CN112668617A - 一种电网员工工作满意度评估方法及装置 - Google Patents
一种电网员工工作满意度评估方法及装置 Download PDFInfo
- Publication number
- CN112668617A CN112668617A CN202011521217.9A CN202011521217A CN112668617A CN 112668617 A CN112668617 A CN 112668617A CN 202011521217 A CN202011521217 A CN 202011521217A CN 112668617 A CN112668617 A CN 112668617A
- Authority
- CN
- China
- Prior art keywords
- feature
- audio
- work satisfaction
- characteristic
- voice data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000013210 evaluation model Methods 0.000 claims abstract description 31
- 238000000605 extraction Methods 0.000 claims abstract description 12
- 238000007635 classification algorithm Methods 0.000 claims abstract description 11
- 238000013139 quantization Methods 0.000 claims abstract description 10
- 238000002372 labelling Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 abstract description 6
- 230000000875 corresponding effect Effects 0.000 description 31
- 238000012549 training Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种电网员工工作满意度评估方法及装置,其中方法包括:对语音数据进行特征提取和特征量化,得到语音数据的音频特征;将音频特征输入至工作满意度评估模型,使得工作满意度评估模型根据音频特征的特征类型,结合预设的特征类型与特征分级阈值的对应关系,通过XGBoost分类算法,确定各个音频特征对应的特征分值,再根据各个特征分值之和与预设的工作满意度分级阈值的比较结果,得到待评估员工的工作满意度评估结果。利用人的语言行为表现与心理状态存在相关性的特点,通过工作满意度评估模型通过分析待评估员工的语音音频特征从而得到工作满意度评估结果,解决了现有的员工工作满意度调查方式的评估结果偏差大的技术问题。
Description
技术领域
本申请涉及音频数据处理领域,尤其涉及一种电网员工工作满意度评估方法及装置。
背景技术
企业价值的提升少不了员工的辛苦奋斗,而员工的心理健康状态对其工作效率具有直接的影响,为此,为了保持企业的士气以及员工的积极性,使得不少企业纷纷引入了对员工工作满意度的管理制度。
目前的员工工作满意度调查方式主要通过问卷调查,但是这种调查方式存在较大的弊端,例如问卷结果容易受被测者的主观影响,容易因无法准确描述或不愿意提供对自己状态的真实描述,而导致评估结果与现实情况偏差大的技术问题。
发明内容
本申请提供了一种电网员工工作满意度评估方法及装置,用于解决现有的员工工作满意度调查方式存在的评估结果与现实情况偏差大的技术问题。
首先,本申请第一方面提供了一种电网员工工作满意度评估方法,包括:
获取待评估员工的语音数据;
对所述语音数据进行特征提取和特征量化,得到所述语音数据的音频特征,且所述音频特征为经过量化后的特征;
将所述音频特征输入至工作满意度评估模型,使得所述工作满意度评估模型根据所述音频特征的特征类型,结合预设的特征类型与特征分级阈值的对应关系,通过XGBoost分类算法,分别将各个所述音频特征与对应的特征分级阈值进行比较,根据比较结果确定各个所述音频特征对应的特征分值,再根据各个所述特征分值之和与预设的工作满意度分级阈值的比较结果,得到所述待评估员工的工作满意度评估结果。
优选地,所述特征类型与特征分级阈值的对应关系的配置过程具体包括:
获取语音数据样本,其中,所述语音数据样本包括:音频特征样本和样本标注结果;
根据所述样本标注结果和所述音频特征样本的特征类型,对所述音频特征样本进行分类,并根据分类后的各组音频特征样本,计算所述特征类型对应的特征分级阈值,并对所述特征分级阈值和所述特征类型建立映射关系。
优选地,获取待评估员工的语音数据之后还包括:
对所述语音数据进行预处理。
优选地,所述预处理具体包括:音频降噪处理和数据清洗处理。
优选地,所述音频特征具体包括:所述语音数据的基频、均方根能量、过零率、前三个共振峰、MFCC、浊音概率和谐噪比。
本申请第二方面提供了一种电网员工工作满意度评估装置,包括:
语音数据获取单元,用于获取待评估员工的语音数据;
音频特征获取单元,用于对所述语音数据进行特征提取和特征量化,得到所述语音数据的音频特征,且所述音频特征为经过量化后的特征;
满意度评估单元,用于将所述音频特征输入至工作满意度评估模型,使得所述工作满意度评估模型根据所述音频特征的特征类型,结合预设的特征类型与特征分级阈值的对应关系,通过XGBoost分类算法,分别将各个所述音频特征与对应的特征分级阈值进行比较,根据比较结果确定各个所述音频特征对应的特征分值,再根据各个所述特征分值之和与预设的工作满意度分级阈值的比较结果,得到所述待评估员工的工作满意度评估结果。
优选地,还包括:
样本数据获取单元,用于获取语音数据样本,其中,所述语音数据样本包括:音频特征样本和样本标注结果;
特征分级阈值计算单元,用于根据所述样本标注结果和所述音频特征样本的特征类型,对所述音频特征样本进行分类,并根据分类后的各组音频特征样本,计算所述特征类型对应的特征分级阈值,并对所述特征分级阈值和所述特征类型建立映射关系。
优选地,还包括:
预处理单元,用于对所述语音数据进行预处理。
优选地,所述预处理具体包括:音频降噪处理和数据清洗处理。
优选地,所述音频特征具体包括:所述语音数据的基频、均方根能量、过零率、前三个共振峰、MFCC、浊音概率和谐噪比。
以上技术方案可以看出,本申请实施例具有以下优点:
本申请提供了一种电网员工工作满意度评估方法,包括:获取待评估员工的语音数据;对所述语音数据进行特征提取和特征量化,得到所述语音数据的音频特征,且所述音频特征为经过量化后的特征;将所述音频特征输入至工作满意度评估模型,使得所述工作满意度评估模型根据所述音频特征的特征类型,结合预设的特征类型与特征分级阈值的对应关系,通过XGBoost分类算法,分别将各个所述音频特征与对应的特征分级阈值进行比较,根据比较结果确定各个所述音频特征对应的特征分值,再根据各个所述特征分值之和与预设的工作满意度分级阈值的比较结果,得到所述待评估员工的工作满意度评估结果。
本申请利用了人的语言行为表现与心理状态存在相关性的特点,从录制得到的语音数据获取待评估员工的音频特征,再将该音频特征输入到预先训练好的工作满意度评估模型,由工作满意度评估模型通过分析待评估员工的语音音频特征从而得到工作满意度评估结果,解决了现有的员工工作满意度调查方式的评估结果容易受被测者的主观影响而导致偏差大的技术问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请提供的一种电网员工工作满意度评估方法的第一个实施例的流程示意图;
图2为本申请提供的一种电网员工工作满意度评估方法的第二个实施例的流程示意图;
图3为本申请提供的一种电网员工工作满意度评估装置的一个实施例的结构示意图。
具体实施方式
目前的员工工作满意度调查方式主要通过问卷调查,但是这种调查方式存在较大的弊端,如问卷结果容易受被测者的主观影响,容易因无法准确描述或不愿意提供对自己状态的真实描述,而导致评估结果与现实情况偏差大的技术问题。
同时,采用问卷调查的方式往往还存在调查周期长,需要大量人力、物力资源的支持等局限性,也正是由于调查成本较高,因而给调查的及时性、连续性造成了不利影响。
本申请实施例提供了一种电网员工工作满意度评估方法及装置,用于解决现有的员工工作满意度调查方式存在的评估结果与现实情况偏差大的技术问题。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
请参阅图1,本申请第一个实施例提供了一种电网员工工作满意度评估方法,包括:
步骤101、获取待评估员工的语音数据。
步骤102、对语音数据进行特征提取和特征量化,得到语音数据的音频特征,且音频特征为经过量化后的特征。
步骤103、将音频特征输入至工作满意度评估模型,使得工作满意度评估模型根据音频特征的特征类型,结合预设的特征类型与特征分级阈值的对应关系,通过XGBoost分类算法,分别将各个音频特征与对应的特征分级阈值进行比较,根据比较结果确定各个音频特征对应的特征分值,再根据各个特征分值之和与预设的工作满意度分级阈值的比较结果,得到待评估员工的工作满意度评估结果。
需要说明的是,在得到了待评估员工的语音数据,并根据该语音数据提取出相应的音频特征后,即可将音频特征输入至预先训练好的工作满意度评估模型中,以通过该工作满意度评估模型进行运算得到该待评估员工的工作满意度评估结果。
其中,本申请提供的工作满意度评估模型是基于XGBoost分类算法构建的,其内部执行的评估过程具体为:根据音频特征的特征类型,结合预设的特征类型与特征分级阈值的对应关系,通过XGBoost分类算法,分别将各个音频特征与对应的特征分级阈值进行比较,根据比较结果确定各个音频特征对应的特征分值,再根据各个特征分值之和与预设的工作满意度分级阈值的比较结果,得到待评估员工的工作满意度评估结果。
本申请利用了人的语言行为表现与其心理状态存在相关性的特点,从录制得到的语音数据获取待评估员工的音频特征,再将该音频特征输入到预先训练好的工作满意度评估模型,由工作满意度评估模型通过分析待评估员工的语音音频特征从而得到工作满意度评估结果,解决了现有的员工工作满意度调查方式的评估结果容易受被测者的主观影响而导致偏差大的技术问题。
以上为本申请提供的一种电网员工工作满意度评估方法的第一个实施例的详细说明,下面为本申请提供的一种电网员工工作满意度评估方法的第二个实施例的详细说明。
请参阅图2,在上述第一个实施例的基础上,本申请第二个实施例提供了一种电网员工工作满意度评估方法,包括:
步骤2001、获取语音数据样本,其中,语音数据样本包括:音频特征样本和样本标注结果。
步骤2002、根据样本标注结果和音频特征样本的特征类型,对音频特征样本进行分类,并根据分类后的各组音频特征样本,计算特征类型对应的特征分级阈值,并对特征分级阈值和特征类型建立映射关系。
需要说明的是,在基于语音数据样本,进行特征提取步骤之后,得到了连续的音频特征数据和离散的工作满意度标注数据。建模阶段的目标是找到特征和标注之间最佳的映射关系,考虑数据的分布情况,可以优选采用XGBoost算法。
根据样本标注结果和音频特征样本的特征类型,对音频特征样本进行分类,使得标注结果和特征类型相同的音频特征样本归为同一类别,并根据分类后的各组音频特征样本的量化值,计算特征类型对应的特征分级阈值,并对特征分级阈值和特征类型建立映射关系,例如根据特征类型A且低工作满意度的特征量化的最大值作为区分低工作满意度和更高级工作满意度的区分界限,即将该最大值作为特征类型A的特征分级阈值中的其中一个。对于其它音频特征或其它工作满意度等级对应的特征分级阈值的划分方式均以此类推,且可以理解的是,本实施例中提及的以最大值作为特征分级阈值仅作为说明示例使用,使用者可以根据自身需求进行调整改动,在此不再过多赘述。
步骤201、获取待评估员工的语音数据。
步骤202、对语音数据进行预处理。
其中预处理的方式包括:音频降噪处理和数据清洗处理,具体操作细节可参照一下内容:
首先将所有音频文件类型全部转换为wav格式。统一格式后的音频文件由于数据采集现场被试的配合程度不同、采集环境的背景不同等条件的影响,音频文件存在着长度不同、开头结尾无声音或声音较小不清晰、环境噪音过大等问题,因而又对统一格式的数据文件进行了筛选。筛选主要依据两个条件。一是语音的完整性。二是音频的录音质量。在筛选优质录音时,主要从背景噪音、清晰度和识别度这几个方面进行考量,尽可能地保证音频文件的声音可以排除噪音的影响、清晰可辨。
若在前期训练阶段,然后根据被试的量表填写情况计算了每名电网工作人员的工作满意度得分,并且按照工作满意度各个维度得分不同对等级进行了高、中、低三种类型的划分。由于在等级分类中属于中等等级的被试数目太多,为了保证样本的均衡性,在按等级划分的这一批数据中清洗掉了所有维度的等级都是中等的样本,得到最终的语音数据集合。
若是在正式运行阶段,也可以参照训练阶段时的预处理方式,得到与训练数据相同规格且比未处理前更优质的音频特征数据,从而提高评估的准确性。
步骤203、对语音数据进行特征提取和特征量化,得到语音数据的音频特征,且音频特征为经过量化后的特征。其中,音频特征具体包括:语音数据的基频、均方根能量、过零率、前三个共振峰、MFCC、浊音概率和谐噪比。
需要说明的是,在特征提取阶段,我们针对语音数据提取了包括基频、均方根能量、过零率、前三个共振峰、MFCC、浊音概率率、谐噪比在内的七大类语音,共988维音频特征。
经过特征提取后,单独一个样本文件便可得到988维语音特征。在样本数量有限的情况下,特征向量维数较多可能会造成模型的过拟合。为了避免过拟合现象的出现,我们使用主成分分析(Principal Component Analysis,PCA)的方法对语音特征数据集进行降维操作,从而尝试在原始特征数据中寻找到在预测因变量中贡献最大的特征。特征降维后对特征数据进行归一化处理,以平衡不同特征数量级的差异对模型训练的影响。
步骤204、将音频特征输入至工作满意度评估模型,使得工作满意度评估模型根据音频特征的特征类型,结合预设的特征类型与特征分级阈值的对应关系,通过XGBoost分类算法,分别将各个音频特征与对应的特征分级阈值进行比较,根据比较结果确定各个音频特征对应的特征分值,再根据各个特征分值之和与预设的工作满意度分级阈值的比较结果,得到待评估员工的工作满意度评估结果。
需要说明的是,在得到了待评估员工的语音数据,并根据该语音数据提取出相应的音频特征后,即可将音频特征输入至预先训练好的工作满意度评估模型中,以通过该工作满意度评估模型进行运算得到该待评估员工的工作满意度评估结果。
例如某样本的语音特征A高于阈值α则得到一个分数a,该样本的另外一个语音特征B高于阈值β得到了第二个分数b,如果a+b低于标注数据的阈值θ则归类为低工作满意度。
本申请利用了人的语言行为表现与其心理状态存在相关性的特点,从录制得到的语音数据获取待评估员工的音频特征,再将该音频特征输入到预先训练好的工作满意度评估模型,由工作满意度评估模型通过分析待评估员工的语音音频特征从而得到工作满意度评估结果,解决了现有的员工工作满意度调查方式的评估结果容易受被测者的主观影响而导致偏差大的技术问题。采用此方法可以通过无侵入式的语音捕捉实现对工作人员工作满意度等级的判别情况,可以在加强电网的安全工作、增强员工的安全意识中起到一定的辅助和协调作用。该模型可以帮助电网更好的掌握员工特定的心理特征,从而针对性的为员工提供服务,进一步保障作业安全。
以上为本申请提供的一种电网员工工作满意度评估方法的第二个实施例的详细说明,下面为本申请提供的一种电网员工工作满意度评估装置的第一个实施例的详细说明。
请参阅图3,本申请第三个实施例提供了一种电网员工工作满意度评估装置,包括:
语音数据获取单元301,用于获取待评估员工的语音数据;
音频特征获取单元302,用于对语音数据进行特征提取和特征量化,得到语音数据的音频特征,且音频特征为经过量化后的特征;
满意度评估单元303,用于将音频特征输入至工作满意度评估模型,使得工作满意度评估模型根据音频特征的特征类型,结合预设的特征类型与特征分级阈值的对应关系,通过XGBoost分类算法,分别将各个音频特征与对应的特征分级阈值进行比较,根据比较结果确定各个音频特征对应的特征分值,再根据各个特征分值之和与预设的工作满意度分级阈值的比较结果,得到待评估员工的工作满意度评估结果。
更具体的,还包括:
样本数据获取单元3001,用于获取语音数据样本,其中,语音数据样本包括:音频特征样本和样本标注结果;
特征分级阈值计算单元3002,用于根据样本标注结果和音频特征样本的特征类型,对音频特征样本进行分类,并根据分类后的各组音频特征样本,计算特征类型对应的特征分级阈值,并对特征分级阈值和特征类型建立映射关系。
更具体的,还包括:
预处理单元304,用于对语音数据进行预处理。
更具体的,预处理具体包括:音频降噪处理和数据清洗处理。
更具体的,音频特征具体包括:语音数据的基频、均方根能量、过零率、前三个共振峰、MFCC、浊音概率和谐噪比。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例,例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种电网员工工作满意度评估方法,其特征在于,包括:
获取待评估员工的语音数据;
对所述语音数据进行特征提取和特征量化,得到所述语音数据的音频特征,且所述音频特征为经过量化后的特征;
将所述音频特征输入至工作满意度评估模型,使得所述工作满意度评估模型根据所述音频特征的特征类型,结合预设的特征类型与特征分级阈值的对应关系,通过XGBoost分类算法,分别将各个所述音频特征与对应的特征分级阈值进行比较,根据比较结果确定各个所述音频特征对应的特征分值,再根据各个所述特征分值之和与预设的工作满意度分级阈值的比较结果,得到所述待评估员工的工作满意度评估结果。
2.根据权利要求1所述的一种电网员工工作满意度评估方法,其特征在于,所述特征类型与特征分级阈值的对应关系的配置过程具体包括:
获取语音数据样本,其中,所述语音数据样本包括:音频特征样本和样本标注结果;
根据所述样本标注结果和所述音频特征样本的特征类型,对所述音频特征样本进行分类,并根据分类后的各组音频特征样本,计算所述特征类型对应的特征分级阈值,并对所述特征分级阈值和所述特征类型建立映射关系。
3.根据权利要求1所述的一种电网员工工作满意度评估方法,其特征在于,获取待评估员工的语音数据之后还包括:
对所述语音数据进行预处理。
4.根据权利要求3所述的一种电网员工工作满意度评估方法,其特征在于,所述预处理具体包括:音频降噪处理和数据清洗处理。
5.根据权利要求1所述的一种电网员工工作满意度评估方法,其特征在于,所述音频特征具体包括:所述语音数据的基频、均方根能量、过零率、前三个共振峰、MFCC、浊音概率和谐噪比。
6.一种电网员工工作满意度评估装置,其特征在于,包括:
语音数据获取单元,用于获取待评估员工的语音数据;
音频特征获取单元,用于对所述语音数据进行特征提取和特征量化,得到所述语音数据的音频特征,且所述音频特征为经过量化后的特征;
满意度评估单元,用于将所述音频特征输入至工作满意度评估模型,使得所述工作满意度评估模型根据所述音频特征的特征类型,结合预设的特征类型与特征分级阈值的对应关系,通过XGBoost分类算法,分别将各个所述音频特征与对应的特征分级阈值进行比较,根据比较结果确定各个所述音频特征对应的特征分值,再根据各个所述特征分值之和与预设的工作满意度分级阈值的比较结果,得到所述待评估员工的工作满意度评估结果。
7.根据权利要求6所述的一种电网员工工作满意度评估装置,其特征在于,还包括:
样本数据获取单元,用于获取语音数据样本,其中,所述语音数据样本包括:音频特征样本和样本标注结果;
特征分级阈值计算单元,用于根据所述样本标注结果和所述音频特征样本的特征类型,对所述音频特征样本进行分类,并根据分类后的各组音频特征样本,计算所述特征类型对应的特征分级阈值,并对所述特征分级阈值和所述特征类型建立映射关系。
8.根据权利要求6所述的一种电网员工工作满意度评估装置,其特征在于,还包括:
预处理单元,用于对所述语音数据进行预处理。
9.根据权利要求8所述的一种电网员工工作满意度评估装置,其特征在于,所述预处理具体包括:音频降噪处理和数据清洗处理。
10.根据权利要求6所述的一种电网员工工作满意度评估装置,其特征在于,所述音频特征具体包括:所述语音数据的基频、均方根能量、过零率、前三个共振峰、MFCC、浊音概率和谐噪比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011521217.9A CN112668617A (zh) | 2020-12-21 | 2020-12-21 | 一种电网员工工作满意度评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011521217.9A CN112668617A (zh) | 2020-12-21 | 2020-12-21 | 一种电网员工工作满意度评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112668617A true CN112668617A (zh) | 2021-04-16 |
Family
ID=75407072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011521217.9A Pending CN112668617A (zh) | 2020-12-21 | 2020-12-21 | 一种电网员工工作满意度评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112668617A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108877839A (zh) * | 2018-08-02 | 2018-11-23 | 南京华苏科技有限公司 | 基于语音语义识别技术的语音质量感知评估的方法及系统 |
CN109256152A (zh) * | 2018-11-08 | 2019-01-22 | 上海起作业信息科技有限公司 | 语音评分方法及装置、电子设备、存储介质 |
CN109961804A (zh) * | 2019-02-12 | 2019-07-02 | 百度在线网络技术(北京)有限公司 | 智能设备满意度评估方法、装置及存储介质 |
CN110147926A (zh) * | 2019-04-12 | 2019-08-20 | 深圳壹账通智能科技有限公司 | 一种业务类型的风险等级计算方法、存储介质及终端设备 |
CN110543552A (zh) * | 2019-09-06 | 2019-12-06 | 网易(杭州)网络有限公司 | 对话交互方法、装置及电子设备 |
CN110942229A (zh) * | 2019-10-24 | 2020-03-31 | 北京九狐时代智能科技有限公司 | 一种服务质量评价方法、装置、电子设备及存储介质 |
-
2020
- 2020-12-21 CN CN202011521217.9A patent/CN112668617A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108877839A (zh) * | 2018-08-02 | 2018-11-23 | 南京华苏科技有限公司 | 基于语音语义识别技术的语音质量感知评估的方法及系统 |
CN109256152A (zh) * | 2018-11-08 | 2019-01-22 | 上海起作业信息科技有限公司 | 语音评分方法及装置、电子设备、存储介质 |
CN109961804A (zh) * | 2019-02-12 | 2019-07-02 | 百度在线网络技术(北京)有限公司 | 智能设备满意度评估方法、装置及存储介质 |
CN110147926A (zh) * | 2019-04-12 | 2019-08-20 | 深圳壹账通智能科技有限公司 | 一种业务类型的风险等级计算方法、存储介质及终端设备 |
CN110543552A (zh) * | 2019-09-06 | 2019-12-06 | 网易(杭州)网络有限公司 | 对话交互方法、装置及电子设备 |
CN110942229A (zh) * | 2019-10-24 | 2020-03-31 | 北京九狐时代智能科技有限公司 | 一种服务质量评价方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105184315B (zh) | 一种质检处理方法及系统 | |
CN108564286B (zh) | 一种基于大数据征信的人工智能金融风控授信评定方法和系统 | |
WO2019214248A1 (zh) | 一种风险评估方法、装置、终端设备及存储介质 | |
CN101662550B (zh) | 呼叫中心服务质量检测方法及系统 | |
CN112259105B (zh) | 一种声纹识别模型的训练方法、存储介质和计算机设备 | |
Fujimura et al. | Classification of voice disorders using a one-dimensional convolutional neural network | |
CN113628627B (zh) | 一种基于结构化语音分析的电力行业客户服务质检系统 | |
WO2012003523A1 (en) | Emotional and/or psychiatric state detection | |
CN102623009A (zh) | 一种基于短时分析的异常情绪自动检测和提取方法和系统 | |
CN111241689A (zh) | 模型成熟度的评估方法及装置 | |
CN117151870B (zh) | 一种基于客群画像行为分析方法及系统 | |
CN114048436A (zh) | 一种预测企业财务数据模型构建方法及构建装置 | |
Gómez-García et al. | On the design of automatic voice condition analysis systems. Part III: Review of acoustic modelling strategies | |
CN111045902A (zh) | 服务器的压力测试方法及装置 | |
CN117196402A (zh) | 目标对象的确定方法、装置、存储介质及电子设备 | |
CN112562736B (zh) | 一种语音数据集质量评估方法和装置 | |
CN107578785B (zh) | 基于Gamma分布分析的音乐连续情感特征分析评价方法 | |
CN116895287A (zh) | 一种基于shap值的抑郁症语音表型分析方法 | |
CN111489736A (zh) | 座席话术自动评分装置及方法 | |
CN112668617A (zh) | 一种电网员工工作满意度评估方法及装置 | |
CN114820074A (zh) | 基于机器学习的目标用户群体预测模型构建方法 | |
CN113962216A (zh) | 文本处理方法、装置、电子设备及可读存储介质 | |
CN111091816B (zh) | 一种基于语音评测的数据处理系统及方法 | |
CN114626940A (zh) | 数据分析方法、装置及电子设备 | |
KR20150058662A (ko) | 비교데이터 프루닝과 가우시안 혼합 모델의 유사도 추정을 이용한 유해 동영상 필터링 시스템 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |