[发明专利]一种基于强化学习的智能电话催收策略

权利要求书

1.一种基于强化学习的智能电话催收策略，其特征在于：包括以下几个步骤：

(1)整理和统计分析信用卡业务相关数据表，其中相关数据表包括：债务人信息表、账户信息表、案件分配表、电催记录表和还款信息表；

(2)根据信用卡业务相关数据表设计建模数据宽表，其中建模数据宽表中的字段包括构成策略变量的催收时间字段和拨打对象字段，根据调整策略变量导致不同的预测结果，从而确定最佳催收策略；

(3)将建模数据宽表引入LSTM模型，训练LSTM模型拟合价值函数，基于训练好的LSTM模型，将需要查询的日期输入建模数据宽表，即可预测得到相应的催收回款率；

(4)通过定义马尔可夫决策过程，引入LSTM模型，寻找对应最大价值回报的催收回款率。

2.根据权利要求1所述的一种基于强化学习的智能电话催收策略，其特征在于：所述建模数据宽表还包括以下字段：债务人信息字段、账户信息字段、案件分配字段、电催记录和还款信息字段。

3.根据权利要求1所述的一种基于强化学习的智能电话催收策略，其特征在于：LSTM模型内部的循环神经网络RNN包括外部的RNN循环与内部的LSTM细胞循环。

4.根据权利要求1所述的一种基于强化学习的智能电话催收策略，其特征在于：所述马尔可夫决策过程由元组(S,A,P,R,r)描述，其中S为有限的状态集、A为有限的动作集、P为状态转移概率、R为价值回报函数、r为折扣因子由公式表达为：

是状态迁移概率，S_t+1是下一状态，S_t是当前状态，A_t是状态附加条件，s、s'、a为具体状态情形。

5.根据权利要求4所述的一种基于强化学习的智能电话催收策略，其特征在于：LSTM模型作为R，催收时间字段及拨打对象字段对应于A，即可更加高效地找到最优策略。