广东湛江师范学院

最高学历：

本科获得学位: 学士

毕业-

2008-06-0

1所学专业一：

体育教育

所学专业二：

受教育培训经历：

起始年月

终止年月

学校（机构）

专业

获得证书

证书编号

2004-09

2008-06

广东湛江师范学院

体育

毕业证

语言能力

外语：

英语一般

国语水平：

精通

粤语水平：

精通

工作能力及其他专长

语言能力：精通粤语和普通话，普通话水平国家二级乙等

英语水平：通过《高等学校英语应用能力考试》A级考核

计算机能力：通过全国计算机等级考试一级MS Office考核，熟悉Office操作

其他技能：

1、网球教练技能，多次网球教练、陪练经验；

2、各类体育比赛的组织与策划能力；

3、良好的人际交往沟通能力、组织策划能力和学生干部管理能力，多次组织学院/校同学参加学校和社会上的各种志愿者活动；

4、敏锐的市场洞察能力和自我谋生能力，大学生活凭借自己的市场观察能力实现完全自给自足。

个人擅长：网球、足球、田径、乒乓球、羽毛球、游泳

详细个人自传

学生干部经历：

2007年03月－2007年07月任体科院04体教（6）班团支部书记

2006年09月－2007年07月任2006级体育教育本科（5）班班主任助理

2005年09月－2006年01月任体科院04体教（6）班班长

2005年10月－2006年07月任学院学生会生活部部长

2004年10月－2005年07月任学院学生会生活部干事

社会实践经历：

2006年11月担任湛江市工业博览会志愿者工作；

2006年“五一”期间受聘参加湛江市新奥燃气公司市场调研及开发工作；

2005年至2007年期间，担任一小学生四年级至六年级语、数、英科目的家庭辅导教师，深得学生家长好评；

2005年暑假期间受聘为湛江市“牵手”饮料业务推销员；

2005年期间自主承担风险利润校园销售各种电话卡；

2005年“五一”期间受聘为“电信杯”湛师第三届网球公开赛裁判员；

2004年12月份受聘参加湛江市第十届运动会“广州湾”杯网球公开赛裁判工作；

2004至2006学年度曾多次组织策划学院同学参加缅怀革命烈士的清明节扫墓活动和到湛江市福利院慰问老人，献爱心活动；

大学自二年级起开始凭借自己的各项努力实现自给自足：运动器材的低进高出倒卖、旅店式经营出租房间、假期学生包车租凭、网络电话软件推销、创办家教中心、网球兼职教练等等。

获奖情况：

荣获湛师粤西高校“普大杯”网球邀请赛“优秀裁判员”称号；

荣获网球国家二级裁判证书；

荣获湛江师范学院第二届“国联杯”网球邀请赛双打第八名；

荣获04级网球团体赛团体第二名；

荣获湛师党校第56期入党积极分子培训班结业证书；

荣誉参加湛师学生干部培训学校（高级班）第六期学习，并获得结业证书；

荣获学院学生会“先进部长”和“先进部门”称号；

荣获04－05学年度学院学生干部“先进工作者”称号；

荣获04－05学年度湛江师范学院“优秀青年志愿者”称号并注册为中国志愿者；荣获04－05学年度湛江师范学院“卫生奖”；

荣获05－06学年度湛江师范学院“卫生奖”；

荣获05－06学年度湛江师范学院“体育奖”；

荣获05－06学年度“校级优秀学生干部”称号；

荣获05－06学年度体科院学风建设月“学风建设积极分子”称号

荣获05－06学年度湛江师范学院“三好学生”称号；

荣获05－06学年度湛江师范学院二等奖学金；

荣获06－07学年度湛江师范学院“卫生奖”；

荣获05－06学年度湛江师范学院“品德奖”；

荣获佛山市顺德区杏联中学优秀实习生称号。

个人留言：

不信天由命，不怨天尤人！

踏实＋勤劳＋智慧＋机遇＝成功

月薪要求：1800-3000元

5.个人基本简历篇五

姓名：易建平国籍：中国

目前所在地：成都民族：汉族

户口所在地：成都身材： 171 cm

婚姻状况：已婚年龄： 49

应聘职位：人力资源、行政

工作年限： 10以上

求职类型：全职可到职日期：随时

月薪要求： 4000--6000希望工作地区：成都

个人工作经历：四川创新家具有限公司：起止年月：2010-01 ～至今

公司性质：民营企业所属行业：办公家具

担任职务：行政人事经理

工作描述：

一、制定人力资源管理各项制度

1、制定公司人力资源管理的相关制度，并组织实施

2、根据公司发展的实际情况对人力资源管理的各项制度适时地进行修订与完善

二、招聘管理

1、根据公司发展计划及人员需求，组织做好员工招聘、调动、晋升、辞退等工作事宜；

2、对面试人员进行初试。

三、培训管理

1、组织制定公司的培训计划并监督实施；

2、培训效果的跟进及总结。

四、绩效考核管理

制定各部门的绩效考核制度并组织实施。

五、薪酬福利管理

1、负责各部门的薪资核算；

2、为员工办理社会保险及公积金事宜。

六、劳动关系管理

1、受理员工投诉和劳动争议事宜并予以及时妥善地解决；

2、组织劳动合同的签订工作；

3、组织各项活动，丰富员工生活。

工作业绩：在创新将近2年的工作时间内，一直担任人事行政经理职位。成功将公司的人力资源工作从原行政人事工作中独立出来，建立起了一套较为适合公司发展的人力资源制度，使以单纯的处理事务性工作为主的人事部门转化为较为全面的人力资源工作，使人力资源部成为公司核心的管理及服务部门。

毕业院校：山西大学

最高学历：大专毕业日期： 1984-07-01 专业：法律

工作能力：在人力资源六大模块有实务工作经验，其中招聘、员工关系模块实操能力较强；熟悉国家相关劳动法律法规；有良好的沟通协调能力，有亲和力，有较强的工作承压能力，适应力及学习能力强。

思想品德：工作认真负责，思想积极上进，能吃苦耐劳，有良好的职业道德观念。1984年——2000年在山西平阳机械厂，纪检处工作。后到成都个人发展，2010年1月在四川创新家具有限公司，负责行政人事工作，任经理。

6.简历基本信息篇六

1. 馆藏档案数字化。

从现阶段看, 数字化档案信息只是对现有各种档案信息资源的补充和丰富, 而以电子档案信息资源为基础的数字档案信息服务则更能满足广大利用者的需求。传统档案馆馆藏建设往往致力于馆藏档案信息和馆藏质量的建设, 它以收藏印刷型载体的档案为主。而数字化档案信息建设则朝着各种载体形式并存的方向发展, 大大增加了档案馆档案信息资源入藏的种类和数量。因此, 在开展馆藏档案数字化工作之前, 应要做好档案的优化工作。限制档案移交机关、控制入馆范围是优化馆藏的前期控制措施, 积极开展鉴定工作则是后期治理的关键。档案馆档案信息服务的质量不仅由馆藏档案质量来决定, 还要取决于其综合利用本地区、全国乃至全世界信息资源中的数字档案信息服务的能力。只有多种载体的档案信息资源并存, 才能向广大利用者提供准确、及时的档案信息服务。同时, 对馆藏档案的数字化应该有选择有计划地进行, 不同的档案馆可以根据自身的情况选择不同的建设标准。

2. 档案信息整合。

档案信息的生命力主要在于能够提供服务的信息资源的数量和质量, 而质量最为关键。如果只是扩充数量, 仅仅以占有档案信息为目的, 就会导致利用者面对浩如烟海的信息资源无从下手, 分散无序的信息最终会成为网络上的冗余数据。这也是档案馆的馆藏虽然增加很快, 但馆藏档案的利用率却不高的重要原因。显然, 加强国家档案信息资源建设的关键在于有效地整合对国家和社会具有永久保存价值的档案信息资源。档案信息资源建设实际上就是一项超大规模的档案信息资源在数字状态下重组和再创造的创新工程。在这项工程中, 要对已完成数字化的档案信息进行拆分、整理、分类、合并, 同时要深入开发利用, 以满足用户对信息“快、全、新、精”的需求特点。“快”就是提供信息服务的速度快;“全”就是信息源范围广、资料全;“新”就是指信息内容新颖;“精”就是内容要精湛。由于网络信息内容复杂, 要满足用户的需求特点, 就需要档案管理人员对复杂的信息进行加工整理, 为用户提供经过组织加工整序、脉络清晰的知识情报, 即对档案信息资源进行有效的整合。首先, 对本馆信息资源实施集成化组织与整合, 逐步实现馆内档案资源跨类型、跨载体、跨时空的信息检索与利用模式。传统档案信息资源局限于物理馆藏, 而网络环境下的档案馆藏资源, 从数量到规模都极大地丰富了档案文献信息资源基础。从信息资源的分布来看, 可分为现实馆藏和虚拟馆藏。现实馆藏是指本馆可以为利用者提供利用服务的馆藏档案, 包括传统的档案文献资源、馆藏目录等。虚拟馆藏是指通过本馆计算机系统及其通信设备可以共享的馆外信息资源。从档案文献载体来看, 有纸、磁、光、电载体档案文献, 分别对应印刷型、磁盘型、光盘型和网络型等。网络环境下档案信息资源的载体多元化、信息形态多样化、多种形式档案信息的共存互补, 形成了档案馆资源集成与整合的新格局。

3. 基础设施建设。

档案信息化的基础设施是档案信息化建设中非常重要的基本保障条件之一, 主要包括计算机软硬件基础环境和各类辅助设施, 如信息高速公路和宽带网、各种通信子网、内部局域网及与之配套的软硬件设备如交换器、路由器、大容量储存设备、高性能服务器以及操作系统、可靠性的信息安全系统、数据库管理系统等。

4. 档案网络建设。

7.论应聘者简历信息泄露的法律规制篇七

关键词：应聘者；简历信息；信息泄露；法律规制

中图分类号：D920.4 文献标志码：A 文章编号：1002-2589（2013）16-0146-02

一、应聘者简历信息泄露的现状及原因

（一）应聘者简历信息泄露的现状

在信息大爆炸的今天，蕴含着巨大商机的应聘者简历信息正受到越来越多的商家的重视。许多应聘者在参加完招聘后，各种各样宣传广告便通过电话和短信蜂拥而至；他们父母的手机频频接到带有欺诈性质的电话；更有甚者，犯罪分子利用应聘者的简历信息，对应聘者实施了犯罪。中国正处在信息化进程当中，个人信息交易逐渐呈现出专业化、行业化的特点，由于约束个人信息交易的规则体系刚刚起步，当下简历信息被不当收集、恶意使用的现象屡见不鲜。因此，亟须完善应聘者简历信息泄露的法律规制。

（二）应聘者简历信息泄露的原因

首先，从主观因素上看，应聘者自身法律意识有所欠缺。初出茅庐的应聘者往往在就业机会面前言听计从，缺乏警惕意识，忽略了潜在的简历信息可能被利用和侵害的可能性。而这又源于我国目前就业市场结构不合理，待业人群庞大，就业岗位却十分有限这一现状。此外，我国长期以来崇尚的集体主义传统思想导致了我国历来缺少保护私权的理念和法律制度，也引发了对个人隐私的不尊重。

其次，从客观因素上看，是由于人才市场与相关用人单位缺乏行业自律机制。用人单位在招聘后，对于不需要的应聘者简历往往会随意丢弃。有些用人单位甚至打着招聘的幌子，暗地里却是为了利用应聘者的信息进行违法信息交易活动。此外，在客观因素中，最重要的就是相关立法的不完善。这使得应聘者维权以及相关部门对信息流通的管理无法可依。因此，下文将对我国现行有关应聘者简历信息保护的法律规制进行分析和评价。

二、我国现行有关简历信息保护的法律规制及其效果评析

当前，我国对简历信息保护的法律规制可以从宪法、民法通则、刑法，劳动与就业法的有关规定中去寻找，最新颁布的《加强网络信息保护的决定》也值得重视。

（一）宪法、民法通则、刑法的有关规定

我国对个人隐私权采用的是间接保护的方法。隐私权是指自然人享有的私人生活安宁与私人生活信息依法受到保护，不受他人侵扰、知悉、使用、披露和公开的权利。我国《宪法》第38条规定：公民的人格尊严不受侵犯。而我国的《民法通则》并未直接将隐私权规定为公民的具体人格权之一，只是最高人民法院在《民通意见》中规定侵犯隐私的行为应当认定为侵害公民名誉权的行为。2009年我国出台的《刑法》第七修正案，专门增加规定：国家机关或者金融、电信等单位的工作人员，将本单位在履行职责或者提供服务过程中获得的公民个人信息非法提供给他人，将处以刑罚。这无疑给到这些机关应聘的应聘者的简历信息提供了有力的保障。

（二）劳动与就业法的有关规定

我国的《劳动法》、《劳动合同法》和《企业劳动争议处理条例》等中对应聘者的合法权益只规定了平等自愿、诚实信用等基本原则。而在《就业促进法》中，虽然没有规定对应聘者简历信息的保护，但是已经出现了一些对于应聘者简历信息保护更加细化的规定。例如《就业促进法》第八条用人单位应当保障劳动者的合法权益的规定；第六十八条侵害劳动者合法权益造成损失应当依法承担民事责任和刑事责任的规定。这些规定都确立了对应聘者合法权益进行的保障。此外，第三十九条规定，从事职业中介活动，应当遵循合法诚信、公平公开的原则。这就为规范招聘网站、招聘会等职业中介的行为提供了明确的依据。

（三）《加强网络信息保护的决定》的有关规定

2012年12月，全国人大常委会通过了《关于加强网络信息保护的决定》，专门为网络信息保护立法。《决定》明确了网络服务提供者的义务，加重了网络服务提供者的责任，从信息的收集、整理以及使用等各方面保护能够识别公民个人身份和涉及公民个人隐私的电子信息。可以说，它的出台对于我国互联网环境的改善意义深远，对应聘者简历信息的保护也起到了积极的作用。

从以上的立法现状来看，《宪法》、《民法》和《刑法》中的隐含性规定，从基本法的角度规定了个人隐私受到法律保护；而最新的《加强网络信息保护的决定》的颁布更是能为网络上个人信息的保护保驾护航。但是，在隐私权的发源地美国，隐私权被作为一项最为重要的宪法权利而不是普通的民事权利，以宪法惯例的形式得到学术与实务部门的确认[1]。而在人权受到极大重视的欧洲，隐私权作为一项最基本的人权赫然写入《欧洲人权公约》，足见其在权利体系中的地位之高[2]。相比之下，我国缺乏个人信息保护方面的专门立法，对于个人信息的保护法律位阶低且分散；在传统的有关于促进就业的法律法规中，绝大部分的内容着重于落实就业政策等，很少有对企业侵害应聘者合法权益的行为进行规制的条文。当前的立法现状显然不能适应我国越来越强烈的应聘者简历信息保护的需求，我国制定个人信息保护法已经刻不容缓[3]。

三、对应聘者简历信息泄露法律规制的建议

（一）完善隐私权保护的立法体系

我国有关个人信息的法律规则内容分散且权威性不强，不利于为劳动者提供充分的保护。因此，亟待完善简历信息保护的立法体系。

首先，增加宪法、民法和刑法中关于隐私权保护的基础性规定，统领个人信息保护的全局。第一，必须界定《宪法》第38条所规定的“人格尊严不受侵犯”中“人格尊严”应该包括了隐私权在内。第二，《民法通则》的第101条关于名誉权保护的法律规定后可以加设一条：“公民享有隐私权，未经本人同意，禁止他人干涉。”这样，隐私权作为公民的一项独立的人格权，得到了宪法和民法的确认。此外，还须明确侵犯个人信息的刑事责任。在刑法中除了国家机关或者金融、电信等单位外，也应当规定其他的单位对严重侵害个人信息的行为承担刑事责任。

其次，在今后颁布的有关就业的法律法规或司法解释中，不仅要有促进就业的规定，还应当注重保护劳动者在就业过程中的权利，尤其是应强调对劳动者个人信息的保护。不仅应重视劳动合同签订后的违约责任的承担、合同的解除等，对劳动合同签订前阶段的应聘者权益同样予以保障。同时，还可以明确对应聘者进行相关的法律援助活动，增强社会法律服务从业人员关注和涉足的程度，让作为弱势群体的应聘者简历信息能够得到充分的法律保护和获得完善的救济渠道。

最后，应尽快进行个人信息保护的立法工作，应聘者总是处于弱者的地位，要很好地维护个人的利益，最好的方法是制定具有针对性的单行立法[4]。目前《个人信息保护法》仍在拟定中，立法部门还应致力于出台具有针对性的单行法律法规，对最有可能侵犯应聘者简历信息的一些领域，如职务中介所、招聘网站和招聘会等进行重点规制。比如规定招聘会主办方与招聘单位之间、招聘单位与应聘者之间必须签订求职信息保密协议和泄露赔偿条款，以规范相关单位的合法运营，加强对应聘者简历信息的保护。

（二）加强应聘者简历信息保护的行业自律

行业自律规则灵活性大，是对法律的促进与补充，可以有效地弥补应聘者简历信息保护立法的滞后性。为此，政府需要加强引导，鼓励和帮助人才市场和相关行业，就他们对应聘者信息的收集范围、收集主体以及对信息的管理保护等内容制定简历信息保护的示范规则。同时，不断更新维护简历信息安全的技术措施，建立相应的行业监督实施机制，强化相关人员的职业伦理道德建设，使应聘者权益保护的有关规则在用人单位和就业市场中得到有效的运行。

（三）提升应聘者的法律意识

应聘者在就业过程中亟待提高对简历信息保护的意识。首先，应聘者在应聘之前，应该详细了解其应当享有的就业权益和用人单位的基本情况；同时在应聘过程中必须保管好自己的信息，提防落入求职陷阱。其次，是证据意识，在应聘过程中必须有意识地让对方出示相关资料如营业执照、身份证等来证明其正规性、合法性，同时注意保存重要证据。最后，是维权意识，应聘者在遭受到不法的人才市场和用人单位的侵犯后，应当勇于采取措施与用人单位协商和解、提请仲裁机构仲裁或向有关行政部门申诉或者向人民法院提起诉讼。

四、结语

正如台湾著名法学家王泽鉴先生所说：“民法以人为本位，以人之尊严为其伦理基础，人格的保护是民法的首要任务。”近年来，科技的进步使得个人信息有随时遭受侵害之虞，更唤起社会对此问题的重视[5]。为了保护应聘者的简历信息，要在加强法律的规制、行业自律水平和应聘者的自我保护意识方面有所行动。唯有这样，才能让简历信息保护的意识渗透到每个招聘的过程当中，营造一个严谨自律、信息安全的良好就业环境。

参考文献：

[1]周汉华.个人信息保护前沿问题研究[M].北京：法律出版社，2006：215-217.

[2]姜承秀.论金融消费者隐私权的保护[J].江西财经大学学报，2010，（2）.

[3]郑成思.个人信息保护立法——市场信息安全与信用制度的前提[J].中国社会科学院研究生院学报，2003，（2）.

[4]梅绍祖.个人信息保护的基础性问题研究[J].苏州大学学报：哲学社会科学版，2005，（2）.

8.详解英文简历基本格式篇八

1、页眉部分

1)名字，名字有7种写法：

例如“李扬”：1) Yang LI 2) YANG LI 3) Yang Li 4) Yang Li 5) Li,Yang 6) Li Yang 7) LI Yang

2)地址

3)电话

2、教育背景

1)时间要倒序，最近的学历要放在最前面。

2)学校名要大写并加粗，这样便于招聘者迅速识别你的学历。

3)地名右对齐，全部大写并加粗。地名后一定写中国。

4)学历，可以把学历名称放在最前。

5)社会工作，担任班干部，只写职务就可以了;

6)奖学金，一般用一句话概括。如果有多个，也争取用一句话概括。

7)成绩，如果不是前五名，建议不写。

3、个人资料

1)名称，有四种写法：Personal, Personal Information, Other Information, Additional Information。

2)语言，有几个层次。“Native speaker of”指母语;从严谨的角度讲，“Fluent in”显得更流利“English as working language”显得不非常流利，但可信度更高;“Some knowledge of”会一些，没有把握的千万别写。

3)电脑，如果几个软件，有的熟练，有的熟悉，建议只写软件名。

4)资格证书。

5)兴趣爱好

Ⅰ写强项。

Ⅱ要写也只写两到三项。

Ⅲ不具体的爱好不写。

Ⅳ举几个用词。如travel，如果你喜欢旅行，而有些工作需要经常出差，那么你写上travel是非常有利的;有些女性写上cooking，是很实事求是的，也给人以踏实的感觉，对于象秘书这样的职位，总是有好处的。

4、工作经历

首先要强调一下，对于正在工作的人，Experience应写在Education的前面，而对于在校生Education则应放在Experience之前。

1)时间

Ⅰ目前的工作要最先写，左侧写时间，如写成-present。

Ⅱ以前的工作，只写年份，如1993-1995。

2)公司名:公司名称应大写加粗。

3)地名:地名写法与Education部分相同，这里就不再赘述。

4)职务与部门

Ⅰ从公司名称之后的第二行开始写。

9.简历基本信息篇九

教师备课备学生这是备课的基本要求，而备学生的过程与结果，有些信息是形成在过程记在大脑中的，也有信息是需要呈现在教案中的。如：关于教学对象的基本信息，学生的年级、班级、人数等。不要小看这些基本的信息，现如今教案既是教师自己教学参考的资料，也是教师之间不可或缺的交流材料之一。教案只有呈现年级、班级、人数这些授课的基本信息，他人才能判断教学内容选择、教学目标预设、教学过程的设计合理性与否，才能显示教师教学行为的合理性怎样。为什么这样讲呢？因为上课年级与学习内容、教学方法是有关联的，上课班级的差异也与教案的产生发生着关系，班级学生数量直接关系到备课的设计，大班额怎样教，小班额又怎样上，这些基本的信息既是备课需要关注的信息，也是教案需要呈现的基本信息。

二、需要呈现教学内容的信息

教学内容是课堂教学组成元素，是学生学习的载体。呈现教学内容的授课信息就是教什么的问题。教什么是课程的问题，落实到教案中，首先应该具体到教材，并且要明确，如：是学习跨越式跳高起跳技术还是学习完整技术，一定要表述清楚，切忌不明确，如：学习内容是“武术或民族体育”。武术和民族体育内容博大精深，具体学习什么，很不清楚；其次是要落实到教学重难点是什么，即：呈现教学重难点的授课信息。体育与健康课教学只有明确了重难点，教学才不至于偏离方向，落实才有目标，教学才有效果。如果将教学重难点都搞不清楚，那么体育与健康课教学的航船就不知驶向何方，更不能谈什么教学效果了。

三、需要呈现教学目标的信息

教学目标在教案中具有重要的位置，是教学的出发点和落脚点，是学生学习行为表现的结果。教学目标需要在教案中呈现并得到大家认可，但是很多情况下教案呈现的效果并不理想：表述没有体现具体性，主体不明确，行为动词使用混乱，学习的程度、达成的条件模糊，失去了教学目标的可操作性。更有甚者目标的主次不分，呈现的信息该有的没有，把教学目标搞得不知道究竟课堂在干什么。呈现教学目标授课信息，要明确具体地指明学生学什么，在什么条件下学，学到什么程度，如：在教师引导下，学生经过自我多次投篮练习，能够独立完成单手肩上投篮动作。这样呈现教学目标信息就具有可操作性。

四、需要呈现教学过程的信息

教学过程是体育与健康教案需要呈现的重要信息，如果教学目标简单的可以理解为呈现的是学习结果，那么教学过程呈现的就是课堂运行的过程，即：课的顺序和每一个环节大体上需要的时间、具体的学习内容、步骤、教法与学法、练习次数、教学的组织形式、安全提示与活动要求等。体育与健康课的结构是由学科性质、学生生理机能变化规律、运动技能形成规律等所决定的。在呈现教学过程的信息中，呈现课堂结构信息，既是整体教学设计的需要，也是突出学习活动完整性、合理性、针对性、系统性的需要。无论课的结构是准备、基本、结束三部结构，还是开始、准备、基本、结束四部结构，都要呈现清楚，并且要根据每一环节的活动内容，预设所需的时间，这也是教学严谨性和有效性的需要。在课的顺序提示下每一个环节具体要教学的内容是什么，也就是要干什么，要呈现什么。如：开始环节常规教学的具体内容、准备环节热身活动的内容、主体环节需要学习的具体内容、结束环节放松调整与师生交流小结的内容。呈现教学过程的信息，应尽量具体些，如：准备环节（1）定位徒手操：伸展运动4×8，扩胸运动4×8……（2）跑的专门性练习：原地摆臂练习，小步跑练习，高抬腿练习等。而在主体环节呈现的学习内容，如：学习快速跑，既要说清楚是学习哪个具体的技术阶段，还是全程技术，同时还要简单陈述所学内容动作方法。如果有游戏既要呈现游戏的名称，还要简明扼要地呈现游戏活动的方法与规则，切忌只呈现学习内容总的名称，如：准备环节“定位徒手操”，徒手操具体是什么没有呈现。

体育与健康课教学在每一个环节中，先学什么，后学什么，顺序要呈现清楚，这就是教学的步骤。如果课堂教学前与后顺序不清，甚至不合理，那么体育与健康课教学就失去了章法，就会降低教学效果。针对每一环节具体学习内容教师怎样教，学生如何学，教与学方法要呈现清楚。呈现教与学信息，要依据不同学习内容，教师与学生的特点，以及课程资源情况，采取具有针对性的、有效性的、互动性的、趣味性的教与学方法。切忌不虑教材，不结合师生特点和资源情况，公式化的、口号性的呈现讲解法、示范法、练习法、纠正错误动作法等教法，以及观察、模仿、自主、合作、探究等学法。体育与健康课教学的组织，直接影响教与学效果、每一环节、每一步练习都采取怎样的活动组织形式，要结合练习场地，图文并茂地呈现。在呈现教学组织信息时，要考虑教材特点、学生特点、场地与器械情况、学生学习主体性的体现与安全，做到收放结合，灵活多样。活动的要求（包括安全提示）要呈现出来。呈现活动要求包括练习顺序、课堂纪律、学习配合、精神面貌、动作质量、安全提示等。只有课前将学生练习过程中可能出现的各种问题想得周密，要求提得恰当合理，才能保证课堂运行安全、有序、高效。运动技能是在反复练习中掌握的，教师根据学生运动基础，为了达到预设的教学目标与活动目的，要客观实际地呈现每个练习活动的次数。这样既强化了运动技能学习，也明确了学生练习的归属。对于具有一定难度的教材，保护与帮助的方法也要呈现在教学过程的信息中。

五、需要呈现课程资源的信息

课程资源在体育与健康课教学中，对于丰富练习手段，改变练习方法，调动练习兴趣，提高教学效果，发挥着重要作用。因此，在体育与健康课教学中要积极地提倡课程资源的开发与利用。就是这些在本节课教学中能够发挥重要作用的课程资源，是需要呈现在教案中的。如：教学所用的器械名称及数量，教学挂图的名称及数量，录音机，双杠练习的保护袋数量，练习投篮用的活动篮筐数量，自制的保龄球练习器数量等。

六、需要呈现预设的运动负荷和课后反思的信息

10.简历基本信息篇十

一、牢固树立共建共享理念

信息网络环境下的档案信息资源共建共享是一个重大变革, 它涉及到资金、设备、技术等各个方面的问题。但是, 人们原有思想观念的转变和更新是档案信息资源开放共享活动开展的重要前提, 正确的档案管理理念对于档案信息资源共建共享乃至整个社会信息化的全局都具有重要的指导意义。因此, 要改变因循守旧、固步自封的传统观念, 充分认识到实现档案信息资源共享对于社会、档案自身价值实现的意义。在建设社会主义信息化社会的背景下, 档案工作者应努力按照信息资源管理的基本原则与标准变革档案信息资源管理的传统观念。档案工作者应该着眼于现实, 立足于服务利用, 自觉加大对档案信息资源进行存储、加工、传递和共享的力度, 以充分发挥档案信息资源在管理、创新实践中的巨大潜能。

二、不断丰富完善档案资源

档案信息资源共建共享要建立在一定的物质基础上, 只有以丰富的档案资源为后盾, 档案信息资源共建共享才可能拥有更好的发展机会。一是各级各类档案部门要大力加强档案资源建设, 丰富完善馆 (室) 藏资源。内容丰富、门类齐全、载体多样、配置合理、特色明显、系统实用的档案信息资源是充分发挥档案的社会价值、体现档案馆的社会功能的前提和基础。丰富完善馆藏必须在克服传统的“重视档案的数量而忽视档案质量”的认识不足, 在修改、完善有关规定的基础上, 真正地将确实具有保存价值的档案收集进馆。二是加大征集、接收力度, 凡能征集和接收进馆的档案, 要尽快征集、接收进馆。从档案形成的源头抓起, 扩大收集范围和门类, 拓宽收集渠道, 对重大事件、重大活动、重点工程建设项目档案的收集必要时可全程参与。三是在依法形成、接收档案的同时, 还要加强收集与社会息息相关的专门档案、具有地方特色的档案和特殊载体档案。如家谱、族谱、婚姻档案、人口普查档案等专门档案;反映本地历史文化、语言习俗、古迹名胜等情况的特色档案以及光盘磁带、录音录像等特殊载体档案的收集, 更加贴近社会、贴近社会公众的需求, 拓展档案部门的职能范围, 全方位地满足社会公众的档案信息利用需求。

三、努力增加基础设施投入

要实现档案信息资源共建共享的目的, 就必然要求所有被纳入共建共享范畴的档案信息资源--即可以面向社会公众开放利用的档案信息资源实现网上传递交流, 这就要求不断加大基础设施投入。档案信息资源共建共享毕竟不同于既往的数据库技术、新媒体技术、网络传输技术、数据采集技术及信息共享技术等手段的综合运用, 形成一个功能强大的应用平台, 其最为显著的特征是以主动服务方式取代以往依托档案实体、你查我找、领域单一的被动服务方式, 将档案信息资源与社会公众的利用需求融为一体, 并以此为基本导向, 合理解决基础设施投入问题。事实上, 依托网络环境, 采取不同方法与手段实施档案信息资源共建共享建设, 不仅要求做到“知己”, 更要求做到“知彼”。只有这样, 才有可能对自身“拥有”的档案信息资源实施科学的系统调节、优化集成与布局分配, 发挥其应有功效。因而, 要在充分了解社会需求重点与需求变化的基础上, 确定档案信息资源共建共享建设的发展方向, 遵循“有所为、有所不为”的原则, 努力完善档案信息资源共建共享建设的相关配置问题, 形成完善合理的档案信息资源共建共享规模体系, 构筑起适宜于档案信息资源共建共享要求的馆藏资源配置模式, 不断加大基础设施投入力度, 构筑满足档案信息资源共建共享需要的网络环境与系统平台, 以更好地发挥档案信息资源共建共享的优势, 切实履行档案部门应担负的社会职责。

四、切实提高档案队伍素质

11.写简历基本原则篇十一

写简历基本原则

在成千上万的个人简历中能被选中的不过了了，能顺利被选中的简历不仅是因为求职者的实力高，个人简历的制作也是重要影响因素。如果能制作一份出色简历，就能大大提高简历的通过率，而要制作一份出色的个人简历就必须要遵循简历的基本原则，通过其基本原则来写简历。首先要以求职目标为重点，写个人简历就像是写文章一样，需要有一个中心思想，有文章的核心。个人简历的.核心就是求职目标，编写个人简历以求职目标为重点就是基本原则之一，求职目标还是求职的基本准备之一。当然了，求职者的求职目标并非随便定下的，应该是根据自己的实力并结合时下求职状况来确定求职目标，你所定下的求职目标还要是处于招聘中。其次要将简历作为求职广告，广告具有什么特点？简洁、明了、直入主题、真实、有效，求职简历也应该是如此。广告是以商品的卖点作为重点来突出，那么个人简历上就要以自己的求职优势作为重点突出，要让用人单位从个人简历中看到求职者的能力、优势。将简历是为求职者的广告来写，一定要注意从招聘官角度出发，正确得到对方的信任。最后以获得面试机会作为写作原则，求职者编写个人简历的目的就是为了获得面试机会，能顺利获得面试机会就是成功的简历。如何争取到面试机会呢？一方面要陈述对自己有利的条件，另一方面要提高简历的可信度，做到吸引招聘官的目光。