(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210731775.0 (22)申请日 2022.06.25 (71)申请人 上海浦东发展银行股份有限公司 地址 200002 上海市黄浦区中山 东一路12 号 (72)发明人 王椭　赵权有　冯耀　鲁羽佳　 陆恒宇　陈娜　刘敏敏　朱祥　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 丁云 (51)Int.Cl. H04M 3/527(2006.01) H04M 3/493(2006.01) H04M 3/42(2006.01) G06Q 40/02(2012.01)G06N 20/20(2019.01) G06N 5/00(2006.01) (54)发明名称 基于机器学习的语音机器人催收方法、 系 统、 设备及 介质 (57)摘要 本发明涉及一种基于机器学习的语音机器 人催收方法， 包括以下步骤： S1： 筛选待催收客户 样本； S2： 选取样本 特征， 构建预测模型并基于样 本特征及 待催收客户样本进行训练， 所述的预测 模型用于获取待催收客户样本在未来一个月内 有还款的概率； S3： 选取在未来一个月内有还款 的概率大于等于预设阈值的待催收客户样本中 作为语音机器人的拨打客户名单进行催收。 与现 有技术相比， 本发明具有降低催收成本， 提高催 收效果的优点。 权利要求书1页 说明书5页 附图1页 CN 115297212 A 2022.11.04 CN 115297212 A 1.一种基于 机器学习的语音机器人催收方法， 其特 征在于， 包括以下步骤： S1： 筛选待催收客户样本； S2： 选取样本特征， 构建预测模型并基于样本特征及待催收客户样本进行训练， 所述的 预测模型用于获取待催收客户样本在未来 一个月内有还款的概 率； S3： 选取在未来一个月内有还款的概率大于等于预设阈值的待催收客户样本 中作为语 音机器人的拨打客户名单进行催收。 2.根据权利要求1所述的一种基于机器学习的语音机器人催收方法， 其特征在于， 所述 的步骤S1根据客户催收记录与还款记录 筛选训练样本、 正样本、 负 样本和预测样本 。 3.根据权利要求1所述的一种基于机器学习的语音机器人催收方法， 其特征在于， 所述 的待催收客户样本基于客户样本数据进行筛选， 所述的客户样本数据包括连续的第一时 段、 第二时段、 第三时段、 第四时段的客户样 本， 所述的第一时段、 第二时段、 第三时段、 第四 时段的时间递增。 4.根据权利要求1所述的一种基于机器学习的语音机器人催收方法， 其特征在于， 所述 的训练样本包括第一时段、 第二时段、 第三时段未接通任何催收电话和 客服电话的客户样 本， 所述的正样本包括训练样本中第四 时段有还款的客户样本， 所述的负 样本包括训练样本中第四 时段无还款的客户样本， 所述的预测样本包括第二时段、 第三时段、 第 四时段未接通任何催收电话和客服电话 的客户样本 。 5.根据权利要求1所述的一种基于机器学习的语音机器人催收方法， 其特征在于， 所述 的预测模型为xgbo ost模型。 6.根据权利要求1所述的一种基于机器学习的语音机器人催收方法， 其特征在于， 所述 的步骤S2中选取第三时段最后一天的变量作为样本特 征。 7.根据权利要求1所述的一种基于机器学习的语音机器人催收方法， 其特征在于， 所述 的样本特 征的变量类型包括还款信息、 客户信息、 逾期信息 。 8.一种基于机器学习的语音机器人催收系统， 其特征在于， 包括样本获取模块、 训练模 块、 催收模块， 所述的样本获取模块用于 筛选待催收客户样本； 所述的训练模块用于选取样本特征， 构建预测模型并基于样本特征及待催收客户样本 进行训练， 所述的预测模型用于获取待催收客户样本在未来 一个月内有还款的概 率； 所述的催收模块用于选取在未来一个月内有还款的概率大于等于预设阈值的待催收 客户样本中作为语音机器人的拨打客户名单进行催收。 9.一种电子设备， 其特征在于， 包括： 存储器、 处理器和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如权利要求1 ‑7任 一项所述的一种基于 机器学习的语音机器人催收方法。 10.一种可读存储介质， 其特征在于， 所述的可读存储介质上存储有计算机指令， 该计 算机指令被处理器执行时实现权利要求1 ‑7任一项所述的一种基于机器学习的语音机器人 催收方法。权　利　要　求　书 1/1 页 2 CN 115297212 A 2基于机器学习的语音机 器人催收方 法、 系统、 设 备及介质 技术领域 [0001]本发明涉及信息处理技术领域， 尤其是涉及一种基于机器学习的语音机器人催收 方法、 系统、 设备及 介质。 背景技术 [0002]语音机器人是目前广泛应用于电话客服、 电话营销等领域的技术， 相对于传统的 人工拨打电话， 在成本与效率上有着极为明显的优点， 但是， 也同样存在灵活性差、 问题解 决率/营销成功率低等 缺点。 [0003]在银行业， 通过拨打贷款或信用卡逾期、 坏账客户电话督促客户还款(后文简称催 收)， 是直接影响银行风险与利润的重要业务场景。 近年来， 语音机器人在电话催收场景下， 也展开了应用， 而语音机器人的优缺 点在催收场景 下被进一 步放大了。 [0004]相对于语音机器人的传统应用场景， 催收场景下语音机器人面对的客户耐心更 差、 配合度与接听意愿更低、 情况更复杂、 接听情绪更负面， 导致语音机器人 的催收能力远 低于人工拨打， 限制了语音机器人在催收场景下的应用(催收能力具体而言， 指 被拨打客户 总还款金额/总欠款金额)。 通过现有的技术手段， 如人工干预、 改语音机器人话术等方法均 不能有效提升语音机器人的催收能力。 发明内容 [0005]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于机器学习 的语音机器人催收方法、 系统、 设备及 介质。 [0006]本发明的目的可以通过以下技 术方案来实现： [0007]一种基于 机器学习的语音机器人催收方法， 包括以下步骤： [0008]S1： 筛选待催收客户样本； [0009]S2： 选取样本特征， 构建预测模型并基于样本特征及待催收客户样本进行训练， 所 述的预测模型用于获取待催收客户样本在未来 一个月内有还款的概 率； [0010]S3： 选取在未来一个月内有还款的概率大于等于预设阈值的待催收客户样本中作 为语音机器人的拨打客户名单进行催收。 [0011]优选地， 所述的步骤S1根据客户的催收记录与 还款记录筛选训练样本、 正样本、 负 样本和预测样本 。 [0012]优选地， 所述的待催收客户样本基于客户样本数据进行筛选， 所述的客户样本数 据包括连续的第一时段、 第二时段、 第三时段、 第四时段的客户样本， 所述的第一时段、 第二 时段、 第三时段、 第四 时段的时间递增。 [0013]优选地， 所述的训练样本包括第一时段、 第二时段、 第三时段未接通任何催收电话 和客服电话的客户样本， [0014]所述的正样本包括训练样本中第四 时段有还款的客户样本， [0015]所述的负 样本包括训练样本中第四 时段无还款的客户样本，说　明　书 1/5 页 3 CN 115297212 A 3