[發明專利]一種組織人員心態預測方法

有效

• 申請號: 201910565673.4
• 申請日: 2019-06-27
• 公開（公告）號: CN110298301B
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 李斌;倪春;王擇青;張寒;孫淵遠;胡軍;陳莉;苗泉竹;欽林文;韋瑜華;趙敏;盛文斌;周洋
• 申請（專利權）人: 國網江蘇省電力有限公司;北京陽光易德科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京國林貿知識產權代理有限公司 11001
• 代理人: 李桂玲;杜國慶

本發明公開了一種組織人員心態預測方法，包括獲取組織員工的在一個時間周期內的組合數據，將組合數據進行預處理形成待識別的組合數據特征，將組合數據特征送入一個預先建立的心態預測神經網絡模型，心態預測神經網絡模型分析輸出心態預測數據，心態預測數據經一個心態預測識別庫輸出對應心態預測數據的心態值；本發明擺脫了以往僅通過實地走訪、問卷答題質性評估心態的形式，實現了對心態預測的量化且可大規模應用。提升了表情識別在自然狀態下的精度，實現在自然狀態下常見表情識別精度平均達到65%以上，進而實現在工作場景中自然狀態下的大規模應用，以更為客觀、非侵入式的方式采集情緒數據，保證了心態數據的真實性和易操作性。

技術領域

本發明涉及一種組織人員心態預測方法。

背景技術

在以往的研究中沒有對工作心態進行量化的測評與分析技術，對個體工作心態的測量目前仍是世界性的難題。而個體工作心態的測量是群體工作心態測量的基礎，對群體工作心態的測量更是處于無人探索的空白區域。現有關于心態的分析研究較多的是對社會心態的研究，且多為質性研究，停留在對社會心態的概念分析、功能研究等方面。而對于工作心態的研究，多停留在各個群體對應具備什么樣的工作心態的探討層面。而具體到每個個體或群體的心態分析，則更多地是采用思想動態分析，通過深入群眾、實地走訪、問卷調查等方式了解員工隊伍的心理動態，不但調研間隔時間長，而且被調研員工多心存顧忌而敷衍應付、被動作答，致使定性分析多于定量分析。總之，對于心態的研究，多停留在質性研究階段，都缺乏將心態具體化、量化的工作。

發明內容

本發明的目的在于提出一種組織人員心態預測方法，通過本方法實現了對心態預測的量化。

為了實現上述目的，本發明的技術方案是：

一種組織人員心態預測方法，包括獲取組織員工的在一個時間周期內的

組合數據，將組合數據進行預處理形成待識別的組合數據特征，將組合數據特征送入一個預先建立的心態預測神經網絡模型，心態預測神經網絡模型分析輸出心態預測數據，心態預測數據經一個心態預測識別庫輸出對應心態預測數據的心態值；其中，所述組合數據是心理特征點數據和面目情緒數據；

所述心理特征點數據：是通過心理學量表方式采集的數字表現數據，心理學量表將心理問題用數字區分不同表現類別及等級，通過對類別及等級的選擇形成由多個數字組組成的心理特征點數據；

所述面目情緒數據：是通過情緒測量方法獲取員工的表情狀態，然后將表情狀態轉為數字表現形成面目情緒數據；

所述將組合數據進行預處理形成待識別的組合數據特征：是將組合數據中的心理特征點數據和面目情緒數據轉化為統一格式數據，形成組合數據特征；

所述心態預測神經網絡模型的預先建立包括：

第一步：按照分層抽樣劃分組織人員總數中一部分員工作為建模員工樣本，

獲取建模員工在建模時間周期內的每位員工的所述組合數據和心態評判數據，將組合數據進行所述預處理形成所述組合數據特征，所述心態評判數據是通過問卷表格的方式采集的對所述建模時間周期內每位員工表現進行評判的數據，再將心態評判數據進行所述預處理轉化對應所述組合數據特征的比對數值表；

第二步：將每一位員工的組合數據特征輸入神經網絡學習得到每一位員工的心態預測值輸出，將每一位員工的心態預測值輸出與比對數值表中對應員工的評判心態值進行對比，得到每位員工的心態值對比誤差，并得到建模員工心態值對比誤差平均值；

第三步：使用對比誤差平均值對神經網絡進行反向傳播調節網絡權值，判斷心態值對比誤差平均值是否是最小值拐點值，如果不是，返回第二步；如果是，將此時的心態預測值輸出所對應的比對數值作為被識別的心態值輸入并形成所述心態預測識別庫，完成預測神經網絡模型的建立。

方案進一步是：所述預處理包括：對數據進行歸一化處理形成0至1的統一數據格式。