CN111243605A - 业务处理方法、装置、设备及存储介质 - Google Patents
业务处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111243605A CN111243605A CN202010030848.4A CN202010030848A CN111243605A CN 111243605 A CN111243605 A CN 111243605A CN 202010030848 A CN202010030848 A CN 202010030848A CN 111243605 A CN111243605 A CN 111243605A
- Authority
- CN
- China
- Prior art keywords
- voiceprint feature
- target
- target execution
- execution subject
- voiceprint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 230000007246 mechanism Effects 0.000 claims abstract description 110
- 238000000034 method Methods 0.000 claims abstract description 77
- 230000008569 process Effects 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 230000004044 response Effects 0.000 claims description 16
- 230000000694 effects Effects 0.000 abstract description 6
- 238000011084 recovery Methods 0.000 description 25
- 230000008520 organization Effects 0.000 description 17
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 6
- 230000003197 catalytic effect Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000004064 recycling Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000010531 catalytic reduction reaction Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012946 outsourcing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000006722 reduction reaction Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/06—Decision making techniques; Pattern matching strategies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了业务处理方法、装置、设备及存储介质,属于计算机技术领域。方法包括:监控目标机构产生的绩效参数;响应于目标机构产生的绩效参数满足参考条件,获取目标机构中的目标执行主体对应的第一声纹特征和至少一个第二声纹特征,第一声纹特征基于目标执行主体的注册语音信号得到,至少一个第二声纹特征基于目标执行主体的注册账户中的至少一个通话语音信号得到;基于第一声纹特征和至少一个第二声纹特征,确定目标执行主体对应的第一匹配结果。在此种业务处理的过程中,无需耗费人力成本,确定目标执行主体对应的匹配结果的实时性较高,业务处理的效果较好。
Description
技术领域
本申请实施例涉及计算机技术领域,特别涉及一种业务处理方法、装置、设备及存储介质。
背景技术
在信贷业务的整个生命周期中,催收业务负责逾期债务的跟踪和回收,是贷后风险管控的重要一环。信贷业务方的催收案件一般分为前端案件和后端案件,前端案件一般会采用自动语音进行催收或者由信贷业务方的内部员工进行催收,后端案件一般会外包给专门用于处理催收案件的第三方机构,由第三方机构中的指定人员进行催收。
目前,第三方机构的内部管理不透明,当第三方机构的催收质量下降时,信贷业务方需要派出内部员工到第三方机构进行现场抽查和现场核对,以确定导致第三方机构的催收质量下降的原因是否为私自更换了处理催收案件的人员。在此种业务处理的过程中,人力成本高,业务处理的效果较差。
发明内容
本申请实施例提供了一种业务处理方法、装置、设备及存储介质,可用于解决相关技术中的问题。所述技术方案如下:
一方面,本申请实施例提供了一种业务处理方法,所述方法包括:
监控目标机构产生的绩效参数;
响应于所述目标机构产生的绩效参数满足参考条件,获取所述目标机构中的目标执行主体对应的第一声纹特征和至少一个第二声纹特征,所述第一声纹特征基于所述目标执行主体的注册语音信号得到,所述至少一个第二声纹特征基于所述目标执行主体的注册账户中的至少一个通话语音信号得到;
基于所述第一声纹特征和所述至少一个第二声纹特征,确定所述目标执行主体对应的第一匹配结果。
可选地,所述基于所述第一声纹特征和所述至少一个第二声纹特征,确定所述目标执行主体对应的第一匹配结果,包括:
将所述第一声纹特征和任一第二声纹特征输入声纹特征模型;
基于所述声纹特征模型输出的结果,获取所述第一声纹特征和所述任一第二声纹特征之间的相似度;
基于所述第一声纹特征和各个第二声纹特征之间的相似度,确定所述目标执行主体对应的第一匹配结果。
可选地,所述基于所述第一声纹特征和各个第二声纹特征之间的相似度,确定所述目标执行主体对应的第一匹配结果,包括:
将与所述第一声纹特征之间的相似度低于相似度阈值的第二声纹特征作为不匹配声纹特征;
响应于所述不匹配声纹特征的数量不低于数量阈值,确定所述目标执行主体对应的第一匹配结果为不匹配;
响应于所述不匹配声纹特征的数量低于数量阈值,确定所述目标执行主体对应的第一匹配结果为匹配。
可选地,所述基于所述第一声纹特征和所述至少一个第二声纹特征,确定所述目标执行主体对应的第一匹配结果之后,所述方法还包括:
将所述目标执行主体的注册语音信号和所述目标执行主体的注册账户中的至少一个通话语音信号发送至复核机构;
获取所述复核机构反馈的所述目标执行主体对应的第二匹配结果;
基于所述第一匹配结果和所述第二匹配结果,得到所述目标执行主体对应的第三匹配结果。
可选地,所述获取所述目标机构中的目标执行主体对应的第一声纹特征和至少一个第二声纹特征之前,所述方法还包括:
获取所述目标执行主体的注册请求;
基于所述注册请求,显示注册字符串;
获取所述目标执行主体朗读所述注册字符串的注册语音信号,所述注册语音信号用于得到所述目标执行主体对应的第一声纹特征。
另一方面,提供了一种业务处理装置,所述装置包括:
监控模块,用于监控目标机构产生的绩效参数;
获取模块,用于响应于所述目标机构产生的绩效参数满足参考条件,获取所述目标机构中的目标执行主体对应的第一声纹特征和至少一个第二声纹特征,所述第一声纹特征基于所述目标执行主体的注册语音信号得到,所述至少一个第二声纹特征基于所述目标执行主体的注册账户中的至少一个通话语音信号得到;
确定模块,用于基于所述第一声纹特征和所述至少一个第二声纹特征,确定所述目标执行主体对应的第一匹配结果。
可选地,所述确定模块,用于将所述第一声纹特征和任一第二声纹特征输入声纹特征模型;基于所述声纹特征模型输出的结果,获取所述第一声纹特征和所述任一第二声纹特征之间的相似度;基于所述第一声纹特征和各个第二声纹特征之间的相似度,确定所述目标执行主体对应的第一匹配结果。
可选地,所述确定模块,用于将与所述第一声纹特征之间的相似度低于相似度阈值的第二声纹特征作为不匹配声纹特征;响应于所述不匹配声纹特征的数量不低于数量阈值,确定所述目标执行主体对应的第一匹配结果为不匹配;响应于所述不匹配声纹特征的数量低于数量阈值,确定所述目标执行主体对应的第一匹配结果为匹配。
可选地,所述装置还包括:
发送模块,用于将所述目标执行主体的注册语音信号和所述目标执行主体的注册账户中的至少一个通话语音信号发送至复核机构;
所述获取模块,还用于获取所述复核机构反馈的所述目标执行主体对应的第二匹配结果;
所述确定模块,还用于基于所述第一匹配结果和所述第二匹配结果,得到所述目标执行主体对应的第三匹配结果。
可选地,所述获取模块,还用于获取所述目标执行主体的注册请求;
所述装置还包括:
显示模块,用于基于所述注册请求,显示注册字符串;
所述获取模块,还用于获取所述目标执行主体朗读所述注册字符串的注册语音信号,所述注册语音信号用于得到所述目标执行主体对应的第一声纹特征。
另一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现上述任一所述的业务处理方法。
另一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现上述任一所述的业务处理方法。
本申请实施例提供的技术方案至少带来如下有益效果:
当目标机构产生的绩效参数满足参考条件时,基于目标执行主体对应的第一声纹特征和至少一个第二声纹特征,确定目标执行主体对应的匹配结果。在此种业务处理的过程中,无需耗费人力成本,确定目标执行主体对应的匹配结果的实时性较高,业务处理的效果较好。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种业务处理方法的实施环境的示意图;
图2是本申请实施例提供的一种业务处理方法的流程图;
图3是本申请实施例提供的一种业务处理过程的示意图;
图4是本申请实施例提供的一种业务处理装置的示意图;
图5是本申请实施例提供的一种业务处理装置的示意图;
图6是本申请实施例提供的一种业务处理设备的结构示意图;
图7是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请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、本申请的一些方面相一致的方法和装置的例子。
在信贷业务的整个生命周期中,催收业务负责逾期债务的跟踪和回收,是贷后风险管控的重要一环。信贷业务方的催收案件一般分为前端案件和后端案件,前端案件一般会采用自动语音进行催收或者由信贷业务方的内部员工进行催收,后端案件一般会外包给专门用于处理催收案件的第三方机构,由第三方机构中的指定人员进行催收。目前,第三方机构的内部管理不透明,当第三方机构的催收质量下降时,信贷业务方需要进行人工核查,难以及时发现问题并解决问题。
对此,本申请实施例提供了一种业务处理方法,请参考图1,其示出了本申请实施例提供的方法实施环境的示意图。该实施环境可以包括:终端11和服务器12。
其中,终端11可以安装有催收系统,终端11可以基于催收系统监控目标机构产生催收绩效参数;终端11还可以基于催收系统获取目标机构中的执行主体的注册语音信号,基于执行主体的注册语音信号,获取执行主体对应的第一声纹特征;终端11还可以基于执行主体对应的第一声纹特征和第二声纹特征,确定执行主体对应的匹配结果。服务器12可以是指催收系统的后台服务器,用于支撑终端11中的催收系统的使用过程。
可选地,终端11可以是任何一种可与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互的电子产品,例如PC(PersonalComputer,个人计算机)、手机、智能手机、PDA(Personal Digital Assistant,个人数字助手)、可穿戴设备、掌上电脑PPC(Pocket PC)、平板电脑、智能车机、智能电视、智能音箱等。服务器12可以是一台服务器,也可以是由多台服务器组成的服务器集群,或者是一个云计算服务中心。终端11与服务器12通过有线或无线网络建立通信连接。
本领域技术人员应能理解上述终端11和服务器12仅为举例,其他现有的或今后可能出现的终端或服务器如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
基于上述图1所示的实施环境,本申请实施例提供一种业务处理方法,以该方法应用于终端为例。如图2所示,本申请实施例提供的方法可以包括如下步骤:
在步骤201中,监控目标机构产生的绩效参数。
需要说明的是,信贷业务方可以与一家或多家专门用于处理催收案件的第三方机构签订合约,由这一家或多家第三方机构处理该信贷业务方的催收案件。本申请实施例中的目标机构是指与信贷业务方签订合约的任意一家第三方机构。
在目标结构中的执行主体处理催收案件的过程中,终端的催收系统可以统计目标机构在各个相邻的参考时间范围内产生的绩效参数。随着处理催收案件的时间的延长,目标机构的产生的绩效参数的数量不断增加。参考时间范围可以根据经验设置,也可以根据实际情况自由调整,本申请实施例对此不加以限定。例如,参考时间范围可以设置为1天,则终端的催收系统可以统计目标机构在每天产生的绩效参数。
目标机构在任一参考时间范围内产生的绩效参数用于指示该目标机构在该任一参考时间范围内对催收案件的完成程度。可选地,目标机构在该任一参考时间范围内对催收案件的完成程度可以用目标机构在任一参考时间范围内的综合回收率表示。其中,任一参考时间范围内的综合回收率可以基于该任一参考时间范围内的金额回收率和该任一参考时间范围内的户数回收率得到。该任一参考时间范围内的金额回收率为该任一参考时间范围内已回收的金额和全部催收案件应回收的总金额的比值;该任一参考时间范围内的户数回收率为该任一参考时间范围内已回收的客户数量和全部催收案件应回收的总客户数量的比值。
通过不断统计目标机构在各个相邻的参考时间范围内产生的绩效参数,终端可以监控目标机构产生的绩效参数。可选地,终端监控目标机构产生的绩效参数的过程包括以下三个步骤:
步骤1:终端对目标机构建立催收指标模型。
催收指标模型用于指示需要统计的指标参数。本申请实施例对需要统计的指标参数不加以限定。例如,需要统计的指标参数可以包括回收金额、回退金额、回收户数、达成率、电话拨通量、催记量等参数。
步骤2:按照参考时间范围,不断统计催收指标模型指示的各个指标参数;根据不断统计的各个指标参数,不断统计目标机构在各个相邻的参考时间范围内产生的绩效参数。
按照参考时间范围,不断统计催收指标模型指示的各个指标参数的过程可以为:将目标机构在每个参考时间范围内产生的各个指标参数不断填充至催收指标模型中。由此,催收指标模型中记录了目标机构在每个参考时间范围内产生的各个指标参数。例如,假设指标参数包括回收金额和回收户数,参考时间范围为1天,则将目标机构每天产生的回收金额和回收户数不断填充至催收指标模型中。
接下来,以指标参数包括回收金额和回收户数为例,分别介绍获取目标机构在每个参考时间范围内产生的回收金额和回收户数的过程:
获取目标机构在每个参考时间范围内产生的回收金额的过程可以为:判断目标机构的类型;当目标机构的类型为第一类型时,将目标机构在每个参考时间范围内回收的逾期借据中的本金的金额作为该目标机构在每个参考时间范围内产生的回收金额;当目标机构的类型为第二类型时,将目标机构在每个参考时间范围内回收的逾期借据中的全部款项的金额作为该目标机构在每个参考时间范围内产生的回收金额,全部款项包括本金、利息和罚息;当目标机构的类型为第三类型时,将目标机构在每个参考时间范围内回收的所有借据中的全部款项的金额作为该目标机构在每个参考时间范围内产生的回收金额。在实际应用场景中,第一类型、第二类型和第三类型根据第三方机构的资质等级确定,不同类型的第三方机构具有不同的催收任务。
需要说明的是,当目标机构的类型为第一类型时,对于该目标机构而言,全部催收案件应回收的总金额是指全部催收案件的逾期借据中的本金的总金额;当目标机构的类型为第二类型时,对于该目标机构而言,全部催收案件应回收的总金额是指全部催收案件的逾期借据中的全部款项的总金额;当目标机构的类型为第三类型时,对于该目标机构而言,全部催收案件应回收的总金额是指全部催收案件的所有借据中的全部款项的总金额。
获取目标机构在每个参考时间范围内产生的回收户数的过程可以为:将在每个参考时间范围内客户状态由逾期状态变为不逾期状态的客户的数量作为该目标机构在每个参数时间范围内产生的回收户数。在每个参考时间范围内,每个客户只计算一次。
可选地,根据不断统计的各个指标参数,不断统计目标机构在各个相邻的参考时间范围内产生的绩效参数的过程为:根据催收指标模型中不断填充的目标机构在每个参考时间范围内产生的各个指标参数,不断统计目标机构在每个参考时间范围内产生的绩效参数。
对于指标参数为回收金额和回收户数的情况,统计目标机构在任一参考时间范围内产生的绩效参数的过程为:根据目标机构在该任一参考时间范围内产生的回收金额和全部催收案件应回收的总金额,计算目标机构在该任一参考时间范围内产生的金额回收率;根据目标机构在该任一参考时间范围内产生的回收户数和全部催收案件应回收的总户数,计算目标机构在该任一参考时间范围内产生的户数回收率;根据目标机构在该任一参考时间范围内产生的金额回收率和目标机构在该任一参考时间范围内产生的户数回收率,确定目标机构在该任一参考时间范围内产生的绩效参数。
可选地,根据目标机构在该任一参考时间范围内产生的金额回收率和目标机构在该任一参考时间范围内产生的户数回收率,确定目标机构在该任一参考时间范围内产生的绩效参数的方式为:将目标机构在该任一参考时间范围内产生的金额回收率和目标机构在该任一参考时间范围内产生的户数回收率根据指定计算规则进行计算,将计算的结果作为目标机构在该任一参考时间范围内产生的绩效参数。其中,指定计算规则可以根据经验设置,本申请实施例对此不加以限定。例如,指定计算规则可以为:将目标机构在该任一参考时间范围内产生的金额回收率和目标机构在该任一参考时间范围内产生的户数回收率相加;再例如,指定计算规则还可以为:计算目标机构在该任一参考时间范围内产生的金额回收率与第一权重的乘积,以及目标机构在该任一参考时间范围内产生的户数回收率与第二权重的乘积,将两个乘积相加。
步骤3:根据不断统计的目标机构在各个相邻的参考时间范围内产生的绩效参数,监控目标机构产生的绩效参数。
根据上述步骤1和步骤2,可以随着目标机构处理催收案件的时间的延长,不断得到目标机构产生的多个绩效参数,从而达到监控目标机构产生的绩效参数的目的。
需要说明的是,对于信贷业务方与多家第三方机构签订合约的情况,终端可以监控多家第三方机构产生的绩效参数。对于不同的第三方机构,参考时间范围可以相同,也可以不同,本申请实施例对此不加以限定。
在步骤202中,响应于目标机构产生的绩效参数满足参考条件,获取目标机构中的目标执行主体对应的第一声纹特征和至少一个第二声纹特征。
其中,第一声纹特征基于目标执行主体的注册语音信号得到;至少一个第二声纹特征基于目标执行主体的注册账户中的至少一个通话语音信号得到。目标执行主体是指信贷业务方与目标机构签订的合约中明确规定的处理催收案件的人员。目标执行主体对应的第一声纹特征是指专属于该目标执行主体的声纹特征。
需要说明的是,目标机构中的目标执行主体的数量可能为一个或多个,本申请实施例对此不加以限定。当目标机构中的目标执行主体的数量为多个时,分别获取每个目标执行主体对应的第一声纹特征和至少一个第二声纹特征。在本申请实施例中,以一个目标执行主体为例进行说明。
在监控目标机构产生的绩效参数的过程中,若发现目标机构产生的绩效参数满足参考条件,则认为目标机构对催收案件的处理过程不正常。此时,获取目标机构中的目标执行主体对应的第一声纹特征和至少一个第二声纹特征,以确定目标执行主体对应的匹配结果,进而由信贷业务方根据匹配结果分析目标机构对催收案件的处理过程不正常是否由于目标执行主体的更换导致。
可选地,判断目标机构产生的绩效参数是否满足参考条件的方式可以为:基于目标机构在各个相邻的参考时间范围内产生的绩效参数,确定各个绩效参数对应的变化趋势;基于各个绩效参数对应的变化趋势,判断目标机构产生的绩效参数是否满足参考条件。其中,任一绩效参数对应的变化趋势根据该任一绩效参数和与该任一绩效参数相邻的前一个绩效参数的比对结果确定。当该任一绩效参数和前一个绩效参数的比对结果指示该任一绩效参数大于前一个绩效参数时,该任一绩效参数对应的变化趋势为上升趋势;当该任一绩效参数和前一个绩效参数的比对结果指示该任一绩效参数小于前一个绩效参数时,该任一绩效参数对应的变化趋势为下降趋势;当该任一绩效参数和前一个绩效参数的比对结果指示该任一绩效参数等于前一个绩效参数时,该任一绩效参数对应的变化趋势为不变趋势。
可选地,基于各个绩效参数对应的变化趋势,判断目标机构产生的绩效参数是否满足参考条件的过程为:当在目标机构产生的绩效参数中,参考数量的相邻的绩效参数对应的变化趋势均为下降趋势时,认为目标机构产生的绩效参数满足参考条件;反之,则认为目标机构产生的绩效参数不满足参考条件。
其中,参考数量可以根据经验设置,也可以根据应用场景自由调整,本申请实施例对此不加以限定。例如,参考数量可以设置为2。
示例性地,假设参考时间范围为1天,目标机构在5天内已产生5个绩效参数,这5个绩效参数分为3.5%、4.5%、3.8%、5%、4%、3%。其中,3.5%对应的变化趋势为上升趋势(与0%相比),4.5%对应的变化趋势为上升趋势(与3.5%相比),3.8%对应的变化趋势为下降趋势(与4.5%相比),5%对应变化趋势为上升趋势(与3.8%相比),4%对应的变化趋势为下降趋势(与5%相比),3%对应的变化趋势为下降趋势(与4%相比)。此时,在目标机构产生的5个绩效参数中,2个相邻的绩效参数(4%和3%)对应的变化趋势均为下降趋势,此种情况下,认为目标机构产生的绩效参数满足参考条件。
当目标机构产生的绩效参数满足参考条件时,执行下述步骤2021和步骤2022,以获取到用于确定目标执行主体对应的第一匹配结果的第一声纹特征和至少一个第二声纹特征。需要说明的是,本申请实施例对步骤2021和步骤2022的执行先后顺序不加以限定。
步骤2021、获取目标机构中的目标执行主体对应的第一声纹特征。
目标执行主体对应的第一声纹特征是指基于目标执行主体的注册语音信号得到专属于目标执行主体的声纹特征。可选地,获取目标执行主体对应的第一声纹特征的方式包括但不限于以下两种:
方式一:基于信贷业务方与目标机构签订的合约,确定目标机构中的目标执行主体的标识信息;基于目标执行主体的标识信息,在标识信息与第一声纹特征的对应关系中,获取目标执行主体对应的第一声纹特征。
其中,目标执行主体的标识信息用于唯一标识目标执行主体,包括但不限于目标执行主体的姓名、目标执行主体的身份证件号码、目标执行主体的通信号码等。
此种方式发生在预先存储了目标执行主体的标识信息与第一声纹特征的对应关系的情况下。可选地,存储目标执行主体的标识信息与第一声纹特征的对应关系的过程包括以下三个步骤:
步骤1:获取目标执行主体的注册语音信号。
其中,注册语音信号为目标执行主体朗读注册字符串得到的。该步骤的实现过程包括:获取目标执行主体的注册请求;基于注册请求,显示注册字符串;获取目标执行主体朗读注册字符串的注册语音信号。该注册语音信号用于得到目标执行主体对应的第一声纹特征。
注册字符串可以是指随机生成的字符串。随机生成的字符串的基础字符可以是阿拉伯数字、英文字母或其他语言字符等,每个基础字符通常是一个数字或一个字符,但不排除若干个数字或若干个字符的整体作为一个基础字符的可能性。
在实际催收过程中,目标机构中的目标执行主体需要在催收系统中对催收案件进行催收处理。目标执行主体为签订的合约中指定的人员,目标执行主体在接到催收任务后,需要先注册催收系统,得到登录账号;然后才能基于登录账号登录催收系统对催收案件进行催收处理。需要说明的是,在目标执行主体注册成功后,终端会为目标执行主体建立注册账户,该注册账户用于记录该目标执行主体在基于登录账号登录催收系统后产生的行为信息。其中,行为信息包括但不限于浏览记录、通话记录、通话语音信号等。
在目标执行主体注册催收系统的过程中,终端会获取目标执行主体的注册请求。当获取到目标执行主体的注册请求时,终端显示注册字符串,由目标执行主体对该注册字符串进行朗读;然后,终端可以获取目标执行主体朗读注册字符串的注册语音信号。
可选地,终端在获取目标执行主体朗读注册字符串的注册语音信号时,可以获取目标执行主体多次朗读注册字符串的多个备选语音信号,然后基于多个备选语音信号,获取目标执行主体的注册语音信号。
目标执行主体每朗读一次注册字符串,可以得到该目标执行主体的一个备选语音信号。可选地,基于多个备选语音信号,获取目标执行主体的注册语音信号的方式可以为:对多个备选语音信号进行质量检测,将质量最好的一个备选语音信号作为该目标执行主体的注册语音信号。
步骤2:基于目标执行主体的注册语音信号,获取目标执行主体对应的第一声纹特征。
该步骤的实现过程可以包括以下步骤A和步骤B:
步骤A:对目标执行主体的注册语音信号进行预处理。
目标执行主体的注册语音信号中可能存在大量的非语音信号,例如,环境噪音信号或者背景噪音信号等。在获取目标执行主体对应的第一声纹特征之前,需要先对目标执行主体的注册语音信号进行预处理,以使提取的声纹特征的可靠性更高。
对目标执行主体的注册语音信号进行预处理的过程可以由相关技术中的任一技术来执行,本申请实施例对此不加以限定。示例性地,对目标执行主体的注册语音信号进行预处理的过程可以为:根据不同声音信号的频率对目标执行主体的注册语音信号中的语音信号和非语音信号进行划分,然后去除对应于非语音频率的信号。示例性地,对目标执行主体的注册语音信号进行预处理的过程还可以为:对目标执行主体的注册语音信号进行RTFI(Resonator Time-Frequency Image,谐振时频分析),获得时频能量谱,将该时频能量谱在时域取平均获得平均能量谱;在平均能量谱中基于能量改变的分割方法确定语音信号和非语音信号的起点和终点;然后将目标执行主体的注册语音信号中的非语音信号进行去除。
在对目标执行主体的注册语音信号进行预处理后,可以得到预处理后的注册语音信号。
步骤B:从预处理后的注册语音信号中提取声纹特征,将提取到的声学特征作为该目标执行主体对应的第一声纹特征。
声纹特征的提取过程是将时域的原始语音信号转换为频域信号等更紧致的信号表示形式的过程。本申请实施例对提取声纹特征的方式不加以限定,可以使用任何声纹特征提取技术从预处理后的注册语音信号中提取声纹特征。例如,从预处理后的注册语音信号中提取MFCC(Mel Frequency Cepstrum Coefficient,梅尔频率倒谱系数)、LPC(LinearPredictiveCoefficient,线性预测系数)、LPCC(Linear PredictiveCepstrumCoefficient,线性预测倒谱系数)、PLPC(Perceptual Linear PredictiveCoefficient,感知线性预测系数)或FBank(Filter bank,滤波器组)中的任意一种,将其作为从预处理后的注册语音信号中提取到的声纹特征。
需要说明的是,目标执行主体对应的第一声纹特征是指专属于该目标执行主体的声纹特征。不同的目标执行主体具有不同的第一声纹特征。
步骤3:将目标执行主体对应的标识信息与该目标执行主体的第一声纹特征进行对应存储。
在目标执行主体的注册请求中,会携带该目标执行主体的标识信息,在获取该目标执行主体对应的第一声纹特征后,即可将该目标执行主体的标识信息与该目标执行主体对应的第一声纹特征进行对应存储。
方式二:基于信贷业务方与目标机构签订的合约,确定目标机构中的目标执行主体的标识信息;基于目标执行主体的标识信息,在标识信息与注册语音信号的对应关系中,获取目标执行主体的注册语音信号;基于目标执行主体的注册语音信号,获取目标执行主体对应的第一声纹特征。
此种方式发生在预先存储了目标执行主体的标识信息与注册语音信号的对应关系的情况下。可选地,存储目标执行主体的标识信息与注册语音信号的对应关系的过程包括以下两个步骤:
步骤1:获取目标执行主体的注册语音信号。
该步骤的实现过程详见上述方式一中的步骤1,此处不再赘述。
步骤2:将目标执行主体的标识信息与该任一注册语音信号进行对应存储。
在目标执行主体的注册请求中,会携带目标执行主体的标识信息,在获取目标执行主体的注册语音信号后,即可将目标执行主体的标识信息与该目标执行主体的注册语音信号进行对应存储。
在获取目标执行主体的注册语音信号后,可以基于目标执行主体的注册语音信号,获取目标执行主体对应的第一声纹特征。基于目标执行主体的注册语音信号获取目标执行主体对应的第一声纹特征的过程详见上述方式一中的步骤2,此处不再赘述。
步骤2022、获取目标执行主体对应的至少一个第二声纹特征。
可选地,该步骤的实现过程包括步骤2022A和步骤2022B:
步骤2022A:在目标执行主体的注册账户中获取至少一个通话语音信号。
在实际执行主体基于该目标执行主体的注册账号登录催收系统,对催收案件进行催收处理的过程中,该实际执行主体产生的通话语音信号会被存储在该目标执行主体的注册账户中。也就是说,目标执行主体的注册账户中存储的通话语音信号,可能是由该目标执行主体产生的,也可能是由于其他执行主体产生的。需要说明的是,目标执行主体的注册账户中的通话语音信号是指在执行主体与被催收人员进行通话的过程中,执行主体侧产生的语音信号。
可选地,目标执行主体的注册账户中的至少一个通话语音信号可以是指目标执行主体的注册账户中的全部通语音信号,也可以是指目标执行主体的注册账户中的满足选择条件的通话语音信号,本申请实施例对此不加以限定。选择条件可以根据经验设置,也可以根据应用场景自由调整。示例性地,满足选择条件的通话语音信号可以是指目标执行主体的注册账户中的通话时长大于时长阈值的通话语音信号。示例性地,满足选择条件的通话语音信号还可以是指目标执行主体的注册账户中的产生时间戳在目标时间范围内的通话语音信号等。
步骤2022B:基于至少一个通话语音信号,获取目标执行主体对应的至少一个第二声纹特征。
在获取至少一个通话语音信号后,即可基于每个通话语音信号,获取目标执行主体对应的每个第二声纹特征。该过程包括以下两个步骤:
步骤1:对任一通话语音信号进行预处理。
任一通话语音信号可能中存在大量的非语音信号,例如,环境噪音或者背景噪音等。在从每个通话语音信号中提取声纹特征之前,需要先对任一通话语音信号进行预处理,以使提取的声纹特征的可靠性更高。
对任一通话语音信号进行预处理的过程可以由相关技术中的任一技术来执行,本申请实施例对此不加以限定。示例性地,对任一通话语音信号进行预处理的过程可以为:根据不同声音信号的频率对任一通话语音信号中的语音信号和非语音信号进行划分,然后去除对应于非语音频率的信号。
步骤2:从预处理后的任一通话语音信号中提取声纹特征,将提取到的声纹特征作为目标执行主体对应的任一第二声纹特征。
声纹特征的提取过程是将时域的原始语音信号转换为频域信号等更紧致的信号表示形式的过程。本申请实施例对提取声纹特征的方式不加以限定,可以使用任何声纹特征提取技术从预处理后的任一通话语音信号中提取声纹特征。例如,从预处理后的任一通话语音信号中提取MFCC(Mel Frequency Cepstrum Coefficient,梅尔频率倒谱系数)、LPC(Linear PredictiveCoefficient,线性预测系数)、LPCC(Linear PredictiveCepstrumCoefficient,线性预测倒谱系数)、PLPC(Perceptual Linear PredictiveCoefficient,感知线性预测系数)或FBank(Filter bank,滤波器组)中的任意一种,将其作为从预处理后的任一通话语音信号中提取到的声纹特征。
需要说明的是,目标执行主体对应的任一第二声纹特征是指专属于产生该任一通话语音信号的实际执行主体的声纹特征。根据上述步骤1和步骤2,可以得到目标执行主体对应的各个第二声纹特征。
在步骤203中,基于第一声纹特征和至少一个第二声纹特征,确定目标执行主体对应的第一匹配结果。
目标执行对应的第一匹配结果用于指示该目标执行主体是否被更换。在实际应用场景中,可能会存在基于其他人的登录账号登录催收系统对催收案件进行催收处理的现象。也就是说,目标机构可能会安排除目标执行主体外的其他执行主体基于目标执行主体的登录账号登录催收系统对催收案件进行催收处理。由于其他执行主体的催收能力可能不如目标执行主体,因此,此种执行主体更换现象可能会导致目标机构的催收质量下降。
由于目标执行主体对应的第一声纹特征是指理论上应该进行催收的执行主体的声纹特征,目标执行主体对应的至少一个第二声纹特征是指实际进行催收的至少一个执行主体的声纹特征。所以基于目标执行主体对应的第一声纹特征和至少一个第二声纹特征,可以确定目标执行主体对应的第一匹配结果,以由信贷业务方判断目标执行主体是否被更换。
可选地,基于目标执行主体对应的第一声纹特征和至少一个第二声纹特征,确定目标执行主体对应的第一匹配结果的过程包括以下步骤a和步骤b:
步骤a:将第一声纹特征和任一第二声纹特征输入声纹特征模型;基于声纹特征模型输出的结果,获取第一声纹特征和任一第二声纹特征之间的相似度。
其中,声纹特征模型是指用于评估两个声纹特征之间的相似度的模型,本申请实施例对训练声学特征模型的过程不加以限定。
示例性地,可以先利用GMM-HMM(Gaussian Mixture Model-Hidden MarkovModel,混合高斯模型-隐马尔科夫模型)对语音信号训练数据进行初步训练,得到帧级别的对齐信息。得到对齐信息后,再进行DNN(Deep Neural Network,深度神经网络)训练,得到声学特征模型。训练得到声学特征模型的过程为有监督的训练过程。利用DNN建立的声学特征模型可以表现出更好的效果。例如,上下文相关的CD-DNN-HMM(Context Dependent-DeepNeural Network-Hidden Markov Model,深度神经网络-隐马尔科夫模型)在语音识别已经大幅度超越了传统的GMM-HMM模型。
将第一声纹特征和至少一个第二声纹特征输入声纹特征模型后,声纹模型可以输出用于指示该两个声纹特征之间的相似度的结果,由此,可以获取第一声纹特征和该至少一个第二声纹特征之间的相似度。
每次将第一声纹特征和一个第二声纹特征输入声纹特征模型,直至获取到第一声纹特征和各个第二声纹特征之间的相似度。
步骤b:基于第一声纹特征和各个第二声纹特征之间的相似度,确定目标执行主体对应的第一匹配结果。
可选地,基于第一声纹特征和各个第二声纹特征之间的相似度,确定目标执行主体对应的第一匹配结果的过程为:将与第一声纹特征之间的相似度低于相似度阈值的第二声纹特征作为不匹配声纹特征;响应于不匹配声纹特征的数量不低于数量阈值,确定目标执行主体对应的第一匹配结果为不匹配;响应于不匹配声纹特征的数量低于数量阈值,确定目标执行主体对应的第一匹配结果为匹配。
其中,相似度阈值可以根据经验设置,也可以根据应用场景自由调整,本申请实施例对此不加以限定。例如,相似度阈值可以设置为95%。可选地,特征可以采用特征向量的形式表示,两个特征之间的相似度可以用两个特征向量之间的PLDA(ProbabilisticLinear Discriminant Analysis,概率线性判别分析)得分表示。当任一第二声纹特征为不匹配声纹特征时,说明该任一第二声纹特征和第一声纹特征不属于同一执行主体。
可选地,数量阈值可以根据经验设置,也可以根据应用场景自由调整,本申请实施例对此不加以限定。例如,数量阈值可以设置为1,此时,只要存在不匹配声纹特征,即认为目标执行主体对应的第一匹配结果为不匹配。当然,根据实际应用场景的不同,数量阈值还可以设置为3或者5等。
当不匹配声纹特征的数量不低于数量阈值时,可以确定目标执行主体对应的第一匹配结果为不匹配,此时,可以认为在处理催收案件的过程中目标执行主体被更换;当不匹配声纹特征的数量低于数量阈值时,可以确定目标执行主体对应的第一匹配结果为匹配,此时,可以认为在处理催收案件的过程中目标执行主体未被更换。
可选地,在确定目标执行主体对应的第一匹配结果之后,还包括:将目标执行主体的注册语音信号和目标执行主体的注册账户中的至少一个通话语音信号发送至复核机构;获取复核机构反馈的目标执行主体对应的第二匹配结果;基于第一匹配结果和第二匹配结果,得到目标执行主体对应的第三匹配结果。
目标执行主体对应的第一匹配结果为终端自动得到的,目标执行主体对应的第二匹配结果为复核机构得到的,终端可以综合这两个匹配结果,得到目标执行主体对应的第三匹配结果。此种自动声纹识别和复核机构复核的结合方式,可以提高确定目标执行主体对应的匹配结果的准确性。
可选地,基于第一匹配结果和第二匹配结果,得到目标执行主体对应的第三匹配结果的方式可以为:当第一匹配结果与第二匹配结果相同时,将第一匹配结果作为目标执行主体对应的第三匹配结果;当第一匹配结果与第二匹配结果不相同时,按照预先设置的确定方式得到目标执行主体对应的第三匹配结果。本申请实施例对预先设置的确定方式不加以限定。示例性地,预先设置的确定方式可以是指当第一匹配结果与第二匹配结果不相同时,将不匹配作为目标执行主体对应的第三匹配结果。示例性地,预先设置的确定方式还可以是指当第一匹配结果与第二匹配结果不相同时,以复核机构得到的第二匹配结果为准,将第二匹配结果作为目标执行主体对应的第三匹配结果。
可选地,在确定目标执行主体对应的第一匹配结果后,终端可以将目标执行主体对应的第一匹配结果反馈至信贷业务方,以由信贷业务方根据目标执行主体对应的第一匹配结果,判断导致目标机构产生的绩效参数满足参考条件的原因是否为目标执行主体的更换。可选地,对于获取了目标执行主体对应的第三匹配结果的情况,终端将目标执行主体对应的第三匹配结果反馈至信贷业务方。
可选地,信贷业务方根据目标执行主体对应的第一匹配结果,判断导致目标机构产生的绩效参数满足参考条件的原因是否为目标执行主体的更换的过程可以为:当对应的第一匹配结果为不匹配的目标执行主体的数量与全部目标主体的总数量的比值不低于比值阈值时,认为导致目标机构产生的绩效参数满足参考条件的原因为目标执行主体的更换;当对应的第一匹配结果为不匹配的目标执行主体的数量与全部目标主体的总数量的比值低于比值阈值时,认为导致目标机构产生的绩效参数满足参考条件的原因不为目标执行主体的更换。
其中,比例阈值可以根据全部目标执行主体的总数量设置,也可以根据应用场景自由调整,本申请实施例对此不加以限定。例如,假设全部目标执行主体的总数量为N,则比例阈值可以设置为1/N,此种情况下,只要存在对应的第一匹配结果为不匹配的目标执行主体,就认为导致目标机构产生的绩效参数满足参考条件的原因为目标执行主体的更换。当然,根据实际应用场景的不同,比例阈值还可以设置为2/N或者10/N等。
综上所示,业务处理的过程可以如图3所示,终端对目标机构建立催收指标模型;基于催收指标模型,监控目标机构产生的绩效参数;当目标机构产生的绩效参数满足参考条件时,基于目标机构中的目标执行主体对应的第一声纹特征和至少一个第二声纹特征,进行声纹识别,进而基于声纹识别的结果确定目标执行主体对应的匹配结果。其中,第一声纹特征基于目标执行主体朗读注册字符串的注册语音信号得到;第二声纹特征基于目标执行主体的注册账户中的通话语音信号得到。基于本申请实施例提供的业务处理方法,可以实现第三方机构的透明化管理过程,从而做到第三方机构绩效参数的实时跟踪以及绩效参数波动原因的快速识别,对信贷业务方的催收业务的风险管控有很大的业务价值。
在本申请实施例中,当目标机构产生的绩效参数满足参考条件时,基于目标执行主体对应的第一声纹特征和至少一个第二声纹特征,确定目标执行主体对应的匹配结果。在此种业务处理的过程中,无需耗费人力成本,确定目标执行主体对应的匹配结果的实时性较高,业务处理的效果较好。
参见图4,本申请实施例提供了一种业务处理装置,该装置包括:
监控模块401,用于监控目标机构产生的绩效参数;
获取模块402,用于响应于目标机构产生的绩效参数满足参考条件,获取目标机构中的目标执行主体对应的第一声纹特征和至少一个第二声纹特征,第一声纹特征基于目标执行主体的注册语音信号得到,至少一个第二声纹特征基于目标执行主体的注册账户中的至少一个通话语音信号得到;
确定模块403,用于基于第一声纹特征和至少一个第二声纹特征,确定目标执行主体对应的第一匹配结果。
可选地,确定模块403,用于将第一声纹特征和任一第二声纹特征输入声纹特征模型;基于声纹特征模型输出的结果,获取第一声纹特征和任一第二声纹特征之间的相似度;基于第一声纹特征和各个第二声纹特征之间的相似度,确定目标执行主体对应的第一匹配结果。
可选地,确定模块403,用于将与第一声纹特征之间的相似度低于相似度阈值的第二声纹特征作为不匹配声纹特征;响应于不匹配声纹特征的数量不低于数量阈值,确定目标执行主体对应的第一匹配结果为不匹配;响应于不匹配声纹特征的数量低于数量阈值,确定目标执行主体对应的第一匹配结果为匹配。
可选地,参见图5,该装置还包括:
发送模块404,用于将目标执行主体的注册语音信号和目标执行主体的注册账户中的至少一个通话语音信号发送至复核机构;
获取模块402,还用于获取复核机构反馈的目标执行主体对应的第二匹配结果;
确定模块403,还用于基于第一匹配结果和第二匹配结果,得到目标执行主体对应的第三匹配结果。
可选地,获取模块402,还用于获取目标执行主体的注册请求;
参见图5,该装置还包括:
显示模块405,用于基于注册请求,显示注册字符串;
获取模块402,还用于获取目标执行主体朗读注册字符串的注册语音信号,注册语音信号用于得到目标执行主体对应的第一声纹特征。
在本申请实施例中,当目标机构产生的绩效参数满足参考条件时,基于目标执行主体对应的第一声纹特征和至少一个第二声纹特征,确定目标执行主体对应的匹配结果。在此种业务处理的过程中,无需耗费人力成本,确定目标执行主体对应的匹配结果的实时性较高,业务处理的效果较好。
需要说明的是,上述实施例提供的装置在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图6是本申请实施例提供的一种业务处理设备的结构示意图。该业务处理设备可以为终端,例如可以是:智能手机、平板电脑、笔记本电脑或台式电脑。终端还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端包括有:处理器601和存储器602。
处理器601可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器601可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器601可以集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器601还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器602可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器602中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器601所执行以实现本申请中方法实施例提供的业务处理方法。
在一些实施例中,终端还可选包括有:外围设备接口603和至少一个外围设备。处理器601、存储器602和外围设备接口603之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口603相连。具体地,外围设备包括:射频电路604、触摸显示屏605、摄像头组件606、音频电路607、定位组件608和电源609中的至少一种。
外围设备接口603可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器601和存储器602。在一些实施例中,处理器601、存储器602和外围设备接口603被集成在同一芯片或电路板上;在一些其他实施例中,处理器601、存储器602和外围设备接口603中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路604用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路604通过电磁信号与通信网络以及其他通信设备进行通信。射频电路604将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路604包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路604可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路604还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏605用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏605是触摸显示屏时,显示屏605还具有采集在显示屏605的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器601进行处理。此时,显示屏605还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏605可以为一个,设置在终端的前面板;在另一些实施例中,显示屏605可以为至少两个,分别设置在终端的不同表面或呈折叠设计;在再一些实施例中,显示屏605可以是柔性显示屏,设置在终端的弯曲表面上或折叠面上。甚至,显示屏605还可以设置成非矩形的不规则图形,也即异形屏。显示屏605可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件606用于采集图像或视频。可选地,摄像头组件606包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件606还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路607可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器601进行处理,或者输入至射频电路604以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器601或射频电路604的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路607还可以包括耳机插孔。
定位组件608用于定位终端的当前地理位置,以实现导航或LBS(Location BasedService,基于位置的服务)。定位组件608可以是基于美国的GPS(Global PositioningSystem,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源609用于为终端中的各个组件进行供电。电源609可以是交流电、直流电、一次性电池或可充电电池。当电源609包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端还包括有一个或多个传感器610。该一个或多个传感器610包括但不限于:加速度传感器611、陀螺仪传感器612、压力传感器613、指纹传感器614、光学传感器615以及接近传感器616。
加速度传感器611可以检测以终端建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器611可以用于检测重力加速度在三个坐标轴上的分量。处理器601可以根据加速度传感器611采集的重力加速度信号,控制触摸显示屏605以横向视图或纵向视图进行用户界面的显示。加速度传感器611还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器612可以检测终端的机体方向及转动角度,陀螺仪传感器612可以与加速度传感器611协同采集用户对终端的3D动作。处理器601根据陀螺仪传感器612采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器613可以设置在终端的侧边框和/或触摸显示屏605的下层。当压力传感器613设置在终端的侧边框时,可以检测用户对终端的握持信号,由处理器601根据压力传感器613采集的握持信号进行左右手识别或快捷操作。当压力传感器613设置在触摸显示屏605的下层时,由处理器601根据用户对触摸显示屏605的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器614用于采集用户的指纹,由处理器601根据指纹传感器614采集到的指纹识别用户的身份,或者,由指纹传感器614根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器601授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器614可以被设置在终端的正面、背面或侧面。当终端上设置有物理按键或厂商Logo时,指纹传感器614可以与物理按键或厂商Logo集成在一起。
光学传感器615用于采集环境光强度。在一个实施例中,处理器601可以根据光学传感器615采集的环境光强度,控制触摸显示屏605的显示亮度。具体地,当环境光强度较高时,调高触摸显示屏605的显示亮度;当环境光强度较低时,调低触摸显示屏605的显示亮度。在另一个实施例中,处理器601还可以根据光学传感器615采集的环境光强度,动态调整摄像头组件606的拍摄参数。
接近传感器616,也称距离传感器,通常设置在终端的前面板。接近传感器616用于采集用户与终端的正面之间的距离。在一个实施例中,当接近传感器616检测到用户与终端的正面之间的距离逐渐变小时,由处理器601控制触摸显示屏605从亮屏状态切换为息屏状态;当接近传感器616检测到用户与终端的正面之间的距离逐渐变大时,由处理器601控制触摸显示屏605从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图6中示出的结构并不构成对终端的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在示例性实施例中,还提供了一种计算机设备,参见图7,该计算机设备包括处理器701和存储器702,该存储器702中存储有至少一条程序代码。该至少一条程序代码由一个或者一个以上处理器701加载并执行,以实现上述任一种业务处理方法。
在示例性实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条程序代码,该至少一条程序代码由计算机设备的处理器加载并执行,以实现上述任一种业务处理方法。
可选地,上述计算机可读存储介质可以是只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、只读光盘(Compact Disc Read-OnlyMemory,CD-ROM)、磁带、软盘和光数据存储设备等。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以上所述仅为本申请的示例性实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种业务处理方法,其特征在于,所述方法包括:
监控目标机构产生的绩效参数;
响应于所述目标机构产生的绩效参数满足参考条件,获取所述目标机构中的目标执行主体对应的第一声纹特征和至少一个第二声纹特征,所述第一声纹特征基于所述目标执行主体的注册语音信号得到,所述至少一个第二声纹特征基于所述目标执行主体的注册账户中的至少一个通话语音信号得到;
基于所述第一声纹特征和所述至少一个第二声纹特征,确定所述目标执行主体对应的第一匹配结果。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一声纹特征和所述至少一个第二声纹特征,确定所述目标执行主体对应的第一匹配结果,包括:
将所述第一声纹特征和任一第二声纹特征输入声纹特征模型;
基于所述声纹特征模型输出的结果,获取所述第一声纹特征和所述任一第二声纹特征之间的相似度;
基于所述第一声纹特征和各个第二声纹特征之间的相似度,确定所述目标执行主体对应的第一匹配结果。
3.根据权利要求2所述的方法,其特征在于,所述基于所述第一声纹特征和各个第二声纹特征之间的相似度,确定所述目标执行主体对应的第一匹配结果,包括:
将与所述第一声纹特征之间的相似度低于相似度阈值的第二声纹特征作为不匹配声纹特征;
响应于所述不匹配声纹特征的数量不低于数量阈值,确定所述目标执行主体对应的第一匹配结果为不匹配;
响应于所述不匹配声纹特征的数量低于数量阈值,确定所述目标执行主体对应的第一匹配结果为匹配。
4.根据权利要求1所述的方法,其特征在于,所述基于所述第一声纹特征和所述至少一个第二声纹特征,确定所述目标执行主体对应的第一匹配结果之后,所述方法还包括:
将所述目标执行主体的注册语音信号和所述目标执行主体的注册账户中的至少一个通话语音信号发送至复核机构;
获取所述复核机构反馈的所述目标执行主体对应的第二匹配结果;
基于所述第一匹配结果和所述第二匹配结果,得到所述目标执行主体对应的第三匹配结果。
5.根据权利要求1所述的方法,其特征在于,所述获取所述目标机构中的目标执行主体对应的第一声纹特征和至少一个第二声纹特征之前,所述方法还包括:
获取所述目标执行主体的注册请求;
基于所述注册请求,显示注册字符串;
获取所述目标执行主体朗读所述注册字符串的注册语音信号,所述注册语音信号用于得到所述目标执行主体对应的第一声纹特征。
6.一种业务处理装置,其特征在于,所述装置包括:
监控模块,用于监控目标机构产生的绩效参数;
获取模块,用于响应于所述目标机构产生的绩效参数满足参考条件,获取所述目标机构中的目标执行主体对应的第一声纹特征和至少一个第二声纹特征,所述第一声纹特征基于所述目标执行主体的注册语音信号得到,所述至少一个第二声纹特征基于所述目标执行主体的注册账户中的至少一个通话语音信号得到;
确定模块,用于基于所述第一声纹特征和所述至少一个第二声纹特征,确定所述目标执行主体对应的第一匹配结果。
7.根据权利要求6所述的装置,其特征在于,所述确定模块,用于将所述第一声纹特征和任一第二声纹特征输入声纹特征模型;基于所述声纹特征模型输出的结果,获取所述第一声纹特征和所述任一第二声纹特征之间的相似度;基于所述第一声纹特征和各个第二声纹特征之间的相似度,确定所述目标执行主体对应的第一匹配结果。
8.根据权利要求7所述的装置,其特征在于,所述确定模块,用于将与所述第一声纹特征之间的相似度低于相似度阈值的第二声纹特征作为不匹配声纹特征;响应于所述不匹配声纹特征的数量不低于数量阈值,确定所述目标执行主体对应的第一匹配结果为不匹配;响应于所述不匹配声纹特征的数量低于数量阈值,确定所述目标执行主体对应的第一匹配结果为匹配。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现如权利要求1至5任一所述的业务处理方法。
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中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现如权利要求1至5任一所述的业务处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010030848.4A CN111243605A (zh) | 2020-01-13 | 2020-01-13 | 业务处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010030848.4A CN111243605A (zh) | 2020-01-13 | 2020-01-13 | 业务处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111243605A true CN111243605A (zh) | 2020-06-05 |
Family
ID=70875998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010030848.4A Withdrawn CN111243605A (zh) | 2020-01-13 | 2020-01-13 | 业务处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111243605A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113327622A (zh) * | 2021-06-02 | 2021-08-31 | 云知声(上海)智能科技有限公司 | 一种语音分离方法、装置、电子设备和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110288866A1 (en) * | 2010-05-24 | 2011-11-24 | Microsoft Corporation | Voice print identification |
US20140254778A1 (en) * | 2013-02-22 | 2014-09-11 | Victrio, Inc. | Systems and methods for identifying a caller |
US20170092276A1 (en) * | 2014-07-31 | 2017-03-30 | Tencent Technology (Shenzhen) Company Limited | Voiceprint Verification Method And Device |
CN107993662A (zh) * | 2017-12-20 | 2018-05-04 | 广州势必可赢网络科技有限公司 | 一种应用于电话客服的用户身份识别方法及装置 |
CN108040032A (zh) * | 2017-11-02 | 2018-05-15 | 阿里巴巴集团控股有限公司 | 一种声纹认证方法、账号注册方法及装置 |
US20180152445A1 (en) * | 2016-11-30 | 2018-05-31 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for authenticating user |
CN108512664A (zh) * | 2017-09-11 | 2018-09-07 | 平安科技(深圳)有限公司 | 基于声纹识别的坐席登录方法、电子装置及存储介质 |
CN109064315A (zh) * | 2018-08-02 | 2018-12-21 | 平安科技(深圳)有限公司 | 逾期账单智能催收方法、装置、计算机设备及存储介质 |
CN109147797A (zh) * | 2018-10-18 | 2019-01-04 | 平安科技(深圳)有限公司 | 基于声纹识别的客服方法、装置、计算机设备及存储介质 |
CN110099047A (zh) * | 2019-04-12 | 2019-08-06 | 平安科技(深圳)有限公司 | 注册信息处理方法、装置、计算机设备和存储介质 |
CN110660398A (zh) * | 2019-09-19 | 2020-01-07 | 北京三快在线科技有限公司 | 声纹特征更新方法、装置、计算机设备及存储介质 |
-
2020
- 2020-01-13 CN CN202010030848.4A patent/CN111243605A/zh not_active Withdrawn
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110288866A1 (en) * | 2010-05-24 | 2011-11-24 | Microsoft Corporation | Voice print identification |
US20140254778A1 (en) * | 2013-02-22 | 2014-09-11 | Victrio, Inc. | Systems and methods for identifying a caller |
US20170092276A1 (en) * | 2014-07-31 | 2017-03-30 | Tencent Technology (Shenzhen) Company Limited | Voiceprint Verification Method And Device |
US20180152445A1 (en) * | 2016-11-30 | 2018-05-31 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for authenticating user |
CN108512664A (zh) * | 2017-09-11 | 2018-09-07 | 平安科技(深圳)有限公司 | 基于声纹识别的坐席登录方法、电子装置及存储介质 |
CN108040032A (zh) * | 2017-11-02 | 2018-05-15 | 阿里巴巴集团控股有限公司 | 一种声纹认证方法、账号注册方法及装置 |
CN107993662A (zh) * | 2017-12-20 | 2018-05-04 | 广州势必可赢网络科技有限公司 | 一种应用于电话客服的用户身份识别方法及装置 |
CN109064315A (zh) * | 2018-08-02 | 2018-12-21 | 平安科技(深圳)有限公司 | 逾期账单智能催收方法、装置、计算机设备及存储介质 |
CN109147797A (zh) * | 2018-10-18 | 2019-01-04 | 平安科技(深圳)有限公司 | 基于声纹识别的客服方法、装置、计算机设备及存储介质 |
CN110099047A (zh) * | 2019-04-12 | 2019-08-06 | 平安科技(深圳)有限公司 | 注册信息处理方法、装置、计算机设备和存储介质 |
CN110660398A (zh) * | 2019-09-19 | 2020-01-07 | 北京三快在线科技有限公司 | 声纹特征更新方法、装置、计算机设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113327622A (zh) * | 2021-06-02 | 2021-08-31 | 云知声(上海)智能科技有限公司 | 一种语音分离方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220004794A1 (en) | Character recognition method and apparatus, computer device, and storage medium | |
CN109300485B (zh) | 音频信号的评分方法、装置、电子设备及计算机存储介质 | |
CN110556127B (zh) | 语音识别结果的检测方法、装置、设备及介质 | |
CN108833262B (zh) | 会话处理方法、装置、终端及存储介质 | |
CN110600040B (zh) | 声纹特征注册方法、装置、计算机设备及存储介质 | |
CN110660398B (zh) | 声纹特征更新方法、装置、计算机设备及存储介质 | |
CN111078521A (zh) | 异常事件的分析方法、装置、设备、系统及存储介质 | |
CN111370025A (zh) | 音频识别方法、装置及计算机存储介质 | |
CN111462742A (zh) | 基于语音的文本显示方法、装置、电子设备及存储介质 | |
CN111062248A (zh) | 图像检测的方法、装置、电子设备及介质 | |
CN111339737A (zh) | 实体链接方法、装置、设备及存储介质 | |
CN111263009A (zh) | 电话录音的质检方法、装置、设备及介质 | |
CN110837557B (zh) | 摘要生成方法、装置、设备及介质 | |
CN109829067B (zh) | 音频数据处理方法、装置、电子设备及存储介质 | |
CN111652624A (zh) | 购票处理方法、检票处理方法、装置、设备及存储介质 | |
CN114547429A (zh) | 数据推荐方法、装置、服务器及存储介质 | |
CN111243605A (zh) | 业务处理方法、装置、设备及存储介质 | |
CN112001442A (zh) | 特征检测方法、装置、计算机设备及存储介质 | |
CN115206305B (zh) | 语义文本的生成方法、装置、电子设备及存储介质 | |
CN111341307A (zh) | 语音识别方法、装置、电子设备及存储介质 | |
CN111428079A (zh) | 文本内容处理方法、装置、计算机设备及存储介质 | |
CN111554314A (zh) | 噪声检测方法、装置、终端及存储介质 | |
CN111341317A (zh) | 唤醒音频数据的评价方法、装置、电子设备及介质 | |
CN114844985A (zh) | 数据质检方法、装置、设备及存储介质 | |
CN112116908B (zh) | 唤醒音频确定方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200605 |