CN113343058B - 语音会话监管方法、装置、计算机设备及存储介质 - Google Patents
语音会话监管方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113343058B CN113343058B CN202110601760.8A CN202110601760A CN113343058B CN 113343058 B CN113343058 B CN 113343058B CN 202110601760 A CN202110601760 A CN 202110601760A CN 113343058 B CN113343058 B CN 113343058B
- Authority
- CN
- China
- Prior art keywords
- user
- voice
- supervision
- target
- task
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 230000006399 behavior Effects 0.000 claims description 66
- 230000008451 emotion Effects 0.000 claims description 59
- 238000004891 communication Methods 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 238000003066 decision tree Methods 0.000 claims description 13
- 238000007689 inspection Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000001939 inductive effect Effects 0.000 claims 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 abstract description 8
- 238000007405 data analysis Methods 0.000 abstract description 4
- 238000002955 isolation Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 239000003795 chemical substances by application Substances 0.000 description 7
- 238000003306 harvesting Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000036651 mood Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Telephonic Communication Services (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了语音会话监管方法、装置、计算机设备及存储介质，涉及用户画像分析技术领域，从多个维度充分的考虑第二用户的第二用户画像，以及充分的考虑第一用户的监管手段、监管的合规性、以及第一用户的第一用户画像，且合约监管装置还配合传统催收系统对催收全过程实时监管，定期生成案件报告，所有操作有迹可循。通过接入大数据分析模型，及时更新失联的第二用户信息，自动唤醒沉睡的第二用户为解决问题创造有利环境。同时在数据安全性方面，实现多级权限控制，数据隔离，入侵防护和加密保护。在人工智能赋能下，催收方式从劳动密集型转变为技术密集型，以大数据和人工智能为驱动，透明化、标准化整个催收过程，节约人力成本并避免合规风险。
Description
技术领域
本申请涉及用户画像分析技术领域，尤其涉及一种语音会话监管方法、装置、计算机设备及存储介质。
背景技术
在电话平台监管(例如金融)领域，监管部门的工作人员一般以电话短信轰炸、爆通讯录等暴力手段来向用户进行通知。但是每个工作人员的监管技巧和性格不同，而被监管用户的性格不同或者诚信度不同，所以，在实际人工监管过程中，通常发生暴力监管现象，随之带来的是高投诉率，监管不合规，甚至发生人身伤害事件，甚至影响金融机构形象。
可见，由于目前的信息监管仅能基于人工管理，人工录入，人工判断等，所以信息监管效率较低，针对性不强，无法真正做到有效的监管。
发明内容
本申请实施例提供了一种语音会话监管方法、装置、计算机设备及存储介质，旨在解决现有技术中电话平台的信息监管效率较低的问题。
第一方面，本申请实施例提供了一种语音会话监管方法，其包括：
获取第一用户的第一用户行为数据和第二用户的第二用户行为数据，基于所述第一用户行为数据生成第一用户画像，以及基于所述第二用户行为数据生成第二用户画像；
获取预设的案件因子样本，基于所述第一用户画像、所述第二用户画像、所述案件因子样本分别训练得到用户行为模型和合约监管模型；
获取预设的待办合约，根据所述待办合约中的案件因子、所述用户行为模型和所述合约监管模型，生成分案策略；
执行所述分案策略，创建对应的监管任务；
执行所述监管任务，与所述监管任务对应的目标终端建立通讯连接，向所述监管任务对应的目标终端发送第一语音；
从所述目标终端接收第二语音，根据所述第一语音和第二语音得到会话语音，
对所述会话语音进行情感分析和敏感词提取，得到情感分析结果和敏感词；
基于所述情感分析结果和所述敏感词对所述会话语音进行态度评估和投诉预警，得到评估报告；
对所述会话语音、所述监管任务、所述评估报告、所述情感分析结果和所述敏感词进行预处理，生成所述会话语音的监管报告。
第二方面，本申请实施例提供了一种合约监管装置，其包括：
案件信息模块，用于获取第一用户的第一用户行为数据和第二用户的第二用户行为数据，基于所述第一用户行为数据生成第一用户画像，以及基于所述第二用户行为数据生成第二用户画像；
分案模块，用于获取预设的案件因子样本，基于所述第一用户画像、所述第二用户画像、所述案件因子样本分别训练得到用户行为模型和合约监管模型；
案件分配模块，用于预设的待办合约，根据所述待办合约中的案件因子、所述用户行为模型和所述合约监管模型，生成分案策略；
决策引擎，用于从所述案件分配模块获取并执行所述分案策略；
外呼系统，用于在所述决策引擎执行所述分案策略后，创建对应的监管任务；执行所述监管任务，与所述监管任务对应的目标终端建立通讯连接，向所述监管任务对应的目标终端发送第一语音；
质检模块，用于从目标终端接收第二语音，根据第一语音和第二语音得到会话语音，对所述会话语音进行情感分析和敏感词提取，得到情感分析结果和敏感词；并基于情感分析结果和敏感词对所述会话语音进行态度评估和投诉预警，得到评估报告；
报表模块，用于对所述会话语音、所述监管任务、所述评估报告、所述情感分析结果和所述敏感词进行预处理，生成所述会话语音的监管报告。
第三方面，本申请实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的语音会话监管方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的语音会话监管方法。
本申请实施例提供了一种语音会话监管方法、装置、计算机设备及存储介质，从多个维度充分的考虑第二用户的个性特征(即第二用户画像)，以及充分的考虑第一用户的监管手段、监管的合规性、以及第一用户的个性特征(即第一用户画像)，且合约监管装置还配合传统监管系统对监管全过程实时监管，定期生成案件报告，所有操作有迹可循，有效保障公司利益。通过接入大数据分析模型，及时更新失联的第二用户的信息，自动唤醒沉睡的第二用户为解决问题创造有利环境。同时在数据安全性方面，实现多级权限控制，数据隔离，入侵防护和加密保护。在人工智能的赋能下，催收方式将逐渐从劳动密集型转变为技术密集型，以大数据和人工智能为驱动，越来越透明化、标准化整个催收过程，有效节约人力成本，并避免合规风险。
附图说明
为了更清楚地说明本申请实施例技术方案，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1a为本申请实施例提供的语音会话监管方法的应用场景示意图；
图1b为本申请实施例提供的合约监管装置的逻辑框架示意图；
图2为本申请实施例提供的语音会话监管方法的流程示意图；
图3为本申请实施例提供的合约监管装置的示意性框图；
图4为本申请实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1a-图2，图1a为本申请实施例提供的语音会话监管方法的一种应用场景示意图；图1b为本申请实施例提供的合约监管装置的一种逻辑框架示意图。
图1a中，展示了催收员、多个催收终端与服务器之间的通信连接示意图，催收终端侧为催收用户，业务终端侧为催收员。服务器为催收用户提供合约签订服务，催收员可基于服务器与催收用户进行通讯，以向催收用户提醒履行已签订的合约。
图1b中，合约监管装置包括作业交互层、网关层和业务层。其中，作业交互层包括外呼终端、质检坐席和后台管理。外呼终端可为虚拟的拨号软件。质检坐席为评估催收员执行监管任务时的行为。后台管理用于管理外呼终端和质检坐席，例如可对催收员增加、减少或信息变更等进行管理。业务层包括案件信息模块、分案模块、决策引擎、外呼系统、质检模块和报表模块。下面分别进行介绍：
案件信息模块，用于管理客户信息、联系信息、账户信息和还款计划。
分案模块，用于训练用户行为模型、数据模型、以及进行作业实验和执行策略因子。
决策引擎，用于配置规则、决策树和与外部对接(例如与外呼系统与外部的终端对接)。
外呼系统，用于自动巡航、与外部的终端进行人机对话，以及对与终端之间的对话进行语义解析，并在对话中对播报话术的机器人进行情绪管理。
质检模块，用于识别对话中的敏感词，控制对话中第一用户(即催收员或话务员)的合规性，以及在识别出对话中出现敏感词时，对第一用户进行实时告警。
报表模块，用于生成各第一用户的绩效报表的质检报表、展示第二用户(例如逾期用户)的逾期分布、以及生成第二用户的回款报表。
图2为本申请实施例提供的语音会话监管方法的流程示意图，该语音会话监管应用于服务器中，该方法通过安装于服务器中的应用软件进行执行。
如图2所示，该方法包括步骤S101-S109。
S101、获取第一用户的第一用户行为数据和第二用户的第二用户行为数据，基于第一用户行为数据生成第一用户画像，以及基于第二用户行为数据生成第二用户画像。
本申请中，第一用户是指签订合约的甲方的员工，可也称作催收员，本申请不对此作限定。第二用户是指签订合约的乙方，也可称作是催收对象，合约监管对象等，本申请不对此作限定。第一用户可为自然人或者智能机器人，本申请以第一用户为自然人为例。第二用户为自然人。
其中，第二用户行为数据包括第二用户的征信数据、历史贷款数据、历史还款数据、历史逾期数据、历史投诉数据、当前存在的未结算金融账单。第一第二用户行为数据还可包括第三方数据，以下分别介绍：
例如，第三方数据可包括第二用户在第三方平台的金融行为数据和搜索行为数据(例如第二用户a在至少一个电商平台的消费记录和信贷记录，或者第二用户a在至少一个终端上的搜索信息)。
第三方数据可包括第二用户自身在历史时段的债务数据、健康数据和医疗数据，例如，第二用户a在近3个月内的债务(包括与金融机构和亲朋好友之间的债务)，第二用户a在2个月内是否受伤或生病，第二用户a在6个月内是否住院治疗、疾病种类、治疗费用等。
第三方数据可包括第二用户的亲属在历史时段的债务数据、健康数据和医疗数据，例如，第二用户a在近3个月内的出借债务(包括与金融机构和亲朋好友之间的债务)，第二用户a的亲属在2个月内是否受伤或生病，第二用户a的亲属在6个月内是否住院治疗、疾病种类、治疗费用等。
第三方数据还可包括第二用户的活跃时段，例如，第二用户a通常的活跃时段为早上7点-8点，晚上10点-2点。第二用户的活跃时段可用于后期匹配第一目标用户以及进行催收，具体可参考后文中相关实施例。同理，第一用户行为数据可包括第一用户的活跃时段，例如，第一用户a通常的活跃时段为早上7点-17点，晚上10点-2点。第一用户的活跃时段可用于后期匹配第二目标用户以及进行催收。
用户画像(包括第一用户画像和第二用户画像)又称用户角色，作为一种勾画目标第二用户、联系第二用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待的数据转化联结起来。作为实际用户的虚拟代表，用户画像所形成的用户角色并不是脱离产品和市场之外所构建出来的，形成的用户角色需要有代表性能代表产品的主要受众和目标群体。例如，本申请的用户画像可为使用了金融产品的用户群体的用户画像。用户画像(包括第一用户画像和第二用户画像)可通过知识图谱实现。
例如，第一用户画像可包括第一用户的工号、性别、从业年限等信息，还可包括第一用户的投诉率、成功率和标签等级，具体本申请不作限定。
第二用户画像可包括第二用户的姓名、工作单位、职业、信用等级、当前账单信息、历史逾期记录、历史还款记录、个人金融账号、住址、联系方式(例如电话、即时通讯账号、网络账号等)、人际关系等信息。
其中，当前账单信息可包括当前的欠款金额、还款日期、剩余还款天数和逾期天数等信息。
一些实施方式中，可结合神经网络预测第二用户是否即将逾期、或者出现逾期。
需要说明的是，第一用户和第二用户均可为多个，本申请不对第一用户和第二用户的数目作限定。
S102、获取预设的案件因子样本，对所述多个案件因子进行抽象化，基于所述第一用户画像、所述第二用户画像、抽象化的案件因子分别训练用户行为模型和合约监管模型。
其中，案件因子样本来自至少一个合约的多个案件因子。
一些实施方式中，为了提高用户行为模型和合约监管模型的训练效果，还可以在获取案件因子样本后，对案件因子样本中的各案件因子进行抽象化，然后基于第一用户画像、第二用户画像、抽象化的案件因子分别训练用户行为模型和合约监管模型，即可得到训练好的或者更新后的用户行为模型和合约监管模型。
其中，案件因子是指影响案件(包括待监管、已监管的案件)的监管进度的因子，也可称作订单因子。例如案件因子可包括案件所在的地区、逾期时间、案件类型等案件因子。本申请中的监管可包括进行日期监控、进行通信提醒等。
用户行为模型是指对用户行为进行分析的模型，该用户行为模型可用于对第二用户与服务方签订合约以及合约履行行为进行分析，例如可以是指用第二于用户在申请信贷产品和对信贷产品的履约、违约等行为进行分析的模型。例如，该用户行为模型可用于预测第二用户按期还款的第一置信度、逾期还款的第二置信度。以及，该用户行为模型可用于对第一用户对合约的监管行为进行分析，例如该用户行为模型可用于预测第一用户按期催款成功的第三置信度、逾期催款成功的第四置信度。
合约监管模型是指用于基于第二用户在申请信贷产品和对信贷产品的履约、违约等行为，对各第二用户的催收方式、催收进度、催收时间、以及催收结果所创建的模型。例如，该合约监管模型可用于预测第二用户未按期还款时需采用的监管方式(例如催收方式)，或者预测第二用户可能不按期还款时需采用的监管方式(例如催收方式)。
S103、获取预设的待办合约，根据所述代办合约中的案件因子、所述用户行为模型和所述合约监管模型，生成分案策略。
其中，代办合约的个数为至少一个，本申请实施例以代办合约为多个时进行分案为例。
所述分案策略指示监管各目标合约的第一目标用户。
具体来说，可根据代办合约的不同地区、逾期时间、案件类型等案件因子，生成分案策略。例如，将代办合约按照地区、逾期时间和案件类型进行划分，以将在同一地区、逾期时间在同一逾期范围、且相同案件类型的代办合约分为同一组，然后基于所述用户行为模型预测同一组内的各代办合约对应的第二用户的违约行为和履约行为，将第二用户的违约行为和履约行为输入所述合约监管模型，基于所述合约监管模型生成分案策略。
其中，分案策略包括对多个待监管的案件的监管策略，每个待监管的案件均对应至少一种监管策略，例如，可包括对多个待催收的案件的催收策略，每个待催收的案件均对应至少一种催收策略。该最优分配策略为针对批量合约的监管策略，例如针对多个第二用户待还款的合约所生成的分案策略，以便于每个第二用户的合约都分配到适配的第一用户去处理。
本申请中，分案核心目的是资源的优化配置，即采用最合适的方式、最合适的人在最合适的时间，通过最合适的施压力度催收最合适的案子。通过执行分案策略，即可以触发最优分案策略中的多个案件的监管任务。
一些实施方式中，为了进一步提高监管效率，还可以对第一用户进行决策分配，具体来说，从已完成监管任务集合的已完成监管任务中提取借款信息以及第一用户的信息生成训练集，根据该训练集训练生成决策树模型，在接收到待分配监管任务后，根据该待分配监管任务以及以上决策树模型确定第二目标用户(例如目标催收员)，并将该待分配监管任务分配给第二目标用户，从而可实现将待分配监管任务分配给适合该待分配监管任务的第一用户，极大地提高监管效率(例如催收效率)，进而提高签订合约的甲方(例如提供信贷产品的企业)的效益。另一些实施方式中，也可以基于该决策树模型更新第一用户的第一用户画像，使得第一用户画像不断更新、更加全面的反映各第一用户的监管能力(例如各催收员的催收能力)。
一些实施方式中，还可以通过机器学习预测账单逾期的第二用户的回款概率，对于回款概率小于第一概率的第二用户，则根据基于第一用户画像和第二用户画像，将不同类型的第二用户的回款监管任务匹配至对应的第一用户。对于回款概率大于第二概率的第二用户，通过短信或智能外呼机器人进行催收。其中，第一概率小于第二概率。
S104、执行分案策略，创建对应的监管任务。
具体来说，通过执行分案策略即可触发分案策略中的多个目标合约的监管任务，生成与各监管任务对应的外呼指令。
具体来说，该S104可基于决策树的规则引擎实现，可批量执行多个案件的监管任务(例如电话监管任务)。规则引擎还支持灵活的语音呼叫策略配置，对案件的监管任务的执行过程进行监测，并深度整合云端呼叫中心。其中，可采用决策树算法将多个案件的分案策略作为决策树模型的输入，监管任务作为决策树模型的输出，来构建决策树模型。
其中，监管任务是指用于指示第一目标用户向第二目标用户进行提醒执行合约的信息，例如指示催收员向催收对象进行催收的详细信息。监管任务包含合约约定的借款信息以及第一用户信息，借款信息包括第一用户信息、第二用户信息、借款数额以及逾期天数、催收策略、催收时间等信息。第二用户信息包括第二用户的性别、年龄、年收入以及联系方式等个人信息。第一用户信息包括第一用户的工号、性别、从业年限等信息，还可包括第一用户的投诉率、成功率和标签等级。
一些实施方式中，所述执行所述监管任务，与所述监管任务对应的目标终端建立通讯连接，向所述监管任务对应的目标终端发送第一语音，包括：
根据所述监管任务，确定对应的外呼终端、会话信息、会话等级以及接终端；
分别将监管任务中的监管内容转换为对应的第一语音；
按照所述会话等级，建立所述外呼终端与所述目标终端的通信连接，向所述目标终端发送所述第一语音。
例如，以第二目标用户a申请了公司a的金融产品a为例，第二目标用户a与公司a之间签订了合约，通过分析该合约，确定合约还剩7天逾期。因此，生成一个外呼指令a，该外呼指令a包括第二目标用户a的姓名李某、该第二目标用户a的手机号134XXXX3456、监管内容(截至最后还款期限2020年12月20日还剩7天，剩余未还款30003元)、以及第二目标用户a的监管等级为3级。将监管内容“截至最后还款期限2020年12月20日还剩7天，剩余未还款30003元”转换为第一语音a。然后按照3级，将第一语音a、李某、134XXXX3456生成一个催收任务a。可见，通过自动生成针对第二目标用户a的催收任务a，能够简化人工操作，以及为自动外呼提供正确的依据。
S105、执行所述监管任务，以与所述监管任务对应的目标终端建立通讯连接，向目标终端发送第一语音。
具体来说，执行监管任务后，第一目标用户即可自动拨打第二目标用户的通讯工具；当与第二目标用户的目标终端建立通讯连接后，向目标终端发送与第二目标用户对应的第一语音。
其中，目标终端可为通讯卡所在的终端，通讯应用app所在的终端。该通讯app可报考即时通讯app、邮箱客户端、登陆邮箱地址的终端等。例如，外呼系统可将语音通过网络发送至即时通讯app或者发送至目标用户第二用户绑定的邮箱。具体发送途径本申请不作限定。
本申请中，无需人工介入，自动高效低成本巡航外呼。依据联系人最优策略，实现预测式外呼，自动创建监管任务，最大化催收坐席效率。智能外呼需要实现语音合成、语义识别、人机对话、情绪管理等对话全流程管理，有效节省外呼坐席的人力成本。
一些实施方式中，所述第二用户有多个，所述第二用户行为数据包括第二用户的第一活跃时段。为提高拨通第二目标用户的成功率，还可以基于第一目标用户的第一活跃时段分别对各第二目标用户进行监管排序(例如进行催收排序)，并在对应各第二目标用户的第一活跃时段内向目标终端发送第一语音。另一些实施方式中，也可以基于各第二用户(例如催收员)的第二活跃时段分别对各第二用户进行监管任务分配，将第一活跃时段与第二活跃时段匹配的第一目标用户分配到处于第二活跃时段的第一目标用户(例如目标催收员)。可见，基于大数据将不同类型的用户的催收任务匹配至对应的催收员，能够解决场景多元化情况下，针对回款概率低的用户，账单逾期催收用户还款概率低的问题，达到提高账单催收回款率的效果。
S106、从目标终端接收第二语音，根据第一语音和第二语音得到会话语音，对会话语音进行情感分析和敏感词提取，得到情感分析结果和敏感词。
其中，第二语音可来自第二目标用户本人，也可来自使用目标终端进行会话的其他用户，本申请实施例不对此作限定。
具体来说，就是将每次外呼的催收通话进行录音，然后对催收通话录音进行情感分析以及识别通话中是否出现敏感词，一次来监督第一目标用户是否正常进行监管(例如催收)。
一些实施方式中，为减少工作量，还可以对海量的会话语音进行抽检，具体来说，可根据会话语音的播放时长，从海量的会话语音中选择播放时长高于第一预设时长的第一类语音，以及确定播放时长小于第二预设时长的第二类语音。其中，第一预设时长大于第二预设时长，例如，第一预设时长为2min，第二预设时长为20s。
其中，第一类语音为可能出现沟通异常的语音，例如，出现第一目标用户与第二目标用户发生争执、互相或单向谩骂等情形。第二类语音为符合虚假沟通条件(例如可能出现虚假沟通)的语音，例如，催收员拨通第二目标用户的电话后，按照监管任务中的第一语音来正常播放的话，催收员与目标用户的通话时长应该至少大于等于第一语音对应的预设播放时长。若通过分析，确定第二类语音的播放时长小于预设播放时长，则可将该第二类语音归类到虚假沟通的类别。
一些实施方式中，为公平起见，还可进一步分析该第二类语音的实际播放内容、情感、敏感词，将实际播放内容与催收内容中的关键内容进行相似度比较，若实际播放内容与关键内容的匹配度高于第一匹配度，则可确定第二类语音对应的催收会话为一次有效会话，且不符合虚假沟通条件。若实际播放内容与关键内容的匹配度低于第二匹配度，则可确定第二类语音对应的催收会话为一次无效会话，且符合虚假沟通条件。可见，通过进一步分析，能够筛选出一部分实际上的有效会话，以免误判冤枉催收员。
S107、基于情感分析结果和敏感词对会话语音进行态度评估和投诉预警，得到评估报告。
该S108可基于人工智能AI实现。AI通过对外呼的催收会话进行实时监管，由此可见，相较于现有技术中目前大多数质检都是以人工抽查第一目标用户录音的方式来完成，这种方式不仅耗费大量人力，而且有着明显的滞后性，且难以达到真正的全覆盖，本申请能够实时捕捉第一目标用户的情感、态度、不合规话术、敏感词等，实时进行监管预警及评价，避免滞后性，有效减少第二用户投诉。
一些实施方式，为减少投诉现象，还可以实时监管第一目标用户与第二目标用户之间的语音交互，对语音交互进行实时情感分析、上下文检测和敏感词检测。下面分别介绍：
a、当检测到第二目标用户的情绪满足第一级别的情感预警时，生成第一提示信息，该第一提示信息用于提示第一目标用户所述第二目标用户的情绪。通过这种及时提示，可以使得催收员及时的改变会话语气或会话方式，避免进一步激化目标用户的情绪，以至于场面失控。
b、当检测到第二目标用户的语音中存在与预设敏感词匹配的词语时，生成第二提示信息，该第二提示信息用于提示第一目标用户第二目标用户的情绪。通过这种及时提示，可以使得第一目标用户及时的改变会话语气或会话方式，避免进一步激化第二目标用户的情绪，以至于场面失控。
c、当检测到第一目标用户的情绪满足第一级别的情感预警时，生成第三提示信息，该第三提示信息用于提示第一目标用户自身当前的情绪。通过这种及时提示，可以使得第一目标用户及时的改变会话语气或会话方式，避免进一步激化第一目标用户的情绪，以至于场面失控。
d、当检测到第一目标用户的语音中存在与预设敏感词匹配的词语时，生成第四提示信息，该第四提示信息用于提示第一目标用户自身当前的情绪。通过这种及时提示，可以使得第一目标用户及时的改变会话语气或会话方式，避免进一步激化第二目标用户的情绪，以至于场面失控。
e、分析第一目标用户或第二目标用户的会话语音中的上下文，基于上下文预测第一目标用户或第二目标用户在接下来的时间可能会说出敏感词，那么，当检测到第一目标用户的语音中存在与预设敏感词匹配的词语时，生成第五提示信息，该第五提示信息用于提示第一目标用户当前的会话氛围。通过这种及时提示，可以使得第一目标用户及时的改变会话语气或会话方式，避免进一步激化第二目标用户的情绪，以至于场面失控。
本申请中，第一提示信息、第二提示信息、第三提示信息、第四提示信息和第五提示信息均可通过短信、内部通讯工具等发送后台提示信息，也可以直接在第一目标用户的终端上实时显示，例如弹框显示、闪屏显示、颜色突变、动画显示等方式，保证第一目标用户能够及时知道且不被第一目标用户察觉。本申请不对第一提示信息、第二提示信息、第三提示信息和第四提示信息的显示方式作限定。
一些实施方式中，在提示第一目标用户的同时，还可以发送至该第一目标用户的领导或者投诉率低于预设投诉率的第一目标用户(例如目标催收员)，以便于该第一目标用户的领导或者目标催收员能够及时的将会话切换到自己处理或者及时的引导该第一目标用户的会话语气或会话方式。
本申请中，还可以基于每个第一用户在历史时段内的催收结果计算第一用户的催收成绩，例如催收成绩可包括投诉率和成功率，对结合各第一用户的投诉率和成功率分别为各第一用户设置一个对应的标签，并根据第一用户的标签对各第一用户进行分组和排序，便于后续当某个第一目标用户即将或已经出现会话异常时，快速的确定新的第一目标用户，以减少矛盾激化现象。
具体来说，可以按照第一用户的标签等级、符合目标催收员条件的第一用户的忙碌状态综合选择第一目标用户(即目标催收员)，目标催收员条件可基于第一用户画像确定。例如，标签等级为1的催收员a即将或已经出现会话异常时，从标签等级高于1的催收员中确定空闲状态的多个候选催收员b，若标签等级为2的候选催收员b当前为忙碌状态，则可按照标签等级从低至高的顺序选择标签等级为3且为空闲状态的催收员为目标催收员；或者，若标签等级为2的候选催收员b当前为忙碌状态，则可从标签等级从低至高的顺序选择标签等级为3且为空闲状态的催收员中任选一个作为目标催收员；或者，若标签等级为2的候选催收员b当前为空闲状态，则选择标签等级为2的催收员为目标催收员。本申请不对次作限定。
S108、对会话语音、监管任务、评估报告、情感分析结果和敏感词进行预处理，生成所述会话语音的监管报告。
本申请实施例中，S108可由报表模块实现，报表模块可为基于大数据基础的AI报表系统，相较于现有技术中生成监管报告需要耗费大量人力，本申请基于大数据基础的AI报表系统即可实现强可视化的“智能报表”，多维度图形化统计报表，为分案规律、催收策略、催收回款、催收效率等分析提供精确数据。支持从决策层、中低层管理人员、催收员等不同角度生成监管报告进行展示。例如：不同逾期阶段催回率及成本、首次逾率趋势等报表满足决策层的获知要求，生成差异化的坐席通话时长、投诉情况、汇款情况、催回情况等信息满足底层管理人员的需求。
本申请实施例中，从多个维度充分的考虑第二用户(即催收对象)的个性特征(即第二用户画像)，以及充分的考虑第一用户(即催收员)的催收手段、催收的合规性、以及催收员的个性特征(即第二用户画像)，且合约监管装置还配合传统催收系统对催收全过程实时监管，定期生成案件报告，所有操作有迹可循，有效保障公司利益。通过接入大数据分析模型，及时更新失联的第二用户的信息，自动唤醒沉睡的第二用户为解决问题创造有利环境。同时在数据安全性方面，实现多级权限控制，数据隔离，入侵防护和加密保护。在人工智能的赋能下，催收方式将逐渐从劳动密集型转变为技术密集型，以大数据和人工智能为驱动，越来越透明化、标准化整个催收过程，有效节约人力成本，并避免合规风险。
本申请实施例还提供一种合约监管装置，该合约监管装置用于执行前述语音会话监管方法的任一实施例。具体地，请参阅图3，图3是本申请实施例提供的合约监管装置的示意性框图。该合约监管装置30可以配置于服务器或终端中。
如图3所示，合约监管装置30包括：
案件信息模块301，用于获取第一用户的第一用户行为数据和第二用户的第二用户行为数据，基于所述第一用户行为数据生成第一用户画像，以及基于所述第二用户行为数据生成第二用户画像；
分案模块302，用于获取预设的案件因子样本，基于所述第一用户画像、所述第二用户画像、所述案件因子样本分别训练得到用户行为模型和合约监管模型；
案件分配模块303，用于预设的待办合约，根据所述待办合约中的案件因子、所述用户行为模型和所述合约监管模型，生成分案策略；
决策引擎304，用于从所述案件分配模块303获取并执行所述分案策略；
外呼系统305，用于在所述决策引擎304执行所述分案策略后，创建对应的监管任务；执行所述监管任务，与所述监管任务对应的目标终端建立通讯连接，向所述监管任务对应的目标终端发送第一语音；
质检模块306，用于从目标终端接收第二语音，根据第一语音和第二语音得到会话语音，对所述会话语音进行情感分析和敏感词提取，得到情感分析结果和敏感词；并基于情感分析结果和敏感词对所述会话语音进行态度评估和投诉预警，得到评估报告；
报表模块307，用于对所述会话语音、所述监管任务、所述评估报告、所述情感分析结果和所述敏感词进行预处理，生成所述会话语音的监管报告。
一些实施例中，所述外呼系统305具体用于：
根据所述监管任务，确定对应的外呼终端、会话信息、会话等级以及接终端；
分别将监管任务中的监管内容转换为对应的第一语音；
按照所述会话等级，建立所述外呼终端与所述目标终端的通信连接，向所述目标终端发送所述第一语音。
一些实施例中，所述质检模块306根据第一语音和第二语音得到会话语音之后，还用于：
根据会话语音的播放时长，从会话语音中选择播放时长高于第一预设时长的第一类语音，以及确定播放时长小于第二预设时长的第二类语音；其中，所述第一类语音为符合预设沟通异常条件的语音，所述第二类语音为符合虚假沟通条件的语音；
若确定所述第二类语音的播放时长小于预设播放时长，则可将该第二类语音归类到虚假沟通的类别。
一些实施例中，所述第二用户有多个，所述外呼系统305在分别创建对应的监管任务之后，还用于：
基于第二用户的第一活跃时段分别对各第二用户进行监管排序；
在对应各第二用户的第一活跃时段内向各第二用户对应的目标终端发送所述第一语音。
一些实施例中，所述决策引擎304还用于：
基于第一用户的第二活跃时段分别对各第一用户进行监管任务分配；
将所述第一活跃时段与所述第二活跃时段匹配的第二目标用户分配到处于所述第二活跃时段的第一目标用户。
一些实施例中，所述质检模块306还用于执行以下操作中的至少一项操作：
当检测到第二目标用户的情绪满足第一级别的情感预警时，生成第一提示信息，所述第一提示信息用于提示第一目标用户第二目标用户的情绪；
当检测到第二目标用户的语音中存在与预设敏感词匹配的词语时，生成第二提示信息，所述第二提示信息用于提示第一目标用户第二目标用户的情绪；
当检测到第一目标用户的情绪满足第一级别的情感预警时，生成第三提示信息，该第三提示信息用于提示第一目标用户自身当前的情绪；
当检测到第一目标用户的语音中存在与预设敏感词匹配的词语时，生成第四提示信息，所述第四提示信息用于提示第一目标用户自身当前的情绪；
或者，分析第一目标用户或第二目标用户的会话语音中的上下文，基于上下文预测第一目标用户或第二目标用户在预设时长内说出的敏感词，当检测到第一目标用户的语音中存在与预设敏感词匹配的词语时，生成第五提示信息，所述第五提示信息用于提示第一目标用户当前的会话氛围。
一些实施例中，所述决策引擎304还用于：
从已完成监管任务集合的已完成监管任务中提取借款信息以及第一用户信息；
根据所述借款信息以及所述第一用户信息生成训练集；
根据所述训练集训练生成决策树模型；
在接收到待分配监管任务后，根据所述待分配监管任务以及所述决策树模型确定目标第一用户；
将所述待分配监管任务分配给所述目标第一用户。
一些实施例中，所述智能外呼系统305还用于：
通过所述用户行为模型预测合约逾期的第二用户的回款概率；
对于回款概率小于第一概率的第二用户，则根据基于第一用户画像和第二用户画像，将不同类型的第二用户的监管任务匹配至对应的第一用户；
对于回款概率大于第二概率的第二用户，则通过短信或外呼机器行提醒，所述第一概率小于所述第二概率。
本申请实施例中，该合约监管装置30配合传统催收系统，可实现催收全过程实时监管，定期生成监管报告，所有操作有迹可循，有效保障公司利益。通过接入大数据分析模型，及时更新失联用户的信息，自动唤醒沉睡客户为解决问题创造有利环境。同时在数据安全性方面，实现多级权限控制，数据隔离，入侵防护，加密保护。在人工智能的赋能下，催收方式将逐渐从劳动密集型转变为技术密集型，以大数据和人工智能为驱动，越来越透明化、标准化整个催收过程，有效节约人力成本，并避免合规风险。
上述合约监管装置可以实现为计算机程序的形式，该计算机程序可以在如图4所示的计算机设备上运行。
请参阅图4，图4是本申请实施例提供的计算机设备的示意性框图。该计算机设备400是服务器，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
参阅图4，该计算机设备400包括通过系统总线401连接的处理器402、存储器和网络接口405，其中，存储器可以包括存储介质403和内存储器404。
该存储介质403可存储操作系统4031和计算机程序4032。该计算机程序4032被执行时，可使得处理器402执行语音会话监管方法。
该处理器402用于提供计算和控制能力，支撑整个计算机设备400的运行。
该内存储器404为存储介质403中的计算机程序4032的运行提供环境，该计算机程序4032被处理器402执行时，可使得处理器402执行语音会话监管方法。
该网络接口405用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备400的限定，具体的计算机设备400可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器402用于运行存储在存储器中的计算机程序4032，以实现本申请实施例公开的语音会话监管方法。
本领域技术人员可以理解，图4中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图4所示实施例一致，在此不再赘述。
应当理解，在本申请实施例中，处理器402可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器402还可以是其他通用处理器、数字处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本申请的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质，也可以为易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现本申请实施例公开的语音会话监管方法。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种语音会话监管方法，其特征在于，所述方法包括：
获取第一用户的第一用户行为数据和第二用户的第二用户行为数据，基于所述第一用户行为数据生成第一用户画像，以及基于所述第二用户行为数据生成第二用户画像；
获取预设的案件因子样本，基于所述第一用户画像、所述第二用户画像、所述案件因子样本训练得到用户行为模型，且基于所述第一用户画像、所述第二用户画像、所述案件因子样本训练得到合约监管模型；
获取预设的待办合约，根据所述待办合约中的案件因子、所述用户行为模型和所述合约监管模型，生成分案策略；
执行所述分案策略，创建对应的监管任务；
执行所述监管任务，与所述监管任务对应的目标终端建立通讯连接，向所述监管任务对应的目标终端发送第一语音；
从所述目标终端接收第二语音，根据所述第一语音和第二语音得到会话语音，对所述会话语音进行情感分析和敏感词提取，得到情感分析结果和敏感词；
基于所述情感分析结果和所述敏感词对所述会话语音进行态度评估和投诉预警，得到评估报告；
对所述会话语音、所述监管任务、所述评估报告、所述情感分析结果和所述敏感词进行预处理，生成所述会话语音的监管报告；
所述第一用户是指签订合约的催收员；所述第二用户是指签订合约的催收对象。
2.根据权利要求1所述的方法，其特征在于，所述执行所述监管任务，与所述监管任务对应的目标终端建立通讯连接，向所述监管任务对应的目标终端发送第一语音，包括：
根据所述监管任务，确定对应的外呼终端、会话信息、会话等级以及接终端；
分别将监管任务中的监管内容转换为对应的第一语音；
按照所述会话等级，建立所述外呼终端与所述目标终端的通信连接，向所述目标终端发送所述第一语音。
3.根据权利要求2所述的方法，其特征在于，所述根据第一语音和第二语音得到会话语音之后，所述方法还包括：
根据所述会话语音的播放时长，从所述会话语音中选择播放时长高于第一预设时长的第一类语音，以及确定播放时长小于第二预设时长的第二类语音；其中，所述第一类语音为符合预设沟通异常条件的语音，所述第二类语音为符合虚假沟通条件的语音；
若确定所述第二类语音的播放时长小于预设播放时长，则将该第二类语音归类到虚假沟通的类别。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述第二用户有多个，所述第二用户行为数据包括第二用户的第一活跃时段；所述创建对应的监管任务之后，所述方法还包括：
基于各第二用户的第一活跃时段分别对各第二用户进行监管排序；
在对应各第二用户的第一活跃时段内向各第二用户对应的目标终端发送所述第一语音。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括以下项中的至少一项：
当检测到第二目标用户的情绪满足第一级别的情感预警时，生成第一提示信息，所述第一提示信息用于提示第一目标用户所述第二目标用户的情绪；
当检测到第二目标用户的语音中存在与预设敏感词匹配的词语时，生成第二提示信息，所述第二提示信息用于提示第一目标用户所述第二目标用户的情绪；
当检测到所述第一目标用户的情绪满足第一级别的情感预警时，生成第三提示信息，该第三提示信息用于提示所述第一目标用户自身当前的情绪；
当检测到所述第一目标用户的语音中存在与预设敏感词匹配的词语时，生成第四提示信息，所述第四提示信息用于提示所述第一目标用户自身当前的情绪；
或者，分析所述第一目标用户或所述第二目标用户的会话语音中的上下文，基于上下文预测所述第一目标用户或所述第二用户在预设时长内说出的敏感词，当检测到所述第一目标用户的语音中存在与预设敏感词匹配的词语时，生成第五提示信息，所述第五提示信息用于提示所述第一目标用户当前的会话氛围。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
从已完成监管任务集合的已完成监管任务中提取借款信息以及第一用户信息；
根据所述借款信息以及所述第一用户信息生成训练集；
根据所述训练集训练生成决策树模型；
在接收到待分配监管任务后，根据所述待分配监管任务以及所述决策树模型确定第二目标用户；
将所述待分配监管任务分配给所述第二目标用户。
7.根据权利要求6所述的方法，其特征在于，所述根据所述待办合约中的案件因子、所述用户行为模型和所述合约监管模型，生成分案策略，包括：
通过所述用户行为模型预测合约逾期的第二用户的回款概率；
对于回款概率小于第一概率的第二用户，则根据基于所述第一用户画像和所述第二用户画像，将不同类型的第二用户的监管任务匹配至对应的第一用户；
对于回款概率大于第二概率的第二用户，则通过短信或外呼机器人进行提醒，所述第一概率小于所述第二概率。
8.一种合约监管装置，其特征在于，包括：
案件信息模块，用于获取第一用户的第一用户行为数据和第二用户的第二用户行为数据，基于所述第一用户行为数据生成第一用户画像，以及基于所述第二用户行为数据生成第二用户画像；
分案模块，用于获取预设的案件因子样本，基于所述第一用户画像、所述第二用户画像、所述案件因子样本训练得到用户行为模型，且基于所述第一用户画像、所述第二用户画像、所述案件因子样本训练得到合约监管模型；
案件分配模块，用于预设的待办合约，根据所述待办合约中的案件因子、所述用户行为模型和所述合约监管模型，生成分案策略；
决策引擎，用于从所述案件分配模块获取并执行所述分案策略；
外呼系统，用于在所述决策引擎执行所述分案策略后，创建对应的监管任务；执行所述监管任务，与所述监管任务对应的目标终端建立通讯连接，向所述监管任务对应的目标终端发送第一语音；
质检模块，用于从目标终端接收第二语音，根据第一语音和第二语音得到会话语音，对所述会话语音进行情感分析和敏感词提取，得到情感分析结果和敏感词；并基于情感分析结果和敏感词对所述会话语音进行态度评估和投诉预警，得到评估报告；
报表模块，用于对所述会话语音、所述监管任务、所述评估报告、所述情感分析结果和所述敏感词进行预处理，生成所述会话语音的监管报告；
所述第一用户是指签订合约的催收员；所述第二用户是指签订合约的催收对象。
9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的语音会话监管方法。
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存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的语音会话监管方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110601760.8A CN113343058B (zh) | 2021-05-31 | 2021-05-31 | 语音会话监管方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110601760.8A CN113343058B (zh) | 2021-05-31 | 2021-05-31 | 语音会话监管方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113343058A CN113343058A (zh) | 2021-09-03 |
| CN113343058B true CN113343058B (zh) | 2024-02-27 |
Family
ID=77472964
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110601760.8A Active CN113343058B (zh) | 2021-05-31 | 2021-05-31 | 语音会话监管方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113343058B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114512144B (zh) * | 2022-01-28 | 2024-05-17 | 中国人民公安大学 | 一种识别恶意语音信息的方法、装置、介质和设备 |
| CN114554015A (zh) * | 2022-02-25 | 2022-05-27 | 马上消费金融股份有限公司 | 呼叫中心系统和通讯建立方法 |
| CN115564422A (zh) * | 2022-10-21 | 2023-01-03 | 苏州贝瑞斯曼信息科技有限公司 | 一种账单分期业务的自动对接管理方法及系统 |
| CN116822496B (zh) * | 2023-06-02 | 2024-04-19 | 厦门她趣信息技术有限公司 | 一种社交信息违规检测方法、系统及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109670166A (zh) * | 2018-09-26 | 2019-04-23 | 平安科技（深圳）有限公司 | 基于语音识别的催收辅助方法、装置、设备和存储介质 |
| WO2020024389A1 (zh) * | 2018-08-02 | 2020-02-06 | 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 |
| CN110782341A (zh) * | 2019-10-25 | 2020-02-11 | 深圳前海微众银行股份有限公司 | 业务催收方法、装置、设备及介质 |
-
2021
- 2021-05-31 CN CN202110601760.8A patent/CN113343058B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020024389A1 (zh) * | 2018-08-02 | 2020-02-06 | 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 |
| CN109670166A (zh) * | 2018-09-26 | 2019-04-23 | 平安科技（深圳）有限公司 | 基于语音识别的催收辅助方法、装置、设备和存储介质 |
| CN110782341A (zh) * | 2019-10-25 | 2020-02-11 | 深圳前海微众银行股份有限公司 | 业务催收方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113343058A (zh) | 2021-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113343058B (zh) | 语音会话监管方法、装置、计算机设备及存储介质 | |
| CN109618068B (zh) | 一种基于人工智能的语音业务推送方法、装置与系统 | |
| US10706475B2 (en) | System and method for rules driven data record reduction | |
| US10599670B2 (en) | Performance estimation system utilizing a data analytics predictive model | |
| US20170068976A1 (en) | System using automatically triggered analytics for feedback data | |
| US20090292583A1 (en) | Method and apparatus for predicting customer churn | |
| US11336771B2 (en) | Method and system for accurate automatic call tracking and analysis | |
| CN108694590A (zh) | 用于欺诈监控的基于上下文敏感规则的警报 | |
| CN109617781B (zh) | 即时通讯消息监控方法、装置、计算机设备和存储介质 | |
| US10069758B2 (en) | Processing system responsive to analysis filter criteria | |
| US10706474B2 (en) | Supplemental review process determination utilizing advanced analytics decision making model | |
| US11699113B1 (en) | Systems and methods for digital analysis, test, and improvement of customer experience | |
| US10171671B1 (en) | Customer service call routing and/or scheduling system and method | |
| US20230315752A1 (en) | Automated dynamic content scheduler | |
| US11335351B2 (en) | Cognitive automation-based engine BOT for processing audio and taking actions in response thereto | |
| EP4016355B1 (en) | Anonymized sensitive data analysis | |
| US20100010846A1 (en) | Systems and methods for evaluating business-critical criteria relating to exploring entity mobility/productivity opportunities | |
| US20170270611A1 (en) | Processing system to automatically assign electronic records to verification process subset levels | |
| US9832316B1 (en) | Customer service model-based call routing and/or scheduling system and method | |
| CN110706122A (zh) | 基于大数据分析提升社保代理效率方法、设备及可读介质 | |
| US20240028981A1 (en) | System and method for automated resource request evaluations | |
| CN116257803A (zh) | 用户状态的检测方法及装置、电子设备、存储介质 | |
| DOSUNMU et al. | A knowledge-based expert system for campus helpdesk request processing | |
| CN117952625A (zh) | 交易协助方法、装置、电子设备和介质 | |
| CN115619044A (zh) | 来电风险的预判方法、装置、设备和介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240123 Address after: Room 608, Block A, Building 1, Zhongke Innovation Plaza, No. 1555 Greenland Avenue, Huaqiao Town, Kunshan City, Suzhou City, Jiangsu Province, 215300 Applicant after: Jingtao Information Technology (Kunshan) Co.,Ltd. Country or region after: China Address before: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Applicant before: PING AN PUHUI ENTERPRISE MANAGEMENT Co.,Ltd. Country or region before: China |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |