基于人工智能的处理催收业务的方法和装置与流程

本公开内容属于信息技术领域，尤其涉及一种基于人工智能的处理催收业务的方法、装置以及一种相应的计算机可读存储介质。

背景技术：

传统的催收行业是劳动密集型的行业，受限于时间、地点、天气等多方面因素，处理催收业务消耗的时间成本和人力成本较大，机构(例如，互联网金融公司)出于控制成本的目的，多以对话(例如，语音、邮件、短信等)催收为主。随着大数据和人工智能(ai，artificialintelligence)技术的发展，催收行业开始向技巧型和智能化发展。例如，有的机构可以通过采用机器语音或者智能客服来取代人工坐席。

技术实现要素：

本公开内容的实施例提供了一种基于人工智能的处理催收业务的方法、装置和相应的计算机可读存储介质，使得能够针对催收业务通过用户画像和员工画像的匹配来为不同的用户提供定制化的服务方式，从而提高催收效率、催收效果和用户体验。

为此，本公开内容的实施例的第一方面提出了一种基于人工智能的处理催收业务的方法，所述方法包括：

a.基于多个用户的用户基本信息和用户行为信息分别生成多个用户画像；

b.基于多个员工的员工基本信息和员工行为信息分别生成多个员工画像；

c.基于所述多个用户画像和所述多个员工画像，确定所述多个用户和所述多个员工之间的匹配关系；以及

d.针对所述催收业务，基于所述匹配关系确定所述多个员工中对所述多个用户中的特定用户进行服务的特定员工。

本公开内容的实施例的第二方面提出了一种基于人工智能的处理催收业务的装置，所述装置包括：

处理器；以及

存储器，其用于存储指令，当所述指令被执行时使得所述处理器执行以下操作：

a.基于多个用户的用户基本信息和用户行为信息分别生成多个用户画像；

b.基于多个员工的员工基本信息和员工行为信息分别生成多个员工画像；

c.基于所述多个用户画像和所述多个员工画像，确定所述多个用户和所述多个员工之间的匹配关系；以及

d.针对所述催收业务，基于所述匹配关系确定所述多个员工中对所述多个用户中的特定用户进行服务的特定员工。

本公开内容的实施例的第三方面提出了一种计算机可读存储介质，包括计算机可执行指令，所述计算机可执行指令在装置中运行时使得所述装置执行根据本公开内容的实施例的第一方面所述的基于人工智能的处理催收业务的方法。

依据本公开内容的实施例的基于人工智能的处理催收业务的方法、装置以及相对应的计算机可读存储介质使得能够针对催收业务通过用户画像和员工画像的匹配来为不同的用户提供定制化的服务方式，从而提高催收效率、催收效果和用户体验，节省服务时间和降低服务成本，并且更精准地和个性化地向用户提供服务。本公开内容的其他优势将在下文中进一步说明。

附图说明

结合附图并参考以下详细说明，本公开内容的各实施例的特征、优点及其他方面将变得更加明显，在此以示例性而非限制性的方式示出了本公开内容的若干实施例，在附图中：

图1示出了本公开内容的实施例可以应用于其中的基于人工智能的处理催收业务的示例性环境100的示意架构图；

图2示出了根据本公开内容的实施例的基于人工智能的处理催收业务的方法200的流程图。

图3示出了根据本公开内容的实施例的基于人工智能的处理催收业务的装置300的示意图。

具体实施方式

以下参考附图详细描述本公开内容的各个示例性实施例。附图中的流程图和框图示出了根据本公开内容的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意，流程图或框图中的每一个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意，在有些作为备选的实现中，方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，或者它们有时也可以按照相反的顺序执行，这取决于所涉及的功能。同样应当注意的是，流程图和/或框图中的每一个方框、以及流程图和/或框图中的方框的组合，可以使用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以使用专用硬件与计算机指令的组合来实现。

本文所使用的术语“包括”、“包含”及类似术语是开放性的术语，即“包括/包含但不限于”，表示还可以包括其他内容。术语“基于”是“至少部分地基于"。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”等等。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当视为说明书的一部分。对于附图中的各单元之间的连线，仅仅是为了便于说明，其表示至少连线两端的单元是相互通信的，并非旨在限制未连线的单元之间无法通信。

为了便于描述，下面对本公开内容中出现的一些术语进行说明，应当理解，本公开内容中所使用的术语应解释为具有与其在本说明书的上下文及有关领域中的意义一致的意义。

本公开内容中的术语“用户”是指为满足生产、生活消费而需要购买和使用机构提供的产品或是接受机构提供的服务的客户群体。

本公开内容中的术语“员工”是指机构中用于向用户提供服务(例如，与用户进行交互式对话等)的群体。

本公开内容中的术语“用户画像”是指用于刻画用户特征的标签集合，诸如用户的年龄、性别、地域、所在城市、星座、学历、家庭结构、婚姻状况、兴趣爱好、性格、收入、消费能力、偿还习惯、偿还能力、偿还意愿、通话习惯、所属购买群体等。

本公开内容中的术语“用户基本信息”可以包括但不限于用户的年龄、性别、地域、所在城市、星座、学历、家庭结构、婚姻状况、兴趣爱好、收入等。

本公开内容中的术语“用户行为信息”可以包括但不限于消费信息、借贷信息、偿还信息(例如，偿还时间等)、通话信息(例如，通话时长、通话时间段、通话接通率、通话语速、语气和语态等)等。

本公开内容中的术语“员工画像”是指用于刻画员工特征的标签集合，例如员工的年龄、性别、地域、所在城市、星座、学历、家庭结构、婚姻状况、兴趣爱好、工作年限、性格、催收能力、职业素养、通话习惯等。

本公开内容中的术语“员工基本信息”可以包括但不限于用户的年龄、性别、地域、所在城市、星座、学历、家庭结构、婚姻状况、兴趣爱好、工作年限等。

本公开内容中的术语“员工行为信息”可以包括但不限于通话信息(例如，通话时长、通话时间段、通话接通率、通话语速、语气和语态等)等。

本公开内容中的术语“产品画像”是指用于刻画产品的特征的标签集合，例如产品在开发设计时面向的购买群体、产品在实际销售时面向的购买群体等。

本公开内容中的术语“第一”、“第二”仅用于描述指代、目的或某具体事物，而不能理解为指示或暗示相对重要性，或者隐含指明所指示的技术特征的数量。

本公开内容中的术语“多个”是指两个或两个以上。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当视为说明书的一部分。对于附图中的各单元之间的连线，仅仅是为了便于说明，其表示至少连线两端的单元是相互通信的，并非旨在限制未连线的单元之间无法通信。

随着大数据和人工智能技术的发展，催收行业开始向技巧型和智能化发展。例如，有的机构可以通过采用机器语音或者智能客服来取代人工坐席为用户进行服务。然而，这种方式仅考虑了通过用户画像来生成智能化催收方案，虽然在一定程度上提高了催收效率，但是存在忽略机构的员工(例如，生物人(即，人工坐席)或机器人(例如，由机器模仿的坐席))以及催收业务相关联的产品等在处理催收业务中所起的重要作用的问题。

为了解决这些问题，实现更高效的催收方案，本公开内容的实施例提供了基于人工智能的处理催收业务的方法，使得能够针对催收业务通过用户画像和员工画像的匹配来为不同的用户提供定制化的服务方式，从而提高催收效率、催收效果和用户体验。此外，本公开内容的实施例还提供了基于产品画像来为不同的用户提供定制化的服务方式。

图1示出了本公开内容的实施例可以应用于其中的基于人工智能的处理催收业务的示例性环境100的示意架构图。

示例性环境100包括机构(例如，互联网金融公司)的员工101-103、业务处理平台110。员工101-103可以通过有线或无线方式连接到业务处理平台110。业务处理平台110可以处理与用户相关的各种业务。在示例性环境110中，业务处理平台110连接到网络111(例如，有线或无线通信网络)，并且网络111经由通信链路112(例如，有线或无线链路)与机构所服务的用户121-123相连接。业务处理平台110可以提供例如语音处理模块、邮件处理模块、短信处理模块等对话处理模块，使得机构的员工101-103能够通过这些模块，经由网络111与机构所服务的用户121-123进行交互式对话(例如，语音、邮件、短信等)。当用户121-123中的用户未能按时偿还机构的产品(例如，金融产品)时，机构可以处理与该产品相关联的催收业务。如前所述，出于控制成本的目的，机构多以对话(例如，语音、邮件、短信等)催收为主，其中，使机构的员工101-103中的员工能够经由网络111与该用户进行交互式对话以进行催收。应当理解，图1中示出的员工和用户的数量仅是示意而非限制，其可以是任意数量。

图2示出了示出了根据本公开内容的实施例的基于人工智能的处理催收业务的方法200的流程图。方法200可以由图1的业务处理平台执行，下面将参照图1和图2来描述方法200。如流程图所示，方法200包括以下步骤：

在步骤201处，基于多个用户的用户基本信息和用户行为信息生成用户画像。例如，当用户121-123向机构的平台注册时，机构可以获得由用户提供的用户基本信息。例如，当用户121-123在机构提供的平台上进行购买、偿还以及与机构的员工进行交互等活动时，机构可以获得用户的用户行为信息。在该步骤中，例如，在图1的业务处理平台110处，可以基于三个用户121-123的用户基本信息和用户行为信息分别生成三个用户画像。

在一个实施例中，步骤201可以包括以下步骤中的至少一个：基于多个用户的用户基本信息分别直接生成多个用户画像；将多个用户的用户基本信息和用户行为信息输入到第一预测模型，以分别生成多个用户画像，其中，第一预测模型基于历史用户基本信息和历史用户行为信息来生成。如前所述，用户画像中的一些标签可以基于用户基本信息来直接生成，诸如用户的年龄、性别、地域、所在城市、星座、性格、学历、家庭结构、婚姻状况、兴趣爱好、收入等。此外，用户画像中的一些标签可以通过将用户基本信息和用户行为信息输入到第一预测模型(例如，机器学习或深度学习模型等)来生成，诸如用户的消费能力、偿还习惯、偿还能力、偿还意愿、通话习惯等。例如，第一预测模型可以基于历史用户基本信息和历史用户行为信息来训练，此外，用户在注册时以及注册后一时间段内产生的用户基本信息和用户行为信息可以被收集、传输和存储转而被添加到历史用户基本信息和历史用户行为信息，从而实现数据的不断更新，同时经更新的历史用户基本信息和历史用户行为信息可以用于训练预测模型，从而实现第一预测模型的自动更新。在该步骤中，通过用户基本信息和用户行为信息，可以提供多维度的用户画像。

在步骤202处，基于多个员工的员工基本信息和员工行为信息分别生成多个员工画像。例如，当员工101-103入职机构时，机构可以获得由员工提供的员工基本信息。例如，当员工101-103在机构提供的平台上与机构所服务的用户121-123进行交互等活动时，机构可以获得员工的员工行为信息。在该步骤中，例如，在图1的业务处理平台110处，可以基于三个员工101-103的员工基本信息和员工行为信息分别生成三个用户画像。

在一个实施例中，步骤202可以包括以下步骤中的至少一个：基于多个员工的员工基本信息分别直接生成多个员工画像；将多个员工的员工基本信息和员工行为信息输入到第二预测模型，以生成多个员工画像，其中，第二预测模型基于历史员工基本信息和历史员工行为信息来生成。例如，当员工101-103向机构入职时，机构可以获得由员工提供的员工基本信息。例如，当员工101-103在机构提供的平台上与机构所服务的用户121-123进行交互等活动时，机构可以获得员工的员工行为信息。在该步骤中，例如，在图1的业务处理平台110处，可以基于三个员工101-103的员工基本信息和员工行为信息分别生成三个员工画像。如前所述，员工画像中的一些标签可以基于员工基本信息来直接生成，诸如员工的年龄、性别、地域、所在城市、星座、性格、学历、家庭结构、婚姻状况、兴趣爱好、工作年限、性格等。此外，员工画像中的一些标签可以通过将员工基本信息和员工行为信息输入到第二预测模型(例如，机器学习或深度学习模型等)来生成，诸如员工的催收能力、职业素养、通话习惯等。例如，第二预测模型可以基于历史员工基本信息和历史员工行为信息来训练，此外，员工在入职时以及入职后一时间段内产生的员工基本信息和员工行为信息可以被收集、传输和存储转而被添加到历史员工基本信息和历史员工行为信息，从而实现数据的不断更新，同时经更新的历史员工基本信息和历史员工行为信息可以用于训练预测模型，从而实现第二预测模型的自动更新。在该步骤中，通过员工基本信息和员工行为信息，可以提供多维度的员工画像。

在步骤203处，基于多个用户画像和多个员工画像，确定多个用户和多个员工之间的匹配关系。例如，在图1的业务处理平台110处，基于三个用户121-123的用户画像和三个员工101-103的员工画像，确定三个用户121-123与三个员工101-103之间的匹配关系。在该步骤中，不同于现有的催收方案，同时考虑了用户画像和员工画像，以便更精准地和个性化地向用户提供服务。

在一个实施例中，步骤203可以包括：确定多个员工画像中与多个用户画像中的一个用户画像相匹配的一个员工画像；确定与该一个用户画像对应的用户和与该一个员工画像对应的员工相匹配。在该步骤中，通过将员工画像与用户画像进行匹配来确定用户和员工之间的匹配关系。

在一个实施例中，确定多个员工画像中与多个用户画像中的一个用户画像相匹配的一个员工画像可以包括：确定多个员工画像中与该一个用户画像的一个或多个标签匹配度最高的一个员工画像。在该步骤中，通过确定与用户画像的若干个标签匹配度最高的员工画像，来确定和该用户画像相匹配的员工画像。例如，可以将员工画像中的若干标签(诸如催收能力、通话习惯)与用户画像中的若干标签(诸如偿还能力、通话习惯)等进行匹配，来确定彼此的匹配度。例如，通话习惯较一致的用户画像和员工画像可以具有较高的匹配度，而通话习惯不太一致的用户画像和员工画像可以具有较低的匹配度；具有较弱偿还能力的用户画像与具有较强催收能力的员工画像可以具有较高的匹配度，而具有较弱偿还能力的用户画像与具有较弱催收能力的员工画像可以具有较低的匹配度；等等。在该步骤中，利用多维度的用户画像和员工画像，可以进一步精准地和个性化地向用户提供服务。

在一个实施例中，步骤203中确定多个用户和多个员工之间的匹配关系还基于与催收业务相关联的产品的产品画像，其中，该产品画像基于产品的购买信息来生成。在该步骤中，除了用户画像和员工画像之外，可以进一步利用基于产品的购买信息来生成的产品画像而确定用户和员工的匹配关系。例如，当产品画像表示产品在实际销售时面向的购买群体为高收入人群时，可以为用户匹配针对高收入人群具有更强催收能力的员工来进行服务。

在步骤204处，针对催收业务，基于匹配关系确定多个员工中对多个用户中的特定用户进行服务的特定员工。在该步骤中，利用用户和员工的匹配关系，可以为特定用户确定适合于对其进行服务的特定员工，从而实现精准和个性化的服务。

在一个实施例中，多个用户画像还基于与多个用户的交互式语音信息来生成，其中，交互式语音信息被转换为文本信息以便进行分析，从而分别生成该多个用户画像。例如，可以通过自动语音识别(asr，automaticspeechrecognition)技术将与多个用户的交互式语音信息转换为文本信息，随后可以例如使用语义分析模型(例如，情感分析模型等)等对文本信息进行分析，以提供更多维度的用户画像。

在一个实施例中，多个员工画像还基于与多个员工的交互式语音信息来生成，其中，交互式语音信息被转换为文本信息以便进行分析，从而生成该多个员工画像。类似地，可以通过asr技术将与多个员工的交互式语音信息转换为文本信息，随后可以例如使用语义分析模型(例如，情感分析模型等)等对文本信息进行分析，以提供更多维度的员工画像。

在一个实施例中，所述多个员工包括生物人和/或机器人。例如，员工可以是生物人(即，人工坐席)和/或机器人(例如，由机器模仿的坐席)，从而节省服务时间和降低服务成本。

上述所公开的基于人工智能的处理催收业务的方法能够针对催收业务通过用户画像和员工画像的匹配来为不同的用户提供定制化的服务方式，从而提高催收效率、催收效果和用户体验，节省服务时间和降低服务成本，并且更精准地和个性化地向用户提供服务。

另外或替代地，上述方法能够通过计算机程序产品，即计算机可读存储介质来实现。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开内容的各个方面的计算机可读程序指令。计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、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)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

图3示出了根据本公开内容的实施例的基于人工智能的处理催收业务的装置300的示意图。应当理解，装置300可以实现图2中的基于人工智能的处理催收业务的方法200的功能。从图3中可以看出基于人工智能的处理催收业务的装置300包括处理器301和存储器302。处理器301可以是中央处理器(cpu)、微控制器、专用集成电路(asic)、数字信号处理器(dsp)、现场可编程门阵列(fpga)或其它可编程逻辑器件、或是被配置为实现本公开内容的实施例的一个或多个集成电路。存储器302可以包括易失性存储器，也可以包括非易失性存储器，诸如rom、ram、移动盘、磁盘、光盘和u盘等。当存储在存储器302中的指令执行时使得处理器301执行以下操作：

a.基于多个用户的用户基本信息和用户行为信息分别生成多个用户画像；

b.基于多个员工的员工基本信息和员工行为信息分别生成多个员工画像；

c.基于所述多个用户画像和所述多个员工画像，确定所述多个用户和所述多个员工之间的匹配关系；以及

d.针对所述催收业务，基于所述匹配关系确定所述多个员工中对所述多个用户中的特定用户进行服务的特定员工。

在一个实施例中，所述多个用户画像还可以基于与所述多个用户的交互式语音信息来生成，其中，所述交互式语音信息被转换为文本信息以便进行分析，从而分别生成所述多个用户画像。

在一个实施例中，所述多个员工画像还可以基于与所述多个员工的交互式语音信息来生成，其中，所述交互式语音信息被转换为文本信息以便进行分析，从而生成所述多个员工画像。

在一个实施例中，操作a可以包括以下操作中的至少一个：a1.基于所述多个用户的用户基本信息分别直接生成所述多个用户画像；a2.将所述多个用户的用户基本信息和用户行为信息输入到第一预测模型，以分别生成所述多个用户画像，其中，所述第一预测模型基于历史用户基本信息和历史用户行为信息来生成。

在一个实施例中，操作b可以包括以下操作中的至少一个：b1.基于所述多个员工的员工基本信息分别直接生成所述多个员工画像；b2.将所述多个员工的员工基本信息和员工行为信息输入到第二预测模型，以生成所述多个员工画像，其中，所述第二预测模型基于历史员工基本信息和历史员工行为信息来生成。

在一个实施例中，操作c可以包括：c1.确定所述多个员工画像中与所述多个用户画像中的一个用户画像相匹配的一个员工画像；c2.确定与所述一个用户画像对应的用户和与所述一个员工画像对应的员工相匹配。

在一个实施例中，操作c1可以包括：c11.确定所述多个员工画像中与所述一个用户画像的一个或多个标签匹配度最高的所述一个员工画像。

在一个实施例中，操作c中确定所述多个用户和所述多个员工之间的匹配关系还基于与所述催收业务相关联的产品的产品画像，其中，所述产品画像基于所述产品的购买信息来生成。

在一个实施例中，所述多个员工可以包括生物人和/或机器人。

上述所公开的基于人工智能的处理催收业务的装置能够针对催收业务通过用户画像和员工画像的匹配来为不同的用户提供定制化的服务方式，从而提高催收效率、催收效果和用户体验，节省服务时间和降低服务成本，并且更精准地和个性化地向用户提供服务。

一般而言，本公开内容的各种示例实施例可以在硬件或专用电路、软件、固件、逻辑，或其任何组合中实施。某些方面可以在硬件中实施，而其他方面可以在可以由控制器、微处理器或其他计算设备执行的固件或软件中实施。当本公开内容的实施例的各方面图示或描述为框图、流程图或使用某些其他图形表示时，将理解此处描述的方框、装置、系统、技术或方法可以作为非限制性的示例在硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备，或其某些组合中实施。

应当注意，尽管在上文的详细描述中提及了装置的若干模块或单元，但是这种划分仅仅是示例性而非强制性的。实际上，根据本公开内容的实施例，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。

以上所述仅为本公开内容的实施例可选实施例，并不用于限制本公开内容的实施例，对于本领域的技术人员来说，本公开内容的实施例可以有各种更改和变化。凡在本公开内容的实施例的精神和原则之内，所作的任何修改、等效替换、改进等，均应包含在本公开内容的实施例的保护范围之内。

虽然已经参考若干具体实施例描述了本公开内容的实施例，但是应该理解，本公开内容的实施例并不限于所公开的具体实施例。本公开内容的实施例旨在涵盖在所附权利要求的精神和范围内所包括的各种修改和等同布置。所附权利要求的范围符合最宽泛的解释，从而包含所有这样的修改及等同结构和功能。