语音识别质量的跟踪

背景

这个项目是用来生成结构化的电子病历的。数据的来源是医生的录音。中间有一大堆的处理，语音识别，关键字匹配，结构化处理，病历编辑......。最多的时候给上百家医院服务。

语音识别质量的跟踪

一、0225医院的训练后的情况分析：

通过0225医院的20278、46248、47146、47160、27823、47830、47879、48824、48837、48848医生的统计，发现这批医生在训练之后识别的质量有提升。具体如下：

通过曲线可以看出，在人工训练之后（图中的竖线右边的部分），Score有所提高，平均提高50分左右。

通过曲线可以看出，在训练之后（图中的竖线右边的部分），识别引擎在识别过程中耗费的时间大大降低了。识别时间的降低，可以减少报告的识别超时从而降低BlankCDA的报告数，同时也能减轻识别服务器的压力。所以，识别时间的降低对整个系统有着积极的意义。

二、其他医院的训练分析：

其他医院训练的时间比较早，当时的日志记录中还没有SR_Score的记录。需要等下次训练后，才可以进行识别质量分析。

三、当前识别质量统计：

       就目前的统计数据来看，在800分（满分为1000分）以下或识别时长超过4倍的医生还有一些，但是比例不是很大。具体如下：

      

      

       就统计结果来看，Score低于800的大约占1.27%

      

就统计结果来看，识别时间大于4的大约占5.07%

四、识别分数低于800或识别时长超过4的医生的列表：

    共计46人，详见下表。

HOSP_CODE	DOCTOR	AVG_SR_SCORE	PROCESSTIME/DICTLEN
0011	561	813	5.13
0013	0402	828	4.80
0013	2213	819	4.04
0013	3032	861	4.05
0013	3170	805	5.66
0013	3268	795	4.37
0014	0004	742	6.41
0014	0824	751	5.56
0014	4401	816	4.85
0014	77807	831	4.30
0014	9596	860	4.64
0015	80000	835	4.33
0015	98400	821	5.14
0016	1512	784	5.56
0016	1710	805	4.91
0016	2087	831	4.68
0016	2156	855	4.18
0016	2176	697	3.17
0016	2462	860	4.03
0016	3274	787	4.27
0016	3323	852	4.14
0016	4367	860	4.02
0016	559	857	4.02
0066	0430	813	4.96
0066	2259	828	4.21
0066	2485	771	5.46
0066	2742	807	4.91
0066	2832	807	5.50
0066	3031	820	4.37
0066	3131	832	4.54
0066	4196	571	5.35
0066	5222	849	4.45
0066	5853	782	4.74
0066	6910	875	4.54
0088	366	827	4.23
0223	17355	858	4.09
0223	42648	807	4.86
0223	7790	815	5.16
0225	14383	809	4.17
0225	40922	836	4.44
0225	42145	812	4.46
0225	43724	621	3.37
0225	45217	816	4.32
0225	46268	793	4.74
0225	47823	827	4.29
0225	48848	865	4.22

对于特定医生的语音识别质量跟踪

5853医生的识别质量变化曲线：

6910医生的识别质量变化曲线：

5018医生的识别质量变化曲线：

1375医生的识别质量变化曲线：