逾期借款催收方式的推荐方法、装置、介质、电子设备制造方法及图纸

本发明专利技术涉及智能决策技术领域，揭示了一种逾期借款催收方式的推荐方法、装置、介质及电子设备。该方法包括：获取逾期借款客户的个人基本数据和借款状态数据；对逾期借款客户的个人基本数据和借款状态数据进行无量纲化处理，以得到逾期借款客户的催收参考数据；将逾期借款客户的催收参考数据输入机器学习模型，由机器学习模型输出逾期借款客户的催收参考分数；基于逾期借款客户的催收参考分数，为客户分配催收方式标签。此方法下，通过为借款逾期客户智能分配催收方式标签的方式，能够实现高效催收、精准催收，提升催收成功率，有效减少人工催收的工作量，进而提高催收工作的效率。

Recommended methods, devices, media and electronic equipment for collection of overdue loans

【技术实现步骤摘要】
逾期借款催收方式的推荐方法、装置、介质、电子设备
本专利技术涉及智能决策
，特别涉及一种逾期借款催收方式的推荐方法、装置、介质及电子设备。
技术介绍
目前，随着互联网金融业务的高速发展，越来越多的银行和小额借款公司推出了无抵押小额借款，在现实中，出现无抵押小额借款逾期的现象较为普遍。由于无抵押借款没有抵押标的作为担保，使得银行和小额借款公司在催收还款方面的难度大大增加，因此，为了提高借款客户的还款率，银行和小额借款公司需要根据借款逾期客户的逾期情况选择合适的催收方式。在现有技术中，银行和小额借款公司往往根据逾期借款客户的逾期时长来采取相应的催收方式，借款的逾期时间越长，所采取的催收方式就越偏激。然而，采取偏激的催收方式会使得催收的代价变大。在实际情况中，无抵押借款具有期限短、金额低、客户基数较大的特点。其中，部分逾期时间长的客户并非恶意欠款，而是由于忘记还款日或短期资金周转困难才没有还款，而部分逾期时间短的客户却有可能是潜在恶意欠款客户。因此，如果单纯的对逾期时间较长的客户采取较为偏激的方式催收，对逾期时间较短的客户采取较为温和的方式催收，就可能带来催收方式与逾期客户的匹配不合理，进而带来逾期借款催收精准度差和催收工作效率低的技术问题。
技术实现思路
在智能决策
，为了解决相关技术中存在逾期借款催收精准度差和催收工作效率低的技术问题，本专利技术提供了一种逾期借款催收方式的推荐方法、装置、介质及电子设备。根据本申请的一方面，提供了一种逾期借款催收方式的推荐方法，所述方法包括：获取逾期借款客户的个人基本数据和借款状态数据；对逾期借款客户的个人基本数据和借款状态数据进行无量纲化处理，以得到逾期借款客户的催收参考数据；将逾期借款客户的催收参考数据输入机器学习模型，由机器学习模型输出逾期借款客户的催收参考分数；基于逾期借款客户的催收参考分数，为客户分配催收方式标签。根据本申请的另一方面，提供了一种逾期借款催收方式的推荐装置，所述装置包括：获取模块，被配置为获取逾期借款客户的个人基本数据和借款状态数据；无量纲化处理模块，被配置为对逾期借款客户的个人基本数据和借款状态数据进行无量纲化处理；输出模块，被配置为输出逾期借款客户的催收参考分数；分配模块，被配置为为客户分配催收方式标签；根据本申请的另一方面，提供了一种计算机可读程序介质，其存储有计算机程序指令，当所述计算机程序指令被计算机执行时，使计算机执行如前所述的方法。根据本申请的另一方面，提供了一种电子设备，所述电子设备包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如前所述的方法。由以上本专利技术的技术方案，与现有技术相比，其显著的有益效果在于：通过为借款逾期客户智能分配催收方式标签，进而根据借款逾期客户的催收标签采取相应催收行为的方式，能够实现对逾期借款的高效催收、精准催收，从而提升催收成功率，此外，通过这一方式还能有效减少人工催收的工作量，进而提高催收工作的效率。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。结合附图从下面的描述中可以更加全面地理解本专利技术教导的前述和其他方面、实施例和特征。本专利技术的其他附加方面例如示例性实施方式的特征和有益效果将在下面的描述中显现，或通过根据本专利技术教导的具体实施方式的实践中得知。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是根据一示例性实施例示出的逾期借款催收方式的推荐方法的应用场景示意图；图2是根据一示例性实施例示出的一种逾期借款催收方式的推荐方法的流程图；图3是根据图2对应实施例示出的一实施例的步骤230的细节流程图；图4是根据一示例性实施例示出的一种逾期借款催收方式的推荐装置的框图；图5是根据一示例性实施例示出的一种实现上述方法的电子设备示例框图；图6是根据一示例性实施例示出的一种实现上述方法的计算机可读存储介质。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。本公开首先提供了一种逾期借款催收方式的推荐方法。所述催收方式是指银行或者小额借款公司为了使逾期借款客户还清借款而采取的一切合理合法的行为。例如，催收方式可以是短信催收，可以是电话催收，也可以是上门催收或者是委托专业催收公司进行催收，还可以是通过司法途径来进行催收。本专利技术的实施环境可以是便携移动设备，例如智能手机、平板电脑、笔记本电脑等，也可以是各种固定式设备，例如，计算机设备、现场终端、台式电脑、服务器、工作站等。图1是根据一示例性实施例示出的逾期借款催收方式的推荐方法的应用场景示意图。随着互联网金融业务的高速发展，越来越多的银行和小额借款公司推出了无抵押小额借款，在现实中，出现无抵押小额借款逾期的现象较为普遍。因此，对于逾期借款的催收就成了银行和小额借款公司一项重要工作，而为借款逾期客户选择合适的催收方式又是提高银行和小额借款公司催收工作效率的关键。在图1所示的实施例的应用场景中，本专利技术采用了以机器学习模型103为辅助工具，将借款逾期客户的个人基本数据101和借款状态数据102转化为能够直观衡量逾期客户欠款恶意程度或者善意程度的催收参考分数104，进而根据机器学习模型输出的客户的催收参考分数为客户分配催收方式标签105。图2是根据一示例性实施例示出的一种逾期借款催收方式的推荐方法的流程图。如图2所示，此方法包括以下步骤：步骤210，获取逾期借款客户的个人基本数据和借款状态数据。所述逾期借款客户的个人基本数据可以是客户的工资水平、受教育时长、年龄，家庭成员，不良信用记录等等；所述逾期借款客户的借款状态数据可以是客户的借款逾期的时长，借款金额等等。在本专利技术中，所述逾期借款客户的个人基本数据和借款状态数据的获取方式可以有多种。例如，可以使用采集设备或者采集单元从存有借款客户基本信息和借款信息的数据库中采集所述个人基本数据和借款状态数据得到。也可以通过运行爬虫程序从存有借款客户基本信息和借款信息的数据库中爬取得到。还可以是通过数据的传输介质，读取或者接收测试人员发送的数据。还可以通过物理硬盘拷贝得到逾期借款客户的个人基本数据和借款状态数据，或者是通过工作人员手动输入而得到。步骤220，对逾期借款客户的个人基本数据和借款状态数据进行无量纲化处理，以得到逾期借款客户的催收参考数据。对原始数据进行无量纲化处理实际上就是对数据进行去单位化。在处理实际问题的过程中，特别是在建立指标评价体系时，常常会面临不同类型的数据处理及融合。而各个指标之间由于计量单位和数量级的不尽相同，从而使得各指标间不具有可比性。在数据分析之前，通常先将数据进行无量纲化处理这样的处理有助于同化具有本文档来自技高网...

【技术保护点】
1.一种逾期借款催收方式的推荐方法，其特征在于，包括：获取逾期借款客户的个人基本数据和借款状态数据；对逾期借款客户的个人基本数据和借款状态数据进行无量纲化处理，以得到逾期借款客户的催收参考数据；将逾期借款客户的催收参考数据输入机器学习模型，由机器学习模型输出逾期借款客户的催收参考分数；基于逾期借款客户的催收参考分数，为客户分配催收方式标签。

【技术特征摘要】
1.一种逾期借款催收方式的推荐方法，其特征在于，包括：获取逾期借款客户的个人基本数据和借款状态数据；对逾期借款客户的个人基本数据和借款状态数据进行无量纲化处理，以得到逾期借款客户的催收参考数据；将逾期借款客户的催收参考数据输入机器学习模型，由机器学习模型输出逾期借款客户的催收参考分数；基于逾期借款客户的催收参考分数，为客户分配催收方式标签。2.根据权利要求1所述的方法，其特征在于，对逾期借款客户的个人基本数据和借款状态数据进行无量纲化处理可以是通过极值化方法来完成的。3.根据权利要求1所述的方法，其特征在于，对逾期借款客户的个人基本数据和借款状态数据进行无量纲化处理可以是通过标准化方法来完成的。4.根据权利要求1所述的方法，其特征在于，对逾期借款客户的个人基本数据和借款状态数据进行无量纲化处理可以是通过均值化方法来完成的。5.根据权利要求1所述的方法，其特征在于，对逾期借款客户的个人基本数据和借款状态数据进行无量纲化处理可以是通过标准差化方法来完成的。6.根据权利要求1所述的方法，其特征在于，所述催收参考数据包括第一催收参考数据和第二催收参考数据，其中，第一催收参考数据是由所述个人基本数据进行无量纲化处理而得到的，第二催收参考数据是由所述借款状态数据进行无量纲化处理而得到的。7.根...

【专利技术属性】
技术研发人员：张锋，刘骥，刘玉强，金明，李雯，叶素兰，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44