基于人工智能的催收行为识别方法、装置、设备及介质与流程

技术特征：
1.一种基于人工智能的催收行为识别方法，其特征在于，包括：获取预设时间段内的所有催收案件，根据预设筛选规则对所有所述催收案件进行筛选，得到至少两个第一催收案件；其中，所述第一催收案件携带有逾期用户的用户信息及催收人员催收所述逾期用户时的对话信息；根据所述用户信息查询每个所述第一催收案件的用户风险等级，从所述至少两个第一催收案件中筛选出用户风险等级最高的第一催收案件，得到目标催收案件；获取所述目标催收案件对应的对话信息，得到目标对话信息，根据所述目标对话信息确定所述目标催收案件所属的业务类型；查询所述业务类型对应的话术识别模型，得到目标话术识别模型；其中，每种业务类型的话术识别模型对应识别该种业务类型的催收案件的对话信息中催收人员是否存在违规行为；将所述目标对话信息输入所述目标话术识别模型中，得到所述目标话术识别模型对所述目标对话信息的识别结果；其中，所述识别结果包括所述目标对话信息中的催收人员存在违规行为或不存在违规行为。2.根据权利要求1所述的方法，其特征在于，所述将所述目标对话信息输入所述目标话术识别模型中，得到所述目标话术识别模型对所述目标对话信息的识别结果之后，还包括：当确定所述识别结果为所述目标对话信息中的催收人员存在违规行为时，提取所述目标对话信息的多个关键词；将所述多个关键词与预设的违规词集合进行匹配，筛选出与违规词集合中的违规词相匹配的关键词，得到多个目标关键词；其中，所述违规词集合包括至少一个违规词；查询每个所述目标关键词对应的违规等级；将每个所述目标关键词对应的违规等级进行累加后，得到目标违规等级；根据所述目标违规等级制定相应的惩罚方案，基于所述惩罚方案对所述目标对话信息中的催收人员进行惩罚。3.根据权利要求2所述的方法，其特征在于，所述将所述多个关键词与预设的违规词集合进行匹配，筛选出与违规词集合中的违规词相匹配的关键词，得到多个目标关键词，包括：将所述多个关键词分别转换为词向量，得到每个所述关键词对应的第一词向量；将所述违规词集合中的每个违规词转换为词向量，得到每个违规词对应的第二词向量；分别计算每个所述第一词向量与每个所述第二词向量的余弦距离，将余弦距离大于预设阈值的第一词向量作为目标词向量；查询每个所述目标词向量对应的关键词，得到多个目标关键词。4.根据权利要求1所述的方法，其特征在于，所述将所述目标对话信息输入所述目标话术识别模型中，得到所述目标话术识别模型对所述目标对话信息的识别结果，包括：将所述目标对话信息输入所述目标话术识别模型中，根据预置至所述目标话术识别模型的违规规则对所述目标对话信息进行关键词提取，得到参考关键词；根据预设的近义词匹配规则，对所述目标对话信息的参考关键词进行违禁用语质检，得到违禁用语质检结果；
根据所述违禁用语质检结果判断所述目标对话信息是否存在违禁用语；若是，则生成所述目标对话信息中的催收人员存在违规行为的识别结果；若否，则生成所述目标对话信息中的催收人员不存在违规行为的识别结果。5.根据权利要求1所述的方法，其特征在于，所述根据预设筛选规则对所有所述催收案件进行筛选，得到至少两个第一催收案件，包括：提取每个所述催收案件携带的逾期用户的用户信息；根据所述用户信息查询每个所述逾期用户的逾期次数，按照所述逾期次数由多到少的顺序对所有所述催收案件进行排序，筛选出排在前n位的催收案件作为第一催收案件；其中，所述n>1。6.根据权利要求1所述的方法，其特征在于，所述查询所述业务类型对应的话术识别模型之前，还包括：获取不同业务类型的对话信息样本，并确定每个对话信息样本对应的参考识别结果；构建多个神经网络模型，将同种业务类型的对话信息样本及对应的参考识别结果输入同一个神经网络模型中进行训练，得到每个神经网络模型的训练结果；在每个神经网络模型的训练结果满足要求后，得到每种业务类型对应的话术识别模型。7.根据权利要求1所述的方法，其特征在于，所述根据所述用户信息查询每个所述第一催收案件的用户风险等级，包括：根据所述用户信息查询所述第一催收案件的逾期用户的逾期次数及逾期天数；获取预先为所述逾期次数设置的第一权重、为所述逾期天数设置的第二权重；将所述逾期次数乘以第一权重后，得到第一数值；将所述逾期天数乘以第二权重后，得到第二数值；将所述第一数值与所述第二数值进行相加后，得到用户风险评估值；根据所述用户风险评估值确定所述第一催收案件的用户风险等级。8.一种基于人工智能的催收行为识别装置，其特征在于，包括：获取模块，用于获取预设时间段内的所有催收案件，根据预设筛选规则对所有所述催收案件进行筛选，得到至少两个第一催收案件；其中，所述第一催收案件携带有逾期用户的用户信息及催收人员催收所述逾期用户时的对话信息；第一查询模块，用于根据所述用户信息查询每个所述第一催收案件的用户风险等级，从所述至少两个第一催收案件中筛选出用户风险等级最高的第一催收案件，得到目标催收案件；确定模块，用于获取所述目标催收案件对应的对话信息，得到目标对话信息，根据所述目标对话信息确定所述目标催收案件所属的业务类型；第二查询模块，用于查询所述业务类型对应的话术识别模型，得到目标话术识别模型；其中，每种业务类型的话术识别模型对应识别该种业务类型的催收案件的对话信息中催收人员是否存在违规行为；输入模块，用于将所述目标对话信息输入所述目标话术识别模型中，得到所述目标话术识别模型对所述目标对话信息的识别结果；其中，所述识别结果包括所述目标对话信息中的催收人员存在违规行为或不存在违规行为。
9.一种计算机设备，其特征在于，包括：处理器；存储器；其中，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的基于人工智能的催收行为识别方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现权利要求1-7任一项所述的基于人工智能的催收行为识别方法。

技术总结
本申请为人工智能技术的神经网络技术领域，本申请提供了一种基于人工智能的催收行为识别方法、装置、设备及介质，其中，所述方法包括：获取预设时间段内的所有催收案件，根据预设筛选规则对所有催收案件进行筛选，得到至少两个第一催收案件，根据用户信息查询每个第一催收案件的用户风险等级，从至少两个第一催收案件中筛选出用户风险等级最高的目标催收案件，获取目标催收案件对应的目标对话信息，根据目标对话信息确定目标催收案件所属的业务类型，查询业务类型对应的目标话术识别模型，将目标对话信息输入目标话术识别模型中，得到对目标对话信息的识别结果，以精确识别对话信息中是否存在违规，同时避免了大量的质检工作，提高了违规行为识别效率。提高了违规行为识别效率。提高了违规行为识别效率。


技术研发人员：徐筱莉
受保护的技术使用者：平安普惠企业管理有限公司
技术研发日：2022.01.11
技术公布日：2022/4/26