[发明专利]一种人工智能量表的自动监测方法及系统

权利要求书

1.一种人工智能量表的自动监测方法，其特征在于，所述监测方法包括：

获取量表数据；

对所述量表数据进行异常数据的检测与清洗，获得处理后量表数据；

根据所述处理后量表数据计算心理因子并进行相关性分析，获得分析结果；

根据所述分析结果预测公司职工的工作状态，获得测评结果；

对所述分析结果采用机器学习模型进行学习，所述分析结果为心理因子评分数据；

将因子评分嵌入为特征编码，根据TabNet与XGBoost回归预测工作状态得分，取平均值后接一层全连接层预测该分数对应的工作状态级别；

同时由所述TabNet与所述XGBoost分类模型分别预测工作状态级别；

将得到的三种评级进行“投票”，获取多数结果作为最终结果。

2.根据权利要求1所述的一种人工智能量表的自动监测方法，其特征在于，所述获取量表数据具体包括：获取公司职工的心理健康量表作答数据。

3.根据权利要求1所述的一种人工智能量表的自动监测方法，其特征在于，所述对所述量表数据进行异常数据的检测与清洗具体包括：

将所述量表数据中的噪声样本筛除，获得筛除量表数据；

将所述筛除量表数据补全并规范数据格式。

4.根据权利要求1所述的一种人工智能量表的自动监测方法，其特征在于，所述根据所述处理后量表数据计算心理因子并进行相关性分析，获得分析结果具体包括：

统计公司职工的心理健康量表作答数据；

计算出十六项心理因子的评分，并根据评分数据对因子两两求得Pearson相关性系数：

其中X和Y分别表示比较的两个心理因子向量，ρ(X,Y)表示它们的Pearson相关性系数，Cov(X,Y)表示它们的协方差，σ_X和σ_Y分别表示X和Y的标准差，μ_X和μ_Y分别表示X和Y的均值；

根据所述相关性系数绘制散点图和相关性矩阵，反应各个心理因子之间的相关关系。

5.一种人工智能量表的自动监测系统，其特征在于，包括：

量表数据的异常检测与清洗模块，用于对所述量表数据进行异常数据的检测与清洗，获得处理后量表数据；

心理因子计算与相关性分析模块，用于根据所述处理后量表数据计算心理因子并进行相关性分析，获得分析结果；

公司职工工作状态预测模块，用于根据所述分析结果预测公司职工的工作状态，获得测评结果，对所述分析结果采用机器学习模型进行学习，所述分析结果为心理因子评分数据；

将因子评分嵌入为特征编码，根据TabNet与XGBoost回归预测工作状态得分，取平均值后接一层全连接层预测该分数对应的工作状态级别；

同时由所述TabNet与所述XGBoost分类模型分别预测工作状态级别；

将得到的三种评级进行“投票”，获取多数结果作为最终结果。