[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：

针对目标催收员当天所有的催收案件中的每一个，根据该催收案件的逾期天数确定对应的预测模型，并利用所述预测模型预测所述催收案件当天被处理的假设情况下的第一出催概率和当天未被处理的假设情况下的第二出催概率；

计算每个所述催收案件的所述第一出催概率与所述第二出催概率的差值；

对每个所述催收案件的概率差值进行加权排序，并根据加权排序结果，在所有所述催收案件中筛选出推荐给所述目标催收员当天处理的目标催收案件；

不同逾期天数和预设的各所述预测模型预先建立对应关系。

2.根据权利要求1所述的方法，其特征在于，所述针对目标催收员当天所有的催收案件中的每一个，根据该催收案件的逾期天数确定对应的预测模型步骤之前，所述方法还包括：

建立不同逾期天数和预设的各预测模型之间的对应关系，其中，所述预测模型是通过如下方式得到的：

获取多个样本数据，所述多个样本数据包括多个样本催收案件在指定逾期天数内的多个原始变量的特征值和对应的标签；

获取各所述样本催收案件的处理状态变量的值，其中，所述处理状态变量用于指示样本催收案件在达到所述指定逾期天数的当天是否被处理；

根据各所述样本催收案件的多个原始变量的特征值、各所述样本催收案件的处理状态变量的值，获取各所述样本催收案件的多个衍生变量的特征值；

基于多个所述样本催收案件的多个原始变量的特征值、多个衍生变量的特征值和对应的标签进行训练，得到所述预测模型，其中，所述预测模型对应于所述指定逾期天数。

3.根据权利要求1或2所述的方法，其特征在于，所述利用所述预测模型预测所述催收案件当天被处理的假设情况下的第一出催概率和当天未被处理的假设情况下的第二出催概率，包括：

获取所述催收案件的多个原始变量的特征值；

针对所述催收案件当天是否被处理的两种假设情况，将所述催收案件的处理状态变量分别设置为第一值和第二值；

根据所述多个原始变量的特征值和所述处理状态变量的第一值，获取所述多个原始变量对应的多个衍生变量的第一特征值；

根据所述多个原始变量的特征值和所述处理状态变量的第二值，获取所述多个原始变量对应的多个衍生变量的第二特征值；

将所述多个原始变量的特征值和所述多个衍生变量的第一特征值输入到所述预测模型中，得到所述预测模型输出的第一出催概率；

将所述多个原始变量的特征值和所述多个衍生变量的第二特征值输入到所述预测模型中，得到所述预测模型输出的第二出催概率。

4.根据权利要求3所述的方法，其特征在于，所述获取所述催收案件的多个原始变量的特征值，包括：

从所述催收案件对应的用户基础信息、用户逾期信息、用户行为信息、历史催收记录和当天对应的日历日期中获取所述多个原始变量的特征值。

5.根据权利要求1所述的方法，其特征在于，所述对每个所述催收案件的概率差值进行加权排序，包括：

对每个所述催收案件的概率差值与每个所述催收案件的当前逾期金额进行对应相乘，得到每个所述催收案件的相乘结果；

对每个所述催收案件的相乘结果按照每个所述催收案件所处的逾期阶段数进行分组排序，得到排序后的多个分组。

6.根据权利要求5所述的方法，其特征在于，所述根据加权排序结果，在所有所述催收案件中筛选出推荐给所述目标催收员当天处理的目标催收案件，包括：

从排序后的多个所述分组中的每一个所述分组中，分别筛选出满足预设筛选规则的目标催收案件，以推荐给所述目标催收员当天处理。