语音识别质量的跟踪-EW帮帮网

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。

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。