本发明涉及语音识别，尤其涉及一种随访语音识别自校验方法。
背景技术：
1、目前，随着信息时代的到来，以互联网、大数据和人工智能为代表的新一代信息技术日新月异，语音识别校验作为人工智能支持随访信息采集的重要内容，对于提升医院的整体访问水平，实现随访数据标准化、提高医院随访数据质量有极其重要的积极意义。
2、但现有技术中，医院的随访管理，面对海量的随访语音信息，不能进行有效搜集整理和进行统计分析，语音转化为文本存在偏倚性。
技术实现思路
1、本发明的目的在于提供一种随访语音识别自校验方法，旨在解决现有技术中的医院的随访管理，面对海量的随访语音信息，不能进行有效搜集整理和进行统计分析，语音转化为文本存在偏倚性的技术问题。
2、为实现上述目的，本发明采用的一种随访语音识别自校验方法，包括如下步骤：
3、步骤一：通过语音采集模块，对随访语音进行识别和收集，并将其转换为语音电信号；
4、步骤二：通过语音识别模块将语音信号进行声学模型和语言模型的对比和识别，并形成元词；
5、步骤三：形成的元词进行语义修辞，通过在元词修正库中自匹配；
6、步骤四：在元词修正库中没有匹配成功，则自动回溯至元词识别库中进行自匹配；
7、步骤五：通过o&m的方式进行元音回溯，对元词和元音的偏倚性进行识别；
8、步骤六：通过o&m-intervention的方式对元词进行校正，并生成新的元词索引；
9、步骤七：将标记的元词、溯后的元音以及重新修辞后的元词形成映射关系，并将此映射关系保存至元词修正库之中。
10、其中，在所述步骤三种：对语义元词文本进行修辞，在修辞过程中使用gector模型算法和修辞模型对采出的关键词进行收敛性滤化，使其符合中文的语法规则和习惯，同时随访人员可以采取元音回溯的方式对采集的患者语音进行诊听，随访管理人员根据元音诊听的结果对修辞后的语义元词文本进行偏倚识别。
11、其中，在偏倚识别的步骤中：进行元词偏倚识别过程中发现元词文本的偏倚度达到了80％及以上就需要对元词进行校正，元词校正的方式可以以专属文本框进行手动撰该，也可以以自动撰该的方式进行智能组词。
12、其中，在进行智能组词的步骤中：通过智能组词选出的词组选择后进行标准化使其成为元词索引，形成元词索引的文本，形成元词索引后的文本将进入元词识别库进行匹配，匹配相识度达到95％则保存入元词修正库。
13、其中，所述o&m-intervention模型的相关理论包括模型的结构选取、模型的初始化、模型参数的重估和自校验算法，包括如下计算公式：
14、
15、本发明的一种随访语音识别自校验方法的有益效果为：进行了语音信号的预处理与疼痛语素特征提取，疼痛特征参数提取的目的是对语音信号进行分析处理，去掉与语音识别无关的冗余信息，获得影响语音识别的重要信息，同时对语音信号进行压缩，进行了声学模型与模式的自校验，声学模型在识别时将输入的语音特征同声学模型进行匹配与比较，得到最佳的识别结果，进行了语言模型与语义自校验处理，语言模型包括由识别语音命令构成的语法网络或由统计方法构成的语言模型，语言处理可以进行语法、语义分析，减少了识别系统的搜索空间，这有利于提高系统的识别效率。
1.一种随访语音识别自校验方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种随访语音识别自校验方法，其特征在于，
3.如权利要求2所述的一种随访语音识别自校验方法，其特征在于，
4.如权利要求3所述的一种随访语音识别自校验方法，其特征在于，
5.如权利要求4所述的一种随访语音识别自校验方法，其特征在于，
