[发明专利]基于人工智能的处理催收业务的方法、装置及存储介质

权利要求书

1.一种基于人工智能的处理催收业务的方法，其特征在于，所述方法包括：

获取催收评分卡集合；

获取待评估客户的当前逾期状态和待还款参数；

根据所述当前逾期状态和所述待还款参数从所述催收评分卡集合中选择一个与所述待评估客户匹配的催收评分卡；

使用所选择的催收评分卡获得所述待评估客户的催收评分；以及

基于所述催收评分确定用于所述待评估客户的催收方式。

2.根据权利要求1所述的方法，其特征在于，获取催收评分卡集合进一步包括：

获取模型数据集合；

对所述模型数据集合进行数据清洗并将清洗后的模型数据集合根据是否逾期分为未逾期模型数据集合和逾期模型数据集合；

使用K折叠交叉验证方法分别将未逾期模型数据集合和逾期模型数据集合分为与未逾期模型数据集合相关联的第一训练集和第一验证集以及与逾期模型数据集合相关联的第二训练集和第二验证集；以及

使用逻辑回归方法和XGBoost方法分别基于所述第一训练集和第一验证集获得与所述未逾期模型数据集合相关联的第一催收评分卡，并且基于所述第二训练集和第二验证集获得与所述逾期模型数据集合相关联的第二催收评分卡。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据更新后的模型数据集合对所述第一催收评分卡和所述第二催收评分卡进行迭代，以获得更新后的第一催收评分卡和更新后的第二催收评分卡。

4.根据权利要求2或3所述的方法，其特征在于，所述模型数据集合包括与客户相关联的基本信息、还款记录、催收记录和/或关联方信息。

5.根据权利要求4所述的方法，其特征在于，所述催收记录包括跳票次数、承诺还款次数和/或前一次催收客户状态。

6.根据权利要求4所述的方法，其特征在于，所述关联方信息包括通过知识图谱而确定为与所述客户关联的第三方的信息。

7.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：

将所述逾期模型数据集合根据逾期时间的长短进一步划分为第一逾期模型数据集合和第二逾期模型数据集合；以及

使用逻辑回归方法和XGBoost方法分别基于所述第一逾期模型数据集合获得第三催收评分卡，并且基于所述第二逾期模型数据集合获得第四催收评分卡。

8.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：

将未逾期模型数据集合根据剩余本金比例分为第一未逾期模型数据集合和第二未逾期模型数据集合；

将逾期模型数据集合根据回款率以及逾期时间的长短分为第一逾期模型数据集合、第二逾期模型数据集合、第三逾期模型数据集合和第四逾期模型数据集合；以及

使用逻辑回归方法和XGBoost方法分别获得与所述第一未逾期模型数据集合、所述第二未逾期模型数据集合、所述第一逾期模型数据集合、所述第二逾期模型数据集合、所述第三逾期模型数据集合以及所述第四逾期模型数据集合相关联的六个催收评分卡。

9.一种基于人工智能的处理催收业务的装置，其特征在于，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：

获取催收评分卡集合；

获取待评估客户的当前逾期状态和待还款参数；

根据所述当前逾期状态和所述待还款参数从所述催收评分卡集合中选择一个与所述待评估客户匹配的催收评分卡；

使用所选择的催收评分卡获得所述待评估客户的催收评分；以及

基于所述催收评分确定用于所述待评估客户的催收方式。