一种贷后催收系统技术方案

本发明专利技术公开了一种贷后催收系统，包括任务获取单元和智能交互单元，智能交互单元又包括提醒模块和催收模块，催收模块还包括应答引擎、方言识别模型和方言交互终端，本发明专利技术涉及金融科技技术领域。该贷后催收系统，通过设置任务获取单元可以判断目标客户是否存在逾期风险和违约风险，并根据风险判定，对目标客户制定相应的催收策略，并执行，同时将客户对话信息中抽取的多组关键词嵌入客户贷款资料内，提高目标客户是否存在逾期风险和违约风险的判断，通过设置智能交互单元提醒贷款客户还款，可以有效地降低人工催收成本，避免客户信息泄露严重等缺点，可以做到与客户有效交互，识别客户的还款意愿。识别客户的还款意愿。识别客户的还款意愿。

【技术实现步骤摘要】
一种贷后催收系统


[0001]本专利技术涉及金融科技
，具体为一种贷后催收系统。

技术介绍

[0002]现有的金融机构通常都会有对逾期债权进行催收处理的机制。传统的催收机制主要依赖大量人工对贷款逾期客户进行电话、短信联系，必要时还要联系客户好友和家人，存在着客户信息泄露严重等缺点，若被催收对象反感情绪高涨，催收员也容易在催收过程受到不良情绪的负面影响，更容易引起与客户交互度不高，影响催收效果。
[0003]为便于对大量的债权进行催收管理，因此金融机构都设有催收系统，而现有的催收系统一般以借据为一个基础单元来构建催收管理对象，因而只能对借据这一种维度的催收管理对象进行催收作业，而这并不便于催收作业方式的灵活多变。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了一种贷后催收系统，解决了
技术介绍
中所提出的问题。
[0005]为实现以上目的，本专利技术通过以下技术方案予以实现：一种贷后催收系统，包括：
[0006]任务获取单元，用于获取客户贷款资料，并根据客户贷款资料判断客户贷款信息是否存在逾期，之后根据逾期情况判断目标客户是否存在逾期风险和违约风险；
[0007]智能交互单元，用于根据任务获取单元传输的数据提醒贷款客户还款，所述智能交互单元又包括提醒模块和催收模块；
[0008]所述提醒模块用于通过短信方式对存在逾期风险的客户进行还款提醒；
[0009]所述催收模块用于通过电话方式对存在违约风险的客户进行还款提醒；同时还用于识别客户意图，同时自动产生应对客户的话术，并生成话术通过语音播放给客户，具体的生成规则如下：
[0010]S1、获取当前客户对话信息，并转化为文本提取信息；
[0011]S2、从文本提取信息中抽取多组关键词，以及对当前文本提取信息的短语句法进行分析，其中关键词记为Gi，i＝1、2、...、n，n为一组文本信息中关键词抽取的数量；
[0012]S3、对当前文本提取信息的关键词进行判定，具体判定方式为：
[0013]确定每组关键词相关的多组参考词汇；
[0014]抽取n组G i中的一组Cj进行匹配，将n组G i抽取的一组Cj中词义关联性最接近的k个Cj作为一组识别数据，k为n组G i中Cj之间的匹配数量，且1≤k≤n；
[0015]之后对k与n进行对比，选取k的值最接近的n的一组识别数据作为文本识出信息；
[0016]S4、根据文本识出信息，结合事先训练好的词义应答模型，进行应答文本相似度模型匹配，得到最接近的意图应答文本；
[0017]S5、将意图应答文本转化为语音，并播放给客户。
[0018]优选的，在步骤S2中，所述关键词抽取方式如下：
[0019]S21、从当前文本提取信息的语句中采用字符匹配分词算法对语句进行分词操作，获取该语句的词语单元；
[0020]S22、获取词语单元的词语特征、词语单元在对应语句中的语句特征，以及词语单元在提取文本中的文本特征；
[0021]所述词语特征表示词语单元的词性，所述语句特征表示语句中的主语、谓语和宾语结构，所述文本特征表示词语单元在语句中的出现频率；
[0022]S23、基于机器学习算法建立的机器学习模型；
[0023]对语句的词语特征进行分析，可以识别出指词语单元的词性，其中动词、名词作为关键词进行提取；
[0024]对语句的语句特征进行分析，可以识别出语句的主语、谓语和宾语结构，其中谓语和宾语作为关键词进行提取；
[0025]对语句的文本特征进行分析，可以识别出词语单元在语句中的出现频率，其中出现频率较高的词作为关键词进行提取。
[0026]优选的，所述任务获取单元中客户贷款信息是否存在逾期风险和违约风险的判断方式如下：
[0027]通过多个其他贷款人的贷款信息源进行建立贷款风险模型，所述其他贷款人的贷款信息源通过任务获取单元获取，所述其他贷款人的贷款信息源包括如期还款的贷款信息、逾期还款的贷款信息和逾期未还款的贷款信息；
[0028]根据目标客户的贷款信息导入贷款风险模型，将目标客户的贷款信息与多个其他借款人的贷款信息源进行相似性比对；
[0029]若目标客户的贷款信息未存在逾期，且其与逾期还款的贷款信息或逾期未还款的贷款信息的相识度较高，则判定目标客户存在逾期风险；
[0030]若目标客户的贷款信息存在逾期，且其与逾期未还款的贷款信息的相识度较高，则判定目标客户存在违约风险。
[0031]优选的，若k的值最接近的n的识别数据为多组，即多组k的值相同；
[0032]通过获取上一段文本提取信息中判定出的文本识出信息作为参考，具体为将上一段文本识出信息与当前文本识出信息进行关联性匹配，并选取关联性最接近的当前文本识出信息中的一组作为文本识出信息。
[0033]优选的，所述催收模块还包括应答引擎，所述应答引擎用于依据催收话术技巧数据的录入和训练，建立词义应答模型，并根据文本提取信息提供相应的意图应答文本。
[0034]优选的，所述客户贷款资料不仅包含客户贷款金额、贷款时间以及规定还款时间等贷款信息，还包含客户户籍所在地、常居所在地、工作所在地等位置信息；
[0035]优选的，所述催收模块又包括方言识别模型和方言交互终端；
[0036]所述方言识别模型用于依据各种方言类型的语音数据的录入和训练，生成语音样本，并以每组语言样本的翻译结果作为普通话样本，建立方言识别模型；
[0037]所述方言交互终端用于根据贷款客户交流所用方言语音转换为普通话文本，具体方式如下：
[0038]获取贷款客户的语言特征，作为目标语言；
[0039]之后结合预先构建的方言识别模型，与目标语言进行比对，并确定目标语言的方
言识别模型，之后根据语音样本对目标语音翻译成普通话样本。
[0040]优选的，所述方言交互终端在方言识别模型与目标语言进行比对时，根据客户贷款资料中的位置信息，缩小方言识别模型的对比范围。
[0041]有益效果
[0042]本专利技术提供了一种贷后催收系统。与现有技术相比具备以下有益效果：
[0043]通过设置智能交互单元提醒贷款客户还款，可以有效地降低人工催收成本，避免客户信息泄露严重等缺点，同时避免催收过程中因双方产生负面情绪，进而影响催收效果，通过催收模块的设置，可以做到与客户有效交互，识别客户的还款意愿。
[0044]通过设置任务获取单元可以判断目标客户是否存在逾期风险和违约风险，并根据风险判定，对目标客户制定相应的催收策略，并执行，同时将客户对话信息中抽取的多组关键词嵌入客户贷款资料内，提高目标客户是否存在逾期风险和违约风险的判断；
[0045]通过设置方言识别模型和方言交互终端，可以更方便、准确地对不同方言类型的目标客户所说的语言进行理解，从而增强了系统的功能性，还提升了人机交流交互的适用性，可以服务于不同方言的催款客户，有效提高催收本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种贷后催收系统，其特征在于，包括：任务获取单元，用于获取客户贷款资料，并根据客户贷款资料判断客户贷款信息是否存在逾期，之后根据逾期情况判断目标客户是否存在逾期风险和违约风险；智能交互单元，用于根据任务获取单元传输的数据提醒贷款客户还款，所述智能交互单元又包括提醒模块和催收模块；所述提醒模块用于通过短信方式对存在逾期风险的客户进行还款提醒；所述催收模块用于通过电话方式对存在违约风险的客户进行还款提醒；同时还用于识别客户意图，同时自动产生应对客户的话术，并生成话术通过语音播放给客户，具体的生成规则如下：S1、获取当前客户对话信息，并转化为文本提取信息；S2、从文本提取信息中抽取多组关键词，其中关键词记为Gi，i＝1、2、...、n，n为一组文本信息中关键词抽取的数量；S3、对当前文本提取信息的关键词进行判定，具体判定方式为：确定每组关键词相关的多组参考词汇；抽取n组Gi中的一组Cj进行匹配，将n组Gi抽取的一组Cj中词义关联性最接近的k个Cj作为一组识别数据，k为n组Gi中Cj之间的匹配数量，且1≤k≤n；之后对k与n进行对比，选取k的值最接近的n的一组识别数据作为文本识出信息；S4、根据文本识出信息，结合事先训练好的词义应答模型，进行应答文本相似度模型匹配，得到最接近的意图应答文本；S5、将意图应答文本转化为语音，并播放给客户。2.根据权利要求1所述的一种贷后催收系统，其特征在于：在步骤S2中，所述关键词抽取方式如下：S21、从当前文本提取信息的语句中采用字符匹配分词算法对语句进行分词操作，获取该语句的词语单元；S22、获取词语单元的词语特征、词语单元在对应语句中的语句特征，以及词语单元在提取文本中的文本特征；所述词语特征表示词语单元的词性，所述语句特征表示语句中的主语、谓语和宾语结构，所述文本特征表示词语单元在语句中的出现频率；S23、基于机器学习算法建立的机器学习模型；对语句的词语特征进行分析，可以识别出指词语单元的词性，其中动词、名词作为关键词进行提取；对语句的语句特征进行分析，可以识别出语句的主语、谓语和宾语结构，其中谓语和宾语作为关键词进行提取；对语句的文本特征进行分析，可以识别出词语单元在语句中的出现频率，其中出现频率较高的词作为关键词进行提取。3.根据权利要求1所述的一种贷后催收系统，其特征在于：所述任务获取单元中客户贷款信息是否存在逾期风险和违约风险的判...

【专利技术属性】
技术研发人员：孟繁铭，刘慈文，潘文瑜，
申请(专利权)人：信飞誉远上海数字科技有限公司，
类型：发明
国别省市：