贷款智能进件方法、装置及存储介质制造方法及图纸

本发明专利技术属于人工智能技术领域，公开了一种贷款智能进件方法、装置及存储介质，方法包括：获取进件时用户的第一输入语音和审批时用户的第二输入语音；提取语音特征；利用语音分析模型进行语音分析，得出进件时的用户和审批时的用户是否是同一用户；若是同一用户，则审批通过，用户进件成功；若不是同一用户，则审批不通过，用户进件失败；其中，语音分析模型采用对抗神经网络模型，包括生成模型和判别模型，生成模型用于生成与所述第二输入语音对应的语音向量，判别模型用于判断第二输入语音对应的用户与第一输入语音对应的用户是同一用户的概率。本发明专利技术可以对用户信息进行复核比对，以确认是否是本人在操作，对用户信息进行多维度判别。

【技术实现步骤摘要】
贷款智能进件方法、装置及存储介质
本专利技术涉及人工智能
，尤其涉及一种贷款智能进件方法、装置及存储介质。
技术介绍
目前，贷款产品通常是通过用户手工录入的方式将产品所需的字段一个一个地录入到各种贷款产品的app中，而通常都需要录入几十甚至几百个字段，这需要消耗大量的时间和精力，而且由于文化水平的差异，还有部分贷款用户打字速度比较慢，如果要录入几十甚至几百个字段，其效率可想而知。这种手工录入大批量用户信息字段的方式不仅效率低下，对于部分贷款意愿强烈，但不善于打字的用户，增加了贷款申请的壁垒，而且，仅通过字段录入难以对用户的真实信息进行多维度判别。
技术实现思路
本专利技术提供一种贷款智能进件方法、装置及存储介质，以解决现有技术中难以对用户的真实信息进行多维度判别的问题。为了实现上述目的，本专利技术的一个方面是提供一种贷款智能进件方法，包括：获取进件时用户的第一输入语音和审批时用户的第二输入语音；提取所述第一输入语音和所述第二输入语音的语音特征；利用经过训练得到的语音分析模型，对所述第一输入语音和所述第二输入语音进行语音分析，得出进件时的用户和审批时的用户是否是同一用户；若进件时的用户与审批时的用户是同一用户，则审批通过，用户进件成功；若进件时的用户与审批时的用户不是同一用户，则审批不通过，用户进件失败；其中，所述语音分析模型采用对抗神经网络模型，所述对抗神经网络模型包括生成模型和判别模型，所述生成模型用于生成与所述第二输入语音对应的语音向量，所述判别模型用于判断第二输入语音对应的用户与第一输入语音对应的用户是同一用户的概率。在一个实施例中，所述贷款智能进件方法还包括：对所述对抗神经网络模型进行训练；对所述对抗神经网络模型进行训练的步骤包括：获取训练样本，所述训练样本包括进件时用户的第一输入语音和审批时用户的第二输入语音；将训练样本输入对抗神经网络模型进行训练，其中，通过所述生成模型对所述第一输入语音进行语音特征的学习，生成与所述第二输入语音相对应的语音向量，所述语音向量用于对抗训练；通过所述判别模型对第一输入语音和第二输入语音对应的用户是否是同一用户进行判断，输出第一输入语音和第二输入语音对应的用户是同一用户的概率；当所述判别模型输出结果的准确率超过预设阈值时，结束训练。在一个实施例中，通过所述生成模型对所述第一输入语音进行语音特征的学习，生成与所述第二输入语音相对应的语音向量的步骤包括：将所述第一输入语音输入所述生成模型；通过所述生成模型的全连接层将所述第一输入语音的语音特征转化为特征表；对所述特征表的语音特征数据进行反卷积运算，经过多层反卷积层生成输出语音特征，作为与第二输入语音相对应的语音向量。在一个实施例中，通过所述判别模型对第一输入语音和第二输入语音对应的用户是否是同一用户进行判断的步骤包括：通过卷积层对所述输出语音特征进行卷积运算；通过全连接层对卷积运算结果进行处理；通过激活函数输出所述输出语音特征为真假的概率。在一个实施例中，提取所述第一输入语音和所述第二输入语音的语音特征时，使用梅尔频率倒谱系数语音特征进行采样分析，通过使用声谱图、倒谱分析、Mel频率分析、Mel频率倒谱系数的方式对语音特征进行提取。在一个实施例中，提取梅尔频率倒谱系数语音特征的步骤包括：对输入语音进行预处理，所述预处理包括预加重、分帧和加窗处理；通过快速傅里叶变换得到与每一个短时分析窗对应的FFT频谱；通过Mel滤波器组得到与FFT频谱对应的Mel频谱；在Mel频谱上进行倒谱分析，获得梅尔频率倒谱系数。在一个实施例中，获取进件时用户的第一输入语音之后，还包括：通过语音识别获取与第一输入语音对应的录入字段信息；获取用户的证件图片，并通过图像文字识别获取用户的证件信息；通过获取的证件信息对相应的录入字段信息进行验证。在一个实施例中，获取进件时用户的第一输入语音之后，还包括：将第一输入语音转化为文本；对转化文本进行文字情绪识别；根据文字情绪识别结果判断用户是否说谎，若判断得出用户说谎，则结束进件，若判断得出用户未说谎，则进行获取审批时用户的第二输入语音的步骤。为了实现上述目的，本专利技术的另一个方面是提供一种电子装置，该电子装置包括：处理器和存储器，所述存储器中包括贷款智能进件程序，所述贷款智能进件程序被所述处理器执行时实现如上所述的贷款智能进件方法。为了实现上述目的，本专利技术的再一个方面是提供一种计算机可读存储介质，所述计算机可读存储介质中包括贷款智能进件程序，所述贷款智能进件程序被处理器执行时，实现如上所述的贷款智能进件方法。相对于现有技术，本专利技术具有以下优点和有益效果：本专利技术通过对抗神经网络模型对用户进件时和审批时的输入语音进行语音分析，可以对用户信息进行复核比对，以确认是否是本人在操作，对用户信息进行多维度判别。本专利技术通过语音交互方式，让用户在沟通中即可填入贷款所需信息，可以有效避免客户产生烦躁等负面情绪，并且，降低贷款申请的技术壁垒，减少因打字速度、不会打字等原因而放弃贷款的客户人数。本专利技术采用语音作为贷款信息的一个来源，可以增加用户在语音录入时的说话情绪判断，增加用户说话语速、声音频率等方面的数据，可作为智能风控判别用户真实性、有效性的一个手段、方式。附图说明图1为本专利技术所述贷款智能进件方法的流程示意图；图2为本专利技术中贷款智能进件装置的示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式下面将参考附图来描述本专利技术所述的实施例。本领域的普通技术人员可以认识到，在不偏离本专利技术的精神和范围的情况下，可以用各种不同的方式或其组合对所描述的实施例进行修正。因此，附图和描述在本质上是说明性的，仅仅用以解释本专利技术，而不是用于限制权利要求的保护范围。此外，在本说明书中，附图未按比例画出，并且相同的附图标记表示相同的部分。图1为本专利技术所述贷款智能进件方法的流程示意图，如图1所示，所述贷款智能进件方法包括以下步骤：步骤S1，获取进件时用户的第一输入语音和审批时用户的第二输入语音，其中，进件指的是用户贷款时向贷款机构或银行系统提交申请贷款所需材料，审批指的是进件后对所提交材料进行审核，审批通过，则表示进件成功，才可向用户发放贷款；第一输入语音指的是用户申请贷款时录入的语音信息，第二输入语音指的是对用户贷款申请进行审批时用户录入的语音信息；步骤S2，提取第一输入语音和第二输入语音的语音特征；步骤S3，利用经过训练得到的语音分析模型，对所述第一输入语音和所述第二输入语音进行语音分析，得出进件时的用户和审批时的用户是否是同一用户；若进件时的用户与审批时的用户是同一用户，则审批通过，用户进件成功；若进件时的用户与审批时的用户不是同一用户本文档来自技高网...

【技术保护点】
1.一种贷款智能进件方法，应用于电子装置，其特征在于，包括：/n获取进件时用户的第一输入语音和审批时用户的第二输入语音；/n提取所述第一输入语音和所述第二输入语音的语音特征；/n利用经过训练得到的语音分析模型，对所述第一输入语音和所述第二输入语音进行语音分析，得出进件时的用户和审批时的用户是否是同一用户；/n若进件时的用户与审批时的用户是同一用户，则审批通过，用户进件成功；若进件时的用户与审批时的用户不是同一用户，则审批不通过，用户进件失败；/n其中，所述语音分析模型采用对抗神经网络模型，所述对抗神经网络模型包括生成模型和判别模型，所述生成模型用于生成与所述第二输入语音对应的语音向量，所述判别模型用于判断第二输入语音对应的用户与第一输入语音对应的用户是同一用户的概率。/n

【技术特征摘要】
1.一种贷款智能进件方法，应用于电子装置，其特征在于，包括：
获取进件时用户的第一输入语音和审批时用户的第二输入语音；
提取所述第一输入语音和所述第二输入语音的语音特征；
利用经过训练得到的语音分析模型，对所述第一输入语音和所述第二输入语音进行语音分析，得出进件时的用户和审批时的用户是否是同一用户；
若进件时的用户与审批时的用户是同一用户，则审批通过，用户进件成功；若进件时的用户与审批时的用户不是同一用户，则审批不通过，用户进件失败；
其中，所述语音分析模型采用对抗神经网络模型，所述对抗神经网络模型包括生成模型和判别模型，所述生成模型用于生成与所述第二输入语音对应的语音向量，所述判别模型用于判断第二输入语音对应的用户与第一输入语音对应的用户是同一用户的概率。


2.根据权利要求1所述的贷款智能进件方法，其特征在于，所述贷款智能进件方法还包括：对所述对抗神经网络模型进行训练；
对所述对抗神经网络模型进行训练的步骤包括：
获取训练样本，所述训练样本包括进件时用户的第一输入语音和审批时用户的第二输入语音；
将训练样本输入对抗神经网络模型进行训练，其中，通过所述生成模型对所述第一输入语音进行语音特征的学习，生成与所述第二输入语音相对应的语音向量，所述语音向量用于对抗训练；通过所述判别模型对第一输入语音和第二输入语音对应的用户是否是同一用户进行判断，输出第一输入语音和第二输入语音对应的用户是同一用户的概率；
当所述判别模型输出结果的准确率超过预设阈值时，结束训练。


3.根据权利要求2所述的贷款智能进件方法，其特征在于，通过所述生成模型对所述第一输入语音进行语音特征的学习，生成与所述第二输入语音相对应的语音向量的步骤包括：
将所述第一输入语音输入所述生成模型；
通过所述生成模型的全连接层将所述第一输入语音的语音特征转化为特征表；
对所述特征表的语音特征数据进行反卷积运算，经过多层反卷积层生成输出语音特征，作为与第二输入语音相对应的语音向量。


4.根据权利要求3所述的贷款智能进件方法，其特征在于，通过所述判别模型对第一输入语...

【专利技术属性】
技术研发人员：张山，余自雷，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东;44