[发明专利]一种组织人员心态预测方法

说明书

本发明公开了一种组织人员心态预测方法，包括获取组织员工的在一个时间周期内的组合数据，将组合数据进行预处理形成待识别的组合数据特征，将组合数据特征送入一个预先建立的心态预测神经网络模型，心态预测神经网络模型分析输出心态预测数据，心态预测数据经一个心态预测识别库输出对应心态预测数据的心态值；本发明摆脱了以往仅通过实地走访、问卷答题质性评估心态的形式，实现了对心态预测的量化且可大规模应用。提升了表情识别在自然状态下的精度，实现在自然状态下常见表情识别精度平均达到65%以上，进而实现在工作场景中自然状态下的大规模应用，以更为客观、非侵入式的方式采集情绪数据，保证了心态数据的真实性和易操作性。

技术领域

本发明涉及一种组织人员心态预测方法。

背景技术

在以往的研究中没有对工作心态进行量化的测评与分析技术，对个体工作心态的测量目前仍是世界性的难题。而个体工作心态的测量是群体工作心态测量的基础，对群体工作心态的测量更是处于无人探索的空白区域。现有关于心态的分析研究较多的是对社会心态的研究，且多为质性研究，停留在对社会心态的概念分析、功能研究等方面。而对于工作心态的研究，多停留在各个群体对应具备什么样的工作心态的探讨层面。而具体到每个个体或群体的心态分析，则更多地是采用思想动态分析，通过深入群众、实地走访、问卷调查等方式了解员工队伍的心理动态，不但调研间隔时间长，而且被调研员工多心存顾忌而敷衍应付、被动作答，致使定性分析多于定量分析。总之，对于心态的研究，多停留在质性研究阶段，都缺乏将心态具体化、量化的工作。

发明内容

本发明的目的在于提出一种组织人员心态预测方法，通过本方法实现了对心态预测的量化。

为了实现上述目的，本发明的技术方案是：

一种组织人员心态预测方法，包括获取组织员工的在一个时间周期内的

组合数据，将组合数据进行预处理形成待识别的组合数据特征，将组合数据特征送入一个预先建立的心态预测神经网络模型，心态预测神经网络模型分析输出心态预测数据，心态预测数据经一个心态预测识别库输出对应心态预测数据的心态值；其中，所述组合数据是心理特征点数据和面目情绪数据；

所述心理特征点数据：是通过心理学量表方式采集的数字表现数据，心理学量表将心理问题用数字区分不同表现类别及等级，通过对类别及等级的选择形成由多个数字组组成的心理特征点数据；

所述面目情绪数据：是通过情绪测量方法获取员工的表情状态，然后将表情状态转为数字表现形成面目情绪数据；

所述将组合数据进行预处理形成待识别的组合数据特征：是将组合数据中的心理特征点数据和面目情绪数据转化为统一格式数据，形成组合数据特征；

所述心态预测神经网络模型的预先建立包括：

第一步：按照分层抽样划分组织人员总数中一部分员工作为建模员工样本，

获取建模员工在建模时间周期内的每位员工的所述组合数据和心态评判数据，将组合数据进行所述预处理形成所述组合数据特征，所述心态评判数据是通过问卷表格的方式采集的对所述建模时间周期内每位员工表现进行评判的数据，再将心态评判数据进行所述预处理转化对应所述组合数据特征的比对数值表；

第二步：将每一位员工的组合数据特征输入神经网络学习得到每一位员工的心态预测值输出，将每一位员工的心态预测值输出与比对数值表中对应员工的评判心态值进行对比，得到每位员工的心态值对比误差，并得到建模员工心态值对比误差平均值；

第三步：使用对比误差平均值对神经网络进行反向传播调节网络权值，判断心态值对比误差平均值是否是最小值拐点值，如果不是，返回第二步；如果是，将此时的心态预测值输出所对应的比对数值作为被识别的心态值输入并形成所述心态预测识别库，完成预测神经网络模型的建立。

方案进一步是：所述预处理包括：对数据进行归一化处理形成0至1的统一数据格式。