CN110009480A - 司法催收路径的推荐方法、装置、介质、电子设备 - Google Patents

Abstract

本发明涉及智能决策技术领域，揭示了一种司法催收路径的推荐方法、装置、介质及电子设备。该方法包括：获取贷款逾期客户在历史上的通话记录数据和语音数据；将所述通话记录数据输入第一机器学习模型，由第一机器学习模型输出贷款逾期客户的第一风险评估分数；将所述语音数据输入第二机器学习模型，由第二机器学习模型输出贷款逾期客户的第二风险评估分数；基于第一风险评估分数和第二风险评估分数，确定综合风险评估分数；进而为用户推荐针对贷款逾期客户的司法催收路径。此方法下，通过分析逾期客户的通话记录数据和语音数据，为不同的客户量身打造司法催收路径，以实现高效精准的催收，提升催收成功率，进而提高催收工作的效率。

Description

司法催收路径的推荐方法、装置、介质、电子设备

技术领域

本发明涉及智能决策技术领域，特别涉及一种司法催收路径的推荐方法、装置、介质及电子设备。

背景技术

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贷款公司推出了无抵押小额贷款的业务，在现实中，无抵押小额贷款的逾期现象较为普遍。由于无抵押贷款没有抵押标的作为担保，使得银行和小额贷款公司在催收还款方面的难度大大增加，因此，选择一个合适的贷款催收方式对于银行或小额贷款公司来说就显得尤为重要。对于恶意欠款或者具有潜在恶意欠款风险的用户，往往需要通过司法途径来进行催收。

在现有技术中，司法催收的途径多种多样，不同的司法催收路径所带来的催收效果不一样，其所要付出的代价也不一样，催收人员往往根据贷款逾期客户欠款的恶意程度选择相应的司法催收路径。

然而，通过人工确定小额贷款的司法催收路径具有许多弊端。一方面，由于小额贷款期限短、金额低、客户基数大，使得小额贷款的逾期案件数量较大，从而使得确定小额贷款催收路径就需要付出较大的人员代价，进而带来催收效率低的技术问题。另一方面，人工确定司法催收路径往往会具有较强的主观性，从而使得所确定的司法催收路径并不适合案件本身，进而带来司法催收工作在完成过程中效率低下的技术问题。

发明内容

在智能决策技术领域，为了解决现有技术中存在的司法催收工作完成效率低下的技术问题，本发明提供了一种司法催收路径的推荐方法、装置、介质及电子设备。

根据本申请的一方面，提供了一种司法催收路径的推荐方法，所述方法包括：

获取贷款逾期客户在历史上的电话催收记录数据，所述电话催收记录数据包括通话记录数据和语音数据；

将所述通话记录数据输入第一机器学习模型，由第一机器学习模型输出贷款逾期客户的第一风险评估分数；

将所述语音数据输入第二机器学习模型，由第二机器学习模型输出贷款逾期客户的第二风险评估分数；

基于第一风险评估分数和第二风险评估分数，确定贷款逾期客户的综合风险评估分数；

基于贷款逾期客户的综合风险评估分数，为用户推荐贷款逾期客户的司法催收路径。

根据本申请的另一方面，提供了一种司法催收路径的推荐装置，所述装置包括：

获取模块，被配置为获取贷款逾期客户在历史上的电话催收记录数据；

第一输出模块，被配置为输出贷款逾期客户的第一风险评估分数；

第二输出模块，被配置为输出贷款逾期客户的第二风险评估分数；

确定模块，被配置为确定贷款逾期客户的综合风险评估分数；

推荐模块，被配置为为用户推荐贷款逾期客户的司法催收路径。

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。

由以上本发明的技术方案，与现有技术相比，其显著的有益效果在于：

通过对贷款逾期客户的通话记录数据进行分析，得到贷款逾期客户的综合风险评估分数，并以此为不同的客户量身打造司法催收路径，能够实现高效催收、精准催收，提升催收成功率，并且有效减少人工工作量，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发明教导的前述和其他方面、实施例和特征。本发明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，或通过根据本发明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，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的司法催收路径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司法催收路径的推荐方法的流程图；

图3是根据图2对应实施例示出的步骤250之后的流程图；

图4是根据一示例性实施例示出的一种司法催收路径的推荐装置的框图；

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发明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、本发明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司法催收路径的推荐方法。所述司法催收路径是指银行和小额贷款公司为了使贷款逾期客户还清贷款而采取的司法催收手段中一种具体方式。例如，司法催收路径可以是律师函催收，可以是司法诉讼催收，也可以是司法仲裁催收。本发明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司法催收路径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贷款公司推出了无抵押小额贷款，在现实中，出现无抵押小额贷款逾期的现象较为普遍。因此，对于贷款逾期的催收就成了银行和小额贷款公司一项重要工作。司法催收所有催收方式中较为极端的一种，其具有催收效果好的特点，但是催收成本较大。具体的，司法催收又可以细分为多种实施路径，不同路径所带来的催收效果不一样，其所要付出的代价也不一样。因此，为贷款逾期客户选择合适的司法催收路径是提高银行和小额贷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，本发明通过事先训练好的机器学习模型103和104将贷款逾期客户在电话催收阶段的催收电话记录数据101和102转化为能够直观感受所述客户欠款恶意程度的综合催收参考分数105，再根据综合催收参考分数为相应的客户推荐具体的司法催收路径。如此设计就可以简化催收人员为贷款逾期客户选择司法催收路径的工作内容，且能够排除人的主观性，提高贷款催收效率。下面将通过具体实施例对本发明的发明内容进行详细说明。

图2是根据一示例性实施例示出的一种司法催收路径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，获取贷款逾期客户在历史上的电话催收记录数据，所述电话催收记录数据包括通话记录数据和语音数据。

在将贷款逾期客户确定为司法催收对象之前，贷款逾期客户基本都经历过被短信催收、电话催收等催收方式的催收，因此可以获取在历史上的针对贷款逾期客户的电话催收记录数据。

在电话催收记录数据中，包含有通话记录数据，通话记录数据有可以包括催收电话接通率和通话时长，其中电话接通率是指在电话催收阶段拨打贷款逾期客户时的电话接通次数与拨打电话总次数的百分比，例如，在历史上对某一逾期客户拨打催收电话共10次，其中5接通，那么该客户的电话接通率就为50％。此外，通话记录数据中的通话时长是指在对某一客户进行的电话催收阶段中，与逾期客户所有通话时间的总和，例如，在历史上对某一逾期客户拨打催收电话共10次，其中5次接通，5次通话时间分别为1分钟，3分钟，5分钟，2分钟，3分钟，那么与该客户的通话时长就为14分钟。

在电话催收记录数据中，还包含有通话语音数据，语音数据即为声音信号类数据，可以是催收方与贷款逾期客户的通话录音。

在本发明中，所述贷款逾期客户在历史上的电话催收记录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贷款逾期客户催收电话记录数据的数据库中采集所述贷款逾期客户在历史上的电话催收记录数据。也可以通过运行爬虫程序从存有贷款逾期客户催收电话记录数据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贷款逾期客户催收电话记录数据，或者是通过工作人员手动输入而得到。

步骤220，将所述通话记录数据输入第一机器学习模型，由第一机器学习模型输出贷款逾期客户的第一风险评估分数。

在一个实施例中，第一机器学习模型可以通过下训练而成：

将由通话记录数据样本所构成集合中的每个客户的通话记录数据输入机器学习模型，其中，所述每个客户的通话记录数据上预先标记相应的第一风险评估分数的标签，由机器学习模型输出逾期贷款客户的第一风险评估分数，将该客户的第一风险评估分数与相应的标签比较，如果不一致，则调整机器学习模型，使得输出的逾期贷款客户的第一风险评估分数与相应的标签一致。

在一个实施例的具体实现中，在训练机器学习模型时，可以是根据实际需要通过预先设置的催收参考分数的标签来决定机器学习模型输出的催收参考分数是反映客户欠款的善意程度的。

具体的，通话记录数据能在一定程度上反映客户的还款态度(积极的、正常的、消极的或者是极度消极)，在某种程度上，电话接通率高和通话时间长的逾期客户的还款积极性就一定比电话接通率低和通话时间短的逾期客户要高。因此，将所述通话记录数据输入第一机器学习模型，由第一机器学习模型输出逾期贷款客户的第一风险评估分数，具体的，例如，某一逾期客户的电话接通率为50％，通话时长为14分钟，将该数据输入至第一机器学习模型，第一机器学习模型则输出第一风险评估分数70分，70分就能在一定程度上反映出贷款逾期客户的还款意愿。还例如，另一逾期客户的电话接通率为60％，通话时长为18分钟，将该数据输入至第一机器学习模型，第一机器学习模型则输出第一风险评估分数75分。可知，分数越高，还款意愿就越高。

在一个实施例的具体实现中，在训练机器学习模型时，也可以是根据实际需要通过预先设置的催收参考分数的标签来决定机器学习模型输出的催收参考分数是反映客户欠款的恶意程度的。

具体的，例如，某一逾期客户的电话接通率为50％，通话时长为14分钟，将该数据输入至第一机器学习模型，第一机器学习模型则输出第一风险评估分数70分，70分就能在一定程度上反映出贷款逾期客户的还款意愿。还例如，另一逾期客户的电话接通率为40％，通话时长为8分钟，将该数据输入至第一机器学习模型，第一机器学习模型则输出第一风险评估分数80分。可知，分数越高，还款意愿就越低，客户欠款的主观意愿就越恶意。

步骤230，将所述语音数据输入第二机器学习模型，由第二机器学习模型输出贷款逾期客户的第二风险评估分数。

在一个实施例中，第二机器学习模型可以通过下训练而成：

将由语音数据样本所构成集合中的每个客户的语音数据输入机器学习模型，其中，所述每个客户的语音数据上预先标记相应的第二风险评估分数的标签，由机器学习模型输出逾期贷款客户的第二风险评估分数，将该客户的第二风险评估分数与相应的标签比较，如果不一致，则调整机器学习模型，使得输出的逾期贷款客户的第二风险评估分数与相应的标签一致。

具体的，在电话催收记录数据中，包含有通话语音数据，语音数据即为声音信号类数据，主要为催收方与贷款逾期客户的通话录音。其中，通过通话录音的声音音调和响度的变化剧烈程度，能反映出贷款逾期客户的性格情绪，从而判断出逾期客户对待还款得态度(抵触或者接受)。另外，还可以通过语音识别将与逾期客户的谈话内容翻译为文字内容，再通过文字内容中的关键词(例如礼貌的的词语，不友好的词语或者可怜的词语)来得出贷款逾期客户的还款态度和经济处境。

在一个实施例的具体实现中，在训练机器学习模型时，可以是根据实际需要通过预先设置的催收参考分数的标签来决定机器学习模型输出的催收参考分数是反映客户欠款的善意程度的。将所述语音数据输入第二机器学习模型，由第二机器学习模型输出逾期贷款客户的第二风险评估分数，分数越高，则说明还款前景就越好，客户欠款的主观意愿就越善意。

在一个实施例的具体实现中，在训练机器学习模型时，还可以是根据实际需要通过预先设置的催收参考分数的标签来决定机器学习模型输出的催收参考分数是反映客户欠款的善意程度的。将所述语音数据输入第二机器学习模型，由第二机器学习模型输出逾期贷款客户的第二风险评估分数，分数越高，则说明还款前景就越差，客户欠款的主观意愿就越恶意。

需要注意的是，上述在训练机器学习模型时，所述输出的第一风险评估分数和第二风险评估分数可以是同时被用来反映客户善意欠款程度的，也可以是同时被用来反映客户恶意欠款程度的。

步骤240，基于第一风险评估分数和第二风险评估分数，确定贷款逾期客户的综合风险评估分数。

在一个实施例中，所述基于第一风险评估分数和第二风险评估分数，确定贷款逾期客户的综合风险评估分数可以是将第一风险评估分数和第二风险评估分数的加权和，确定为逾期贷款客户的综合风险评估分数的。

在对所述第一风险评估分数和第二风险评估分数的加权和计算过程中，第一风险评估分数和第二风险评估分数的权重有多种选择，其中，可以设置第一风险评估分数的权重为0.4，第二风险评估分数的权重为0.6，也可以将第一风险评估分数的权重设置为0.7，第二风险评估分数的权重设置为0.3，设置要求只需要满足第一风险评估分数的权重与第二风险评估分数的权重之和等于1即可。

具体的，例如，第一风险评估分数为70，其权重为0.6，第二风险评估分数为80，其权重为0.4，那么逾期借款客户的催收参考分数则为：

0.6×70+0.4×80＝74

本实施例的好处在于，通过灵活的为第二风险评估分数和第一风险评估分数设置权重，可以更全面的利用逾期贷款客户的电话催收记录数据，使得所得到的风险评估分数更合理，更具有说服力。

在一个实施例中，所述基于第一风险评估分数和第二风险评估分数，确定贷款逾期客户的综合风险评估分数可以是基于第一风险评估分数与第二风险评估分数的比例关系，确定为逾期贷款客户的综合风险评估分数的。

在一个实施例的具体实现中，所述基于第一风险评估分数与第二风险评估分数的比例关系，确定为逾期贷款客户的综合风险评估分数，包括：

如果第一风险评估分数小于第二风险评估分数的预定倍数，则将第一风险评估分数作为逾期贷款客户的综合风险评估分数；

如果第一风险评估分数不小于第二风险评估分数的预定倍数，则将第二风险评估分数作为逾期贷款客户的综合风险评估分数。

如上所述，可以理解的是，基于第一风险评估分数和第二风险评估分数，确定贷款逾期客户的综合风险评估分数的方式可以是任意的，并不限于如上所示出的那些。

步骤250，基于贷款逾期客户的综合风险评估分数，为用户推荐贷款逾期客户的司法催收路径。

所述司法催收路径可以是律师函催收，可以是司法诉讼催收，也可以是司法仲裁催收，还可以是其它路径的司法催收形式。

基于逾期贷款客户的综合风险评估分数，为用户推荐逾期贷款客户的司法催收路径，例如，综合风险评估分数为80分以上的逾期贷款客户就被推荐通过律师函的方式进行催收，综合风险评估分数为60分到80分之间的逾期贷款客户就被推荐通过司法诉讼的方式进行催收，综合风险评估分数为60分以下的逾期贷款客户就被推荐通过司法仲裁的方式进行催收。

图3是根据图2对应实施例示出的步骤250之后的流程图；如图3所示，此方法包括以下步骤：

步骤210，获取贷款逾期客户在历史上的电话催收记录数据，所述电话催收记录数据包括通话记录数据和语音数据。

步骤220，将所述通话记录数据输入第一机器学习模型，由第一机器学习模型输出贷款逾期客户的第一风险评估分数。

步骤230，将所述语音数据输入第二机器学习模型，由第二机器学习模型输出贷款逾期客户的第二风险评估分数。

步骤240，基于第一风险评估分数和第二风险评估分数，确定贷款逾期客户的综合风险评估分数。

步骤250，基于贷款逾期客户的综合风险评估分数，为用户推荐贷款逾期客户的司法催收路径。

步骤260，为用户推荐贷款逾期客户的具体司法催收策略。

进一步的，在为用户推荐贷款逾期客户的司法催收路径之后，可以根据贷款逾期客户的综合风险评估分数，或者是根据为贷款逾期客户推荐的司法催收路径为用户推荐贷款逾期客户的具体司法催收策略。所述司法催收策略可以是证据材料指引，也可以是司法支持度分析，还可以是法律文书。

综上所述，通过对贷款逾期客户的通话记录数据进行分析，得到贷款逾期客户的综合风险评估分数，并以此为不同的客户量身打造司法催收路径，能够实现高效催收、精准催收，提升催收成功率，并且有效减少人工工作量，提高催收工作的效率。

以下是本发明的装置实施例。

本公开还提供了一种司法催收路径的推荐装置。图4是根据一示例性实施例示出的一种司法催收路径的推荐装置的框图。如图4所示，装置400包括：

获取模块401，被配置为获取贷款逾期客户在历史上的电话催收记录数据；

第一输出模块402，被配置为输出贷款逾期客户的第一风险评估分数；

第二输出模块403，被配置为输出贷款逾期客户的第二风险评估分数；

确定模块404，被配置为确定贷款逾期客户的综合风险评估分数；

推荐模块405，被配置为为用户推荐贷款逾期客户的司法催收路径。

据本公开的第三方面，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图5来描述根据本发明的这种实施方式的电子设备1000。图5显示的电子设备1000仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于：上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1010执行，使得所述处理单元1010执行本说明书上述“实施例方法”部分中描述的根据本发明各种示例性实施方式的步骤。

存储单元1020可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)1021和/或高速缓存存储单元1022，还可以进一步包括只读存储单元(ROM)1023。

存储单元1020还可以包括具有一组(至少一个)程序模块1025的程序/实用工具1024，这样的程序模块1025包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线1030可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备1000也可以与一个或多个外部设备1200(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1000交互的设备通信，和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。并且，电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1060通过总线1030与电子设备1000的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

根据本公开的第四方面，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品1100，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (9)

1.一种司法催收路径的推荐方法，其特征在于，包括：

获取贷款逾期客户在历史上的电话催收记录数据，所述电话催收记录数据包括通话记录数据和语音数据；

将所述通话记录数据输入第一机器学习模型，由第一机器学习模型输出贷款逾期客户的第一风险评估分数；

将所述语音数据输入第二机器学习模型，由第二机器学习模型输出贷款逾期客户的第二风险评估分数；

基于第一风险评估分数和第二风险评估分数，确定贷款逾期客户的综合风险评估分数；

基于贷款逾期客户的综合风险评估分数，为用户推荐贷款逾期客户的司法催收路径。

2.根据权利要求1所述的方法，其特征在于，所述第一机器学习模型通过以下方式预先训练而成：

将由通话记录数据样本所构成集合中的每个客户的通话记录数据输入机器学习模型，其中，在所述每个客户的通话记录数据上预先标记相应的第一风险评估分数的标签，由机器学习模型输出贷款逾期客户的第一风险评估分数，将该客户的第一风险评估分数与相应的标签比较，如果不一致，则调整机器学习模型，使得输出的贷款逾期客户的第一风险评估分数与相应的标签一致。

3.根据权利要求1所述的方法，其特征在于，所述第二机器学习模型通过以下方式预先训练而成：

将由语音数据样本所构成集合中的每个客户的语音数据输入机器学习模型，其中，在所述每个客户的语音数据上预先标记相应的第二风险评估分数的标签，由机器学习模型输出贷款逾期客户的第二风险评估分数，将该客户的第二风险评估分数与相应的标签比较，如果不一致，则调整机器学习模型，使得输出的贷款逾期客户的第二风险评估分数与相应的标签一致。

4.根据权利要求1所述的方法，其特征在于，所述基于第一风险评估分数和第二风险评估分数，确定贷款逾期客户的综合风险评估分数，包括：

将第一风险评估分数和第二风险评估分数的加权和，确定为贷款逾期客户的综合风险评估分数。

5.根据权利要求1所述的方法，其特征在于，所述基于第一风险评估分数和第二风险评估分数，确定贷款逾期客户的综合风险评估分数，包括：

基于第一风险评估分数与第二风险评估分数的比例关系，确定贷款逾期客户的综合风险评估分数。

6.根据权利要求1所述的方法，其特征在于，在所述基于贷款逾期客户的综合风险评估分数，为用户推荐贷款逾期客户的司法催收路径之后，所述方法还包括：

为用户推荐贷款逾期客户的具体司法催收策略。

7.一种司法催收路径的推荐装置，其特征在于，所述装置包括：

获取模块，用于获取贷款逾期客户在历史上的电话催收记录数据；

第一输出模块，用于输出贷款逾期客户的第一风险评估分数；

第二输出模块，用于输出贷款逾期客户的第二风险评估分数；

确定模块，用于确定贷款逾期客户的综合风险评估分数；

推荐模块，用于为用户推荐贷款逾期客户的司法催收路径。

8.一种计算机可读程序介质，其特征在于，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，使计算机执行根据权利要求1至6中任一项所述的方法。

9.一种司法催收路径的推荐电子设备，其特征在于，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，实现如权利要求1至6任一项所述的方法。