一种基于语音识别的人事考评方法与系统技术方案

本发明专利技术提供了一种基于语音识别的人事考评方法与系统，包括：S101、建立考评组ID以及考评批次ID，以记录考评内容；S102、接收语音信号，以音节作为识别单元，采用基于卷积神经网络的声学模型和隐马尔可夫语言模型将语音实时转化为对应的文字；S103、建立考评关键词库，根据词库内容对谈话记录进行全文检索，统计关键词频并建模分析。本发明专利技术实现了从语音信号到文本文件(谈话记录)的转录工作，进而取代传统手工翻译的工作方式，翻译结果准确率高，系统应用性强，节省了大量的人力物力资源，同时分析模型的建立，更直观的展现考评结果，有效减少人为考评造成的主观性和片面性考核结果，保障人事考评的公平公正性。

A Personnel Evaluation Method and System Based on Speech Recognition

【技术实现步骤摘要】
一种基于语音识别的人事考评方法与系统
本专利技术涉及企业管理
，特别是一种基于语音识别的人事考评方法与系统。
技术介绍
员工考核系统是企业用来管理企业员工工作情况的重要工具，其任务主要包括以下几项：信息管理，主要负责管理员工的录用信息和基本信息，同时提供花名册查询的功能；工资管理，主要负责管理工资标准、工资计发和工资报表等信息；员工考勤管理模块，主要负责员工考勤录入、考勤查询以及考勤考核；工作考核管理，主要负责管理员工的工作考核信息，包括录入、查询以及考核单生成；信息查询，主要是能让管理人员迅速定位自己想要查找的信息，提高工作效率。而对于无法量化的考核指标需要通过人事考评谈话来获取。人事考评谈话是企业通过合理的评价手段对员工的工作态度、工作能力以及工作业绩作出评价的重要的人事管理过程。人事考核的结果是员工的晋升(降级)、薪资、福利、奖金以及人员调配的依据。传统的人事考评谈话主要采用“录音记录，人工翻译，书面汇总”的形式，考评工作耗时长，考评结果主观、片面，随着计算机科学和通信等技术的发展，基于语音识别技术，如何借助信息化手段，释放人工工作量，提升人事考评的信息化作业能力已是当务之急。
技术实现思路
本专利技术的目的是提供一种基于语音识别的人事考评方法与系统，旨在解决现有技术中人事考评谈话需借助人工实现、耗时长效率低的问题，实现提高翻译结果准确率，节省大量的人力物力资源。为达到上述技术目的，本专利技术提供了一种基于语音识别的人事考评方法，所述方法包括以下步骤：S101、建立考评组ID以及考评批次ID，以记录考评内容；S102、接收语音信号，以音节作为识别单元，采用基于卷积神经网络的声学模型和隐马尔可夫语言模型将语音实时转化为对应的文字；S103、建立考评关键词库，根据词库内容对谈话记录进行全文检索，统计关键词频并建模分析。优选地，所述采用基于卷积神经网络的声学模型和隐马尔可夫语言模型将语音转化为对应的文字具体步骤如下：构建卷积神经网络模型；通过预先构建的语音库实现声学模型构建，提取每帧固定长度的语音对应的fBank特征，通过卷积神经网络模型对声学模型进行训练，将语音转换成拼音；利用隐马尔可夫语言模型将拼音转换成文字。优选地，所述卷积神经网络模型采用卷积层与池化层交替设置的方式，所述卷积层的激活值通过以下公式计算：hj,k表示在卷积输出层的第j张特征图，第k个神经元激活值，s表示卷积核的长度，表示对应于第j个卷积核的第b个频带的权重值，aj是对应第j张特征图的偏置，θ(x)是激活函数。优选地，所述池化层的极大池化函数公式如下：pj,m表示池化层的输出，j表示第j个特征图，m表示第m个池化带，n是下采样因子，r是池的大小。优选地，所述方法还包括对考评谈话进行离线转录，具体为：S201、导入外部音频文件；S202、以音节作为识别单元，通过语音信号预处理与特征提取技术，对音频文件进行翻译；S203、编辑调整翻译内容。本专利技术还提供了一种基于语音识别的人事考评系统，所述系统包括：考评ID建立模块，用于建立考评组ID以及考评批次ID，以记录考评内容；实时转录模块，用于接收语音信号，以音节作为识别单元，采用基于卷积神经网络的声学模型和隐马尔可夫语言模型将语音实时转化为对应的文字；统计分析模块，用于建立考评关键词库，根据词库内容对谈话记录进行全文检索，统计关键词频并建模分析。优选地，所述实时转录模块包括：深度学习单元，用于构建卷积神经网络模型；声学模型训练单元，用于通过预先构建的语音库实现声学模型构建，提取每帧固定长度的语音对应的fBank特征，通过卷积神经网络模型对声学模型进行训练，将语音转换成拼音；文字转换单元，用于利用隐马尔可夫语言模型将拼音转换成文字。优选地，所述卷积神经网络模型采用卷积层与池化层交替设置的方式，所述卷积层的激活值通过以下公式计算：hj,k表示在卷积输出层的第j张特征图，第k个神经元激活值，s表示卷积核的长度，表示对应于第j个卷积核的第b个频带的权重值，aj是对应第j张特征图的偏置，θ(x)是激活函数。优选地，所述池化层的极大池化函数公式如下：pj,m表示池化层的输出，j表示第j个特征图，m表示第m个池化带，n是下采样因子，r是池的大小。优选地，所述系统还包括离线转录模块，所述离线转录模块包括：音频导入单元，用于导入外部音频文件；翻译单元，用于以音节作为识别单元，通过语音信号预处理与特征提取技术，对音频文件进行翻译；内容编辑单元，用于编辑调整翻译内容。
技术实现思路
中提供的效果仅仅是实施例的效果，而不是专利技术所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：与现有技术相比，本专利技术通过对人事考评谈话工作借助于语音识别技术实现了从语音信号到文本文件(谈话记录)的转录工作，是一种由语音信号转换为计算机可读的输入，再由计算机可读输入转换为文本输出的谈话考评管理工具，进而取代传统手工翻译的工作方式，翻译结果准确率高，系统应用性强，节省了大量的人力物力资源，语音识别技术的应用，是信息化工具与企业管理的深化融合，同时分析模型的建立，更直观的展现考评结果，信息化的考评分析手段，有效减少人为考评造成的主观性和片面性考核结果，保障人事考评的公平公正性。附图说明图1为本专利技术实施例中所提供的一种基于语音识别的人事考评方法流程图；图2为本专利技术实施例中所提供的一种离线转录方法流程图；图3为本专利技术实施例中所提供的一种基于语音识别的人事考评系统结构框图；图4为本专利技术实施例中所提供的一种基于离线转录语音识别的人事考评系统结构框图。具体实施方式为了能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本专利技术进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本专利技术的不同结构。为了简化本专利技术的公开，下文中对特定例子的部件和设置进行描述。此外，本专利技术可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本专利技术省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本专利技术。下面结合附图对本专利技术实施例所提供的一种基于语音识别的人事考评方法与系统进行详细说明。如图1所示，本专利技术实施例公开了一种基于语音识别的人事考评方法，所述方法包括以下步骤：S101、建立考评组ID以及考评批次ID，以记录考评内容；S102、接收语音信号，以音节作为识别单元，采用基于卷积神经网络的声学模型和隐马尔可夫语言模型将语音实时转化为对应的文字；S103、建立考评关键词库，根据词库内容对谈话记录进行全文检索，统计关键词频并建模分析。在人事考评谈话开始前，根据具体谈话考评制度，建立考评批次，设置考评人及被考评人，确定考评范围，对被考评人进行分组，合理分配考评任务，保证谈话考评工作按时完成，建立考评组ID以及考评批次ID，对于考评工作进行统一管理。在考评谈话时，通过实时转录技术边录音边转录。谈话过程中实时接收语音信号，以音节作为识别单元，通过语音识别技术完成对语音信号的实时翻译。将一段声音解析为更小的声音单元，然后借助基于卷积神经网络的声学模型和隐马尔科夫语言模型，转化为对应的文字，通过语言模型进行处理，可得到最优的文字结果。本文档来自技高网...

【技术保护点】
1.一种基于语音识别的人事考评方法，其特征在于，所述方法包括以下步骤：S101、建立考评组ID以及考评批次ID，以记录考评内容；S102、接收语音信号，以音节作为识别单元，采用基于卷积神经网络的声学模型和隐马尔可夫语言模型将语音实时转化为对应的文字；S103、建立考评关键词库，根据词库内容对谈话记录进行全文检索，统计关键词频并建模分析。

【技术特征摘要】
1.一种基于语音识别的人事考评方法，其特征在于，所述方法包括以下步骤：S101、建立考评组ID以及考评批次ID，以记录考评内容；S102、接收语音信号，以音节作为识别单元，采用基于卷积神经网络的声学模型和隐马尔可夫语言模型将语音实时转化为对应的文字；S103、建立考评关键词库，根据词库内容对谈话记录进行全文检索，统计关键词频并建模分析。2.根据权利要求1所述的一种基于语音识别的人事考评方法，其特征在于，所述采用基于卷积神经网络的声学模型和隐马尔可夫语言模型将语音转化为对应的文字具体过程如下：构建卷积神经网络模型；通过预先构建的语音库实现声学模型构建，提取每帧固定长度的语音对应的fBank特征，通过卷积神经网络模型对声学模型进行训练，将语音转换成拼音；利用隐马尔可夫语言模型将拼音转换成文字。3.根据权利要求1或2所述的一种基于语音识别的人事考评方法，其特征在于，所述卷积神经网络模型采用卷积层与池化层交替设置的方式，所述卷积层的激活值通过以下公式计算：hj,k表示在卷积输出层的第j张特征图，第k个神经元激活值，s表示卷积核的长度，表示对应于第j个卷积核的第b个频带的权重值，aj是对应第j张特征图的偏置，θ(x)是激活函数。4.根据权利要求3所述的一种基于语音识别的人事考评方法，其特征在于，所述池化层的极大池化函数公式如下：pj,m表示池化层的输出，j表示第j个特征图，m表示第m个池化带，n是下采样因子，r是池的大小。5.根据权利要求1所述的一种基于语音识别的人事考评方法，其特征在于，所述方法还包括对考评谈话进行离线转录，具体为：S201、导入外部音频文件；S202、以音节作为识别单元，通过语音信号预处理与特征提取技术，对音频文件进行翻译；S203、编辑调整翻译内容。6.一种基于语音识...

【专利技术属性】
技术研发人员：周建朋，刘传彬，邢益林，张彪，李旭，孙海东，金衍鹏，张超，刘经魁，
申请(专利权)人：金现代信息产业股份有限公司，
类型：发明
国别省市：山东,37