【技术实现步骤摘要】
一种基于大模型的催收敏感词质检方法和装置
[0001]本专利技术涉及金融
,具体而言,涉及一种基于大模型的催收敏感词质检方法和装置
。
技术介绍
[0002]随着金融行业的监管力度加大,对催收行为的合规性要求越来越高
。
企业需要对催收过程中的敏感词进行识别和过滤,以确保催收行为符合相关法律法规和行业标准,降低潜在的法律风险
。
贷后催收是金融机构在做风险管理的重要环节,也是人工介入最多的环节
。
尤其是传统催收质检领域,主要依靠人工进行,成本高且效率低,不能满足金融催收行业的发展需求
。
技术实现思路
[0003]鉴于上述问题,本专利技术提供了一种基于大模型的催收敏感词质检方法和装置,解决了传统催收质检领域,主要依靠人工进行,成本高且效率低的问题
。
[0004]为解决上述技术问题,本专利技术采用的技术方案是:一种基于大模型的催收敏感词质检方法,包括如下步骤:获取线上生成的催收录音;调用翻译模型
API
接口将所述催收录音转换出录音文本;对所述录音文本进行预处理,并对所述录音文本中的长文本进行分割,获得输入文本;将所述输入文本导入原始模型中进行质检,输出第一质检结果;构建本地催收合规向量知识库,基于大语言模型调用所述向量知识库,并将所述输入文本导入大语言模型进行质检,输出第二质检结果;根据历史催收录音数据,并基于大语言模型进行
P
‑
tuning
训练,获得定制大语 ...
【技术保护点】
【技术特征摘要】
1.
一种基于大模型的催收敏感词质检方法,其特征在于,包括如下步骤:获取线上生成的催收录音;调用翻译模型
API
接口将所述催收录音转换出录音文本;对所述录音文本进行预处理,并对所述录音文本中的长文本进行分割,获得输入文本;将所述输入文本导入原始模型中进行质检,输出第一质检结果;构建本地催收合规向量知识库,基于大语言模型调用所述向量知识库,并将所述输入文本导入大语言模型进行质检,输出第二质检结果;根据历史催收录音数据,并基于大语言模型进行
P
‑
tuning
训练,获得定制大语言模型;将所述输入文本导入定制大语言模型中进行质检,获得第三质检结果;若第一质检结果
、
第二质检结果和第三质检结果中存在至少一项不合规,则最终的质检结果为不合规
。2.
根据权利要求1所述的基于大模型的催收敏感词质检方法,其特征在于,所述构建本地催收合规向量知识库,包括
:
基于专家经验或历史客户投诉案例
,
收集催收录音;将所述催收录音转成录音文本后,筛选出催收员的讲话部分;使用编码软件将所述录音文本转化成
512
维的向量,并将转化后的向量存储在数据库中;将待评估的录音文本转化成
512
维向量后,与数据库中的所有向量进行内积计算,内积越大,相似度越高;若相似度超过设定阈值,则说明对应录音存在历史发生过的不合规问题
。3.
根据权利要求1所述的基于大模型的催收敏感词质检方法,其特征在于,在将所述输入文本导入大语言模型进行质检之前,还包括:读取内容,获取与用户请求相关的上下文;使用请求内容和上下文内容填充模板,获得提示词;将所述提示词输入到大语言模型中
。4.
根据权利要求1所述的基于大模型的催收敏感词质检方法,其特征在于,对所述录音文本进行预处理,包括:去除小于
30
秒的录音文本,并增加基于专家经验和历史投诉信息的目标标签信息
。5.
根据权利要求1所述的基于大模型的催收敏感词质检方法,其特征在于,所述根据历史催收录音数据,并基于大语言模型进行
P
‑
tuning
训练,获得定制大语言模型,包括:收集催收领域的录音和文本数据,并对数据预处理;利用
ASR
技术识别录音数据,区分出催收人员和逾期用户,并把录音数据转换成文本数据;使用专...
【专利技术属性】
技术研发人员:陈希,徐维,段祖宁,
申请(专利权)人:江苏苏宁银行股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。