CN113159901B - 融资租赁业务会话的实现方法和装置 - Google Patents
融资租赁业务会话的实现方法和装置 Download PDFInfo
- Publication number
- CN113159901B CN113159901B CN202110476146.3A CN202110476146A CN113159901B CN 113159901 B CN113159901 B CN 113159901B CN 202110476146 A CN202110476146 A CN 202110476146A CN 113159901 B CN113159901 B CN 113159901B
- Authority
- CN
- China
- Prior art keywords
- session
- user
- service
- determining
- response information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 230000004044 response Effects 0.000 claims description 75
- 238000012545 processing Methods 0.000 claims description 21
- 230000008451 emotion Effects 0.000 claims description 12
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 15
- 238000013473 artificial intelligence Methods 0.000 abstract description 12
- 206010063385 Intellectualisation Diseases 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 238000007477 logistic regression Methods 0.000 description 4
- 230000005070 ripening Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000036651 mood Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请公开了融资租赁业务会话的实现方法和装置。其中方法包括：设置与各业务类型分别对应的智能机器人；获取目标用户的用户模型，根据获取的用户模型确定业务类型，以及生成会话策略；业务类型包括如下的至少一种：回访业务、提醒业务、营销业务；加载与确定的业务类型对应的智能机器人，并根据会话策略对加载的智能机器人进行配置；根据配置好的智能机器人进行业务会话。该技术方案将人工智能技术重点利用在会话策略的生成，既避免了对计算资源的过度消耗，又能使得业务会话更贴近用户所需，实现了还款提醒、逾期催收等业务会话的自动化、智能化，能够降低成本，提高效能。
Description
技术领域
本申请涉及人工智能技术领域，尤其涉及融资租赁业务会话的实现方法和装置。
背景技术
在大数据与人工智能发展的大潮流下，不仅需要机器学习算法的进步，还需要进行企业级的应用，将人工智能技术转换为实际产能。将人工智能技术应用到电话通讯领域的智能语音，已经发展的相对成熟。但针对不同行业，具有相对专业的、结合行业需求的全周期智能语音服务还有待挖掘。
例如，在融资租赁场景下，还款提醒、逾期催收等业务通常还依靠人工方式进行，缺少一种合理利用人工智能技术进行智能业务会话的手段。
发明内容
本申请实施例提供了融资租赁业务会话的实现方法和装置，以更加合理地计算资源，实现融资租赁场景中业务会话的自动化、智能化。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种融资租赁业务会话的实现方法，由会话服务器执行，包括：设置与各业务类型分别对应的智能机器人；业务类型包括如下的至少一种：回访业务、提醒业务、营销业务；获取目标用户的用户模型，根据获取的用户模型确定业务类型，以及生成会话策略；加载与确定的业务类型对应的智能机器人，并根据会话策略对加载的智能机器人进行配置；根据配置好的智能机器人进行业务会话。
在一些实施例中，融资租赁业务会话的实现方法中，设置与各业务类型分别对应的智能机器人包括：为各智能机器人配置与业务类型对应的会话主流程框架；根据配置好的智能机器人进行业务会话包括：接收会话应答信息；确定会话应答信息是否命中了会话主流程框架中的一个流程节点；若是，则发送与命中的流程节点对应的会话语句。
在一些实施例中，融资租赁业务会话的实现方法中，会话主流程框架中的各流程节点分别配置有相应的意图归属标签；确定会话应答信息是否命中了会话主流程框架中的一个流程节点包括：提取会话应答信息中的关键词；查找是否存在与关键词匹配的意图归属标签，若是，则确定会话应答信息命中了会话主流程框架中的相应流程节点；发送与命中的流程节点对应的会话语句包括：发送与关键词匹配的意图归属标签对应的会话语句。
在一些实施例中，融资租赁业务会话的实现方法中，业务会话为语音形式的会话或文本形式的会话；提取会话应答信息中的关键词包括：若业务会话为语音形式的会话，则对会话应答信息进行语音识别，将会话应答信息转换成文本形式；将文本形式的会话应答信息进行标准化处理，得到标准文本形式的文本后进行关键词提取；若业务会话为文本形式的会话，则将会话应答信息进行标准化处理，得到标准文本形式的文本后进行关键词提取。
在一些实施例中，融资租赁业务会话的实现方法中，设置与各业务类型分别对应的智能机器人还包括：基于业务类型配置智能机器人与知识问答库的连接关系；根据配置好的智能机器人进行业务会话还包括：若会话应答信息未命中会话主流程框架中的任一个流程节点，则将会话应答信息作为问题，在连接到的知识问答库中进行检索，得到检索答案；发送与检索答案对应的会话语句。
在一些实施例中，融资租赁业务会话的实现方法还包括如下的建立用户模型的步骤：基于融资租赁***采集用户数据，用户数据包括：用户基本信息、历史还款信息、历史催收信息；根据用户数据进行用户聚类，根据聚类结果确定多个还款风险类别；为每个还款风险类别建立对应的风险模型；根据风险模型，确定各用户的用户模型。
在一些实施例中，融资租赁业务会话的实现方法中，根据用户数据进行用户聚类，根据聚类结果确定多个还款风险类别包括：若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为极度风险类别：团单拆单、诈骗、车辆未抵押、车辆未上牌、存在贷前风险标记、首期逾期；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为高风险类别：代收代付、顶名承租、私下转让、违法运营扣押、二次抵押、承租人死亡、家庭重大变故；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为中风险类别：重大出险无法理赔、与融资租赁公司纠纷、与保险公司纠纷、与挂靠公司纠纷、与经销商纠纷、经营不善、车辆闲置；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为低风险类别：卡异常、办理结清中、遗忘还款日、设备出险；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为无风险客户：***故障、未分解或分解错。
在一些实施例中，融资租赁业务会话的实现方法中，根据用户类别模型，确定各用户对应的用户模型包括：根据聚类结果确定每个用户的还款风险类别；根据各用户的用户数据，生成相应用户的用户标签；对每个用户，将该用户的用户标签添加到与该用户的还款风险类别相匹配的风险模型中，得到该用户的用户模型。
在一些实施例中，融资租赁业务会话的实现方法中，根据获取的用户模型确定业务类型，以及生成会话策略包括：根据从用户模型中提取的用户标签确定业务类型并生成会话策略，会话策略包括如下的至少一种：语气配置策略，音色配置策略，会话时间配置策略，会话方式配置策略。
在一些实施例中，融资租赁业务会话的实现方法还包括生成业务会话的日志信息，日志信息包括如下的至少一种：会话次数，会话应答率，会话时长，会话应答信息，会话情感特征；在业务会话结束后，根据日志信息，对目标用户的会话策略进行更新。
第二方面，本申请实施例还提供一种融资租赁业务会话的实现装置，应用于会话服务器，用于实现如上任一的融资租赁业务会话的实现方法。
在一些实施例中，融资租赁业务会话的实现装置包括：设置单元，用于设置与各业务类型分别对应的智能机器人；业务类型包括如下的至少一种：回访业务、提醒业务、营销业务；策略单元，用于获取目标用户的用户模型，根据获取的用户模型确定业务类型，以及生成会话策略；配置单元，用于加载与确定的业务类型对应的智能机器人，并根据会话策略对加载的智能机器人进行配置；会话单元，用于根据配置好的智能机器人进行业务会话。
在一些实施例中，融资租赁业务会话的实现装置中，设置单元，用于为各智能机器人配置与业务类型对应的会话主流程框架；会话单元，用于接收会话应答信息；确定会话应答信息是否命中了会话主流程框架中的一个流程节点；若是，则发送与命中的流程节点对应的会话语句。
在一些实施例中，融资租赁业务会话的实现装置中，会话主流程框架中的各流程节点分别配置有相应的意图归属标签；会话单元，用于提取会话应答信息中的关键词；查找是否存在与关键词匹配的意图归属标签，若是，则确定会话应答信息命中了会话主流程框架中的相应流程节点；发送与关键词匹配的意图归属标签对应的会话语句。
在一些实施例中，融资租赁业务会话的实现装置中，业务会话为语音形式的会话或文本形式的会话；会话单元，用于若业务会话为语音形式的会话，则对会话应答信息进行语音识别，将会话应答信息转换成文本形式；将文本形式的会话应答信息进行标准化处理，得到标准文本形式的文本后进行关键词提取；若业务会话为文本形式的会话，则将会话应答信息进行标准化处理，得到标准文本形式的文本后进行关键词提取。
在一些实施例中，融资租赁业务会话的实现装置中，设置单元，还用于基于业务类型配置智能机器人与知识问答库的连接关系；会话单元，还用于若会话应答信息未命中会话主流程框架中的任一个流程节点，则将会话应答信息作为问题，在连接到的知识问答库中进行检索，得到检索答案；发送与检索答案对应的会话语句。
在一些实施例中，融资租赁业务会话的实现装置还包括模型建立单元，用于基于融资租赁***采集用户数据，用户数据包括：用户基本信息、历史还款信息、历史催收信息；根据用户数据进行用户聚类，根据聚类结果确定多个还款风险类别；为每个还款风险类别建立对应的风险模型；根据风险模型，确定各用户的用户模型。
在一些实施例中，融资租赁业务会话的实现装置中，模型建立单元，用于若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为极度风险类别：团单拆单、诈骗、车辆未抵押、车辆未上牌、存在贷前风险标记、首期逾期；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为高风险类别：代收代付、顶名承租、私下转让、违法运营扣押、二次抵押、承租人死亡、家庭重大变故；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为中风险类别：重大出险无法理赔、与融资租赁公司纠纷、与保险公司纠纷、与挂靠公司纠纷、与经销商纠纷、经营不善、车辆闲置；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为低风险类别：卡异常、办理结清中、遗忘还款日、设备出险；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为无风险客户：***故障、未分解或分解错。
在一些实施例中，融资租赁业务会话的实现装置中，根据用户类别模型，确定各用户对应的用户模型包括：根据聚类结果确定每个用户的还款风险类别；根据各用户的用户数据，生成相应用户的用户标签；对每个用户，将该用户的用户标签添加到与该用户的还款风险类别相匹配的风险模型中，得到该用户的用户模型。
在一些实施例中，融资租赁业务会话的实现装置中，策略单元，用于根据从用户模型中提取的用户标签确定业务类型并生成会话策略，会话策略包括如下的至少一种：语气配置策略，音色配置策略，会话时间配置策略，会话方式配置策略。
在一些实施例中，融资租赁业务会话的实现装置还包括：日志单元，用于生成业务会话的日志信息，日志信息包括如下的至少一种：会话次数，会话应答率，会话时长，会话应答信息，会话情感特征；在业务会话结束后，根据日志信息，对目标用户的会话策略进行更新。
第三方面，本申请实施例还提供一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，可执行指令在被执行时使处理器执行如上任一的融资租赁业务会话的实现方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质存储一个或多个程序，一个或多个程序当被包括多个应用程序的电子设备执行时，使得电子设备执行如上任一的融资租赁业务会话的实现方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：按照业务类型来设置智能机器人，使得智能机器人能够实现业务类型的基本会话，进一步地，通过用户模型来生成会话策略，进行智能机器人配置，使得最终进行业务会话的智能机器人可以更贴近用户的需求。该技术方案将人工智能技术重点利用在会话策略的生成，既避免了对计算资源的过度消耗，又能使得业务会话更贴近用户所需，实现了还款提醒、逾期催收等业务会话的自动化、智能化，能够降低成本，提高效能。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了根据本申请一个实施例的一种融资租赁业务会话的实现方法的流程示意图；
图2示出了根据本申请一个实施例的一种融资租赁业务会话的实现装置的结构示意图；
图3为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1示出了根据本申请一个实施例的一种融资租赁业务会话的实现方法的流程示意图，该方法可由会话服务器执行。如图1所示，该方法包括：
步骤S110，设置与各业务类型分别对应的智能机器人；业务类型包括如下的至少一种：回访业务、提醒业务、营销业务。
其中，智能机器人可以是基于AI(Artificial Intelligence，人工智能)技术实现的具有会话功能的程序，例如，可以设置有多意图识别模型、词性分析模型、语义分析纠错模型，可利用ASR(Automatic Speech Recognition，自动语音识别)技术、NLU(NaturalLanguage Understanding，自然语言理解)技术、TTS(Text To Speech，语音合成)技术实现电话外呼类型的业务会话。会话服务器可以提供智能机器人的设置界面。
现有技术中，虽然存在着一些可用于电话营销等业务处理的智能机器人，但是，这些智能机器人的缺点在于并不能够直接适用于融资租赁领域的业务场景。举例来说，对于催收业务(提醒业务的一种，催促用户对逾期款项进行还款)而言，部分用户可能仅仅是遗忘了还款期限，而部分用户则可能是主观上想拖欠款项，如果同样的催收方式来对待这些用户，并不能起到好的效果。
也就是说，在一些场景下，只是统一对智能机器人进行配置是不够的。因此，本申请的技术方案采取了至少两步配置的方式，先设置与业务类型对应的智能机器人，可以认为是一种基础模板；然后再通过用户模型对智能机器人进行个性化配置。
本申请中，回访业务可以具体是在用户租赁车辆后，对用户进行车况满意度等的回访；提醒业务可以包括起租、还款临期前的提醒业务和还款逾期后的催收业务等；营销业务可以包括向用户介绍各类产品等。
步骤S120，获取目标用户的用户模型，根据获取的用户模型确定业务类型，以及生成会话策略。
在一些实施例中，步骤S120可以响应于业务***的会话任务而触发执行，例如业务人员可以通过在业务***中批量选取目标用户，或者由业务***自动选取临期的目标用户，等等，本申请对此不做限制。
在本申请的实施例中，可以预先为用户建立好用户模型，用户模型可以具体包括多个用户标签，从不同的维度，如还款风险等级、逾期情况、还款方式等方面对用户进行描述。这里建立用户模型的步骤可以具体是通过对融资业务场景下获取的海量用户数据进行分析得到，即使用大数据分析技术来实现。
本申请的实施例中具体通过用户模型确定业务类型，从而确定使用哪一类智能机器人，并且生成能够配置智能机器人的会话策略。
步骤S130，加载与确定的业务类型对应的智能机器人，并根据会话策略对加载的智能机器人进行配置。
根据会话策略，可以配置会话时间、会话方式(电话、短信……)，会话语气(严厉、温柔……)、会话被拒绝后的重试次数等等。
步骤S140，根据配置好的智能机器人进行业务会话。智能机器人在被配置前可以认为是一个模板，在配置后可以认为是一个实例，因此，同一个智能机器人能够同时支持多个业务会话，经实验可以至少支持40组的并发外呼，一小时可以联系几千用户，通过对模板的复用和再编辑，大大提升了计算资源的利用率和效率。在一些实施例中，智能机器人还可以根据业务人员的需求进行再调整，例如可以在会话服务器的控制界面中主动配置会话方式，字段列表也会可以在控制界面中通过筛选项的方式进行展现。
可见，图1所示的方法，按照业务类型来设置智能机器人，使得智能机器人能够实现业务类型的基本会话，进一步地，通过用户模型来生成会话策略，进行智能机器人配置，使得最终进行业务会话的智能机器人可以更贴近用户的需求。该技术方案将人工智能技术重点利用在会话策略的生成，既避免了对计算资源的过度消耗，又能使得业务会话更贴近用户所需，实现了还款提醒、逾期催收等业务会话的自动化、智能化，能够降低成本，提高效能。
在一些实施例中，融资租赁业务会话的实现方法中，设置与各业务类型分别对应的智能机器人包括：为各智能机器人配置与业务类型对应的会话主流程框架；根据配置好的智能机器人进行业务会话包括：接收会话应答信息；确定会话应答信息是否命中了会话主流程框架中的一个流程节点；若是，则发送与命中的流程节点对应的会话语句。
下表示出了根据本申请一个实施例的包含流程节点的主流程框架示意：
| 节点 | 会话应答 | 会话语句 | 跳转节点 |
| 开场白 | — | — | 表明来意 |
| 表明来意 | — | — | 逾期影响 |
| 逾期影响 | — | — | 确定还款时间 |
| 确定还款时间 | — | — | 结束语 |
| 结束语 | — | — | 挂机 |
在一些实施例中，融资租赁业务会话的实现方法中，会话主流程框架中的各流程节点分别配置有相应的意图归属标签；确定会话应答信息是否命中了会话主流程框架中的一个流程节点包括：提取会话应答信息中的关键词；查找是否存在与关键词匹配的意图归属标签，若是，则确定会话应答信息命中了会话主流程框架中的相应流程节点；发送与命中的流程节点对应的会话语句包括：发送与关键词匹配的意图归属标签对应的会话语句。
例如，在一通催收电话中，当用户接听后，智能机器人会根据“开场白”节点发送“您好，这里是XX公司，请问您是XX吗”的会话语句，得到用户“我是，你有什么事情”的会话应答后，由于该会话应答中“我是”这一关键词与“表明来意”节点中“是本人”的意图归属标签相匹配，则跳转至“表明来意”节点，并发送与“是本人”的意图归属标签对应的会话语句，“您有一笔XX款项已逾期”，后续可参照此类方式进行。
如果得到用户“我不是，你找他干什么”的会话应答后，由于该会话应答中“我不是”这一关键词与“表明来意”节点中“不是本人”的意图归属标签相匹配，则虽然跳转至“表明来意”节点，但发送的是与“不是本人”的意图归属标签对应的会话语句。
可见，在本申请的实施例中，只需要预先在设置智能机器人时配置好主流程框架，确定各流程节点的连接关系以及每个流程节点中意图归属标签对应的会话语句，就能够根据用户的会话应答逐步走完整个会话主流程，从而完成业务上的需求。
在一些实施例中，融资租赁业务会话的实现方法中，业务会话为语音形式的会话或文本形式的会话；提取会话应答信息中的关键词包括：若业务会话为语音形式的会话，则对会话应答信息进行语音识别，将会话应答信息转换成文本形式；将文本形式的会话应答信息进行标准化处理，得到标准文本形式的文本后进行关键词提取；若业务会话为文本形式的会话，则将会话应答信息进行标准化处理，得到标准文本形式的文本后进行关键词提取。本领域技术人员可以根据需求，结合ASR、NLU、正则表达式等技术进行语音识别、标准化处理、关键词提取等。
在一些实施例中，融资租赁业务会话的实现方法中，设置与各业务类型分别对应的智能机器人还包括：基于业务类型配置智能机器人与知识问答库的连接关系；根据配置好的智能机器人进行业务会话还包括：若会话应答信息未命中会话主流程框架中的任一个流程节点，则将会话应答信息作为问题，在连接到的知识问答库中进行检索，得到检索答案；发送与检索答案对应的会话语句。
如果希望通过主流程框架尽量多地预测用户的会话应答信息，最终只能无限量地扩充主流程框架，增大智能机器人对计算资源的占用，而其中很大部分的占用很可能并不会被经常用到。因此，本申请提出了将主流程框架与知识库进行结合的方案，其中，每个智能机器人可以根据业务类型连接不同的FAQ(知识问答)库。当用户的会话应答信息没有命中会话主流程框架中的任一个流程节点时，可以将会话应答信息作为问题，在连接到的知识问答库中进行检索。如果没有检索到，则可以转人工处理。
在一些实施例中，融资租赁业务会话的实现方法还包括如下的建立用户模型的步骤：基于融资租赁***采集用户数据，用户数据包括：用户基本信息、历史还款信息、历史催收信息；根据用户数据进行用户聚类，根据聚类结果确定多个还款风险类别；为每个还款风险类别建立对应的风险模型；根据风险模型，确定各用户的用户模型。
其中，可以在融资租赁***的正常业务场景中，根据用户的许可收集用户数据，例如姓名、年龄等用户基本信息，历史还款记录、历史逾期记录等历史还款信息，历史催收次数等历史催收信息，等等。
根据用户数据，可以进行用户聚类，具体地，可以通过建立用户画像，使用线性回归(Linear Regression)、逻辑回归(Logistic Regression)、多分类逻辑回归(multi-class logistic regression)、随机决策树(Random Decision Tree)、基于密度的聚类算法(DBSCAN)、基于划分的聚类方法(K-means)等方式进行聚类。
在一些实施例中，融资租赁业务会话的实现方法中，根据用户数据进行用户聚类，根据聚类结果确定多个还款风险类别包括：若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为极度风险类别：团单拆单、诈骗、车辆未抵押、车辆未上牌、存在贷前风险标记、首期逾期；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为高风险类别：代收代付、顶名承租、私下转让、违法运营扣押、二次抵押、承租人死亡、家庭重大变故；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为中风险类别：重大出险无法理赔、与融资租赁公司纠纷、与保险公司纠纷、与挂靠公司纠纷、与经销商纠纷、经营不善、车辆闲置；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为低风险类别：卡异常、办理结清中、遗忘还款日、设备出险；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为无风险客户：***故障、未分解或分解错。
融资租赁是指出租人(融资租赁公司)根据承租人(用户)的请求，与第三方(供货商)订立供货合同，根据此合同，出租人出资向供货商购买承租人选定的设备。同时，出租人与承租人订立一项租赁合同，将设备出租给承租人，并向承租人收取一定的租金。在以商用车为标的物的场景下，通过对大量用户数据的分析，形成了上述还款风险类别的归类。
下面分别对上述还款风险类别进行解释。其中，团单拆单是指将金额大的“团单”拆成散单，规避团单所需的复杂审核流程，容易使融资租赁公司无法正确发现潜在的风险，无法提前采取防范措施；诈骗即是指在融资租赁过程中采取诈骗手段，损害融资租赁公司的利益；车辆未抵押、车辆未上牌是由于车辆作为融资租赁的标的物，有上述行为会带来风险；存在贷前风险标记是在贷前阶段，业务人员发现用户可能存在各类风险时进行标记得到的；首期逾期是指分期还款时，第一期都没有按时还款，产生逾期。经过大数据分析发现，用户具有上述行为时，最有可能损害融资租赁公司的利益，因此归类为极度风险类别。
代收代付是指用户依托挂靠公司代为还款，可能存在用户还款给挂靠公司后，挂靠公司未向融资租赁公司还款的风险；顶名承租是指用户冒用他人信息租赁车辆；私下转让是指用户将租赁的车辆私自转让他人、违法运营扣押是指用户在依托商用车运营过程中产生违法行为致使车辆被扣押，由于失去经济来源造成风险；二次抵押是指用户违规将商用车抵押他人；承租人死亡、家庭重大变故是承租人自身情况为业务带来的风险。经过大数据分析发现，用户具有上述行为时，有很大可能损害融资租赁公司的利益，因此归类为高风险类别。
与融资租赁公司、保险公司、挂靠公司、经销商产生纠纷可能导致责任推诿带来风险；经营不善、车辆闲置、重大出险无法理赔等，也会对用户还款带来困难。经过大数据分析发现，用户具有上述行为时，有可能损害融资租赁公司的利益，因此归类为中风险类别。
办理结清中是指分期贷款已还完最后一期，正在办理结清；卡异常、遗忘还款日说明用户仍具有还款意愿；设备出险仅可能对还款期限造成影响，一般不影响最终款项的收取。经过大数据分析发现，用户具有上述行为时，一般不会损坏融资租赁公司的利益，因此归类为低风险级别。
***故障、未分解或分解错是指已收到用户还款，因为***原因或者业务人员操作原因，未能及时将款项清账，也就是融资租赁公司自身原因而非用户原因，因此归类为无风险级别。
在一些实施例中，融资租赁业务会话的实现方法中，根据用户类别模型，确定各用户对应的用户模型包括：根据聚类结果确定每个用户的还款风险类别；根据各用户的用户数据，生成相应用户的用户标签；对每个用户，将该用户的用户标签添加到与该用户的还款风险类别相匹配的风险模型中，得到该用户的用户模型。
例如，对用户数据进行分析，还可以得到用户的还款意愿特征、风险特征等。更具体地，根据用户行为数据和历史还款数据能够获知用户活跃时间段，为会话时间的确定提供基础。
总结地说，本申请的实施例中，可以为不同还款风险类别的客户构建全方位、立体的用户模型，用户标签可以包括但不限于包括逾期情况(逾期金额、逾期时间、逾期次数)、还款方式、抵押情况、历史活跃时间等等。
在一些实施例中，融资租赁业务会话的实现方法中，根据获取的用户模型确定业务类型，以及生成会话策略包括：根据从用户模型中提取的用户标签确定业务类型并生成会话策略，会话策略包括如下的至少一种：语气配置策略，音色配置策略，会话时间配置策略，会话方式配置策略。
例如，可以根据历史用户活跃时间标签，进行会话时间配置策略的生成，会话时间可以不必精确到具体时间点而是一个时间范围。又例如，会话语气可以包括严厉、可爱、温柔等，会话语句中归属于催收话术的方式可以包括征信施压、拖车施压、上门催收施压、律师函施压等等不同力度，那么在一个示例中，可对于低风险类别的用户采用温柔语气，征信施压，对于逾期多期的高风险用户采用严厉语气，上门催收施压等更高的施压力度。
在一些实施例中，融资租赁业务会话的实现方法还包括生成业务会话的日志信息，日志信息包括如下的至少一种：会话次数，会话应答率，会话时长，会话应答信息，会话情感特征；在业务会话结束后，根据日志信息，对目标用户的会话策略进行更新。
例如，根据日志信息，可以利用包括但不限于深度神经网络、循环神经网络、卷积神经网络的算法进行语音识别，分析用户的语气、语调、情绪，根据语气语调把情绪分为：正向情绪、中性情绪、负向情绪等；根据业务会话的记录可以分析业务效果，及时根据实际情况调整会话策略，提高催收的成功率。
需要说明的是，本申请实施例的日志信息生成以及会话策略更新可以在业务会话过程中执行，也可以在业务会话结束后执行，也可以结合实现。在业务会话过程中执行，实时性会更好一些。但是有一些内容，例如总结高频问题与常见问题，及时更新知识问答库的问题与答案，丰富知识问答库的业务知识点覆盖程度等对实时性需求不高的，可以放在业务会话结束后执行。
综上所述，本申请将人工智能技术应用到融资租赁，尤其是商用车催收领域，为该领域与人工智能进行结合提供了可能与思路；克服了催收过程中，人工催收能力参差不齐和人工催收情绪波动带来的消极影响，减少了违规催收发生的可能；通过会话策略的设置，可以进行音色拟人化，智能机器人具有的情绪稳定、工作状态饱满的特点，能做到高效高频高覆盖执行外呼任务，标准化输出，在节省人力及财力的同时，提升催收效果和客户体验，提高企业形象和市场竞争力。另外，主流程框架的流程节点、意图归属标签以及会话语句，以及用户模型，能够根据业务会话的日志信息不断迭代更新调整，能够丰富催收逻辑，动态调整智能匹配场景，制定贴合商用车领域的多种外呼策略，实现全流程的自动化催收；基于大数据与机器学习的智能交互和数据处理，采取智能外呼策略多轮交互，智能识别对话内容，自动进行大数据标签分类处理，数据统计标准高效客观。
本申请实施例还提供一种融资租赁业务会话的实现装置，应用于会话服务器，用于实现如上任一的融资租赁业务会话的实现方法。
具体地，图2示出了根据本申请一个实施例的融资租赁业务会话的实现装置的结构示意图。如图2所示，融资租赁业务会话的实现装置200包括：
设置单元210，用于设置与各业务类型分别对应的智能机器人。
策略单元220，用于获取目标用户的用户模型，根据获取的用户模型确定业务类型，以及生成会话策略；业务类型包括如下的至少一种：回访业务、提醒业务、营销业务。
配置单元230，用于加载与确定的业务类型对应的智能机器人，并根据会话策略对加载的智能机器人进行配置。
会话单元240，用于根据配置好的智能机器人进行业务会话。
在一些实施例中，融资租赁业务会话的实现装置中，设置单元210，用于为各智能机器人配置与业务类型对应的会话主流程框架；会话单元240，用于接收会话应答信息；确定会话应答信息是否命中了会话主流程框架中的一个流程节点；若是，则发送与命中的流程节点对应的会话语句。
在一些实施例中，融资租赁业务会话的实现装置中，会话主流程框架中的各流程节点分别配置有相应的意图归属标签；会话单元240，用于提取会话应答信息中的关键词；查找是否存在与关键词匹配的意图归属标签，若是，则确定会话应答信息命中了会话主流程框架中的相应流程节点；发送与关键词匹配的意图归属标签对应的会话语句。
在一些实施例中，融资租赁业务会话的实现装置中，业务会话为语音形式的会话或文本形式的会话；会话单元240，用于若业务会话为语音形式的会话，则对会话应答信息进行语音识别，将会话应答信息转换成文本形式；将文本形式的会话应答信息进行标准化处理，得到标准文本形式的文本后进行关键词提取；若业务会话为文本形式的会话，则将会话应答信息进行标准化处理，得到标准文本形式的文本后进行关键词提取。
在一些实施例中，融资租赁业务会话的实现装置中，设置单元210，还用于基于业务类型配置智能机器人与知识问答库的连接关系；会话单元240，还用于若会话应答信息未命中会话主流程框架中的任一个流程节点，则将会话应答信息作为问题，在连接到的知识问答库中进行检索，得到检索答案；发送与检索答案对应的会话语句。
在一些实施例中，融资租赁业务会话的实现装置还包括模型建立单元，用于基于融资租赁***采集用户数据，用户数据包括：用户基本信息、历史还款信息、历史催收信息；根据用户数据进行用户聚类，根据聚类结果确定多个还款风险类别；为每个还款风险类别建立对应的风险模型；根据风险模型，确定各用户的用户模型。
在一些实施例中，融资租赁业务会话的实现装置中，模型建立单元，用于若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为极度风险类别：团单拆单、诈骗、车辆未抵押、车辆未上牌、存在贷前风险标记、首期逾期；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为高风险类别：代收代付、顶名承租、私下转让、违法运营扣押、二次抵押、承租人死亡、家庭重大变故；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为中风险类别：重大出险无法理赔、与融资租赁公司纠纷、与保险公司纠纷、与挂靠公司纠纷、与经销商纠纷、经营不善、车辆闲置；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为低风险类别：卡异常、办理结清中、遗忘还款日、设备出险；若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为无风险客户：***故障、未分解或分解错。
在一些实施例中，融资租赁业务会话的实现装置中，根据用户类别模型，确定各用户对应的用户模型包括：根据聚类结果确定每个用户的还款风险类别；根据各用户的用户数据，生成相应用户的用户标签；对每个用户，将该用户的用户标签添加到与该用户的还款风险类别相匹配的风险模型中，得到该用户的用户模型。
在一些实施例中，融资租赁业务会话的实现装置中，策略单元220，用于根据从用户模型中提取的用户标签确定业务类型并生成会话策略，会话策略包括如下的至少一种：语气配置策略，音色配置策略，会话时间配置策略，会话方式配置策略。
在一些实施例中，融资租赁业务会话的实现装置还包括：日志单元，用于生成业务会话的日志信息，日志信息包括如下的至少一种：会话次数，会话应答率，会话时长，会话应答信息，会话情感特征；在业务会话结束后，根据日志信息，对目标用户的会话策略进行更新。
能够理解，上述融资租赁业务会话的实现装置，能够实现前述实施例中提供的由融资租赁业务会话的实现服务器执行的融资租赁业务会话的实现方法的各个步骤，关于融资租赁业务会话的实现方法的相关阐释均适用于融资租赁业务会话的实现装置，此处不再赘述。
图3是本申请的一个实施例电子设备的结构示意图。请参考图3，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成融资租赁业务会话的实现装置。图3中示出的融资租赁业务会话的实现装置不代表对数量的限制。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
设置与各业务类型分别对应的智能机器人；获取目标用户的用户模型，根据获取的用户模型确定业务类型，以及生成会话策略；业务类型包括如下的至少一种：回访业务、提醒业务、营销业务；加载与确定的业务类型对应的智能机器人，并根据会话策略对加载的智能机器人进行配置；根据配置好的智能机器人进行业务会话。
上述如本申请图1所示实施例揭示的融资租赁业务会话的实现装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(CentralProcessing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中融资租赁业务会话的实现装置执行的方法，并实现融资租赁业务会话的实现装置在图2所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中融资租赁业务会话的实现装置执行的方法，并具体用于执行：
设置与各业务类型分别对应的智能机器人；获取目标用户的用户模型，根据获取的用户模型确定业务类型，以及生成会话策略；业务类型包括如下的至少一种：回访业务、提醒业务、营销业务；加载与确定的业务类型对应的智能机器人，并根据会话策略对加载的智能机器人进行配置；根据配置好的智能机器人进行业务会话。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、***或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种融资租赁业务会话的实现方法，由会话服务器执行，所述方法包括：
设置与各业务类型分别对应的智能机器人；所述业务类型包括如下的至少一种：回访业务、提醒业务、营销业务；
获取目标用户的用户模型，根据获取的用户模型确定业务类型，以及生成会话策略；
加载与确定的业务类型对应的智能机器人，并根据所述会话策略对所述加载的智能机器人进行配置；
根据配置好的智能机器人进行业务会话；
所述设置与各业务类型分别对应的智能机器人包括：为各智能机器人配置与业务类型对应的会话主流程框架；
所述根据配置好的智能机器人进行业务会话包括：
接收会话应答信息；
确定所述会话应答信息是否命中了会话主流程框架中的一个流程节点；
若是，则发送与命中的流程节点对应的会话语句；
所述会话主流程框架中的各流程节点分别配置有相应的意图归属标签；
所述确定所述会话应答信息是否命中了会话主流程框架中的一个流程节点包括：
提取所述会话应答信息中的关键词；
查找是否存在与所述关键词匹配的意图归属标签，若是，则确定所述会话应答信息命中了会话主流程框架中的相应流程节点；
所述发送与命中的流程节点对应的会话语句包括：发送与所述关键词匹配的意图归属标签对应的会话语句；
所述设置与各业务类型分别对应的智能机器人还包括：基于业务类型配置智能机器人与知识问答库的连接关系；
所述根据配置好的智能机器人进行业务会话还包括：
若所述会话应答信息未命中会话主流程框架中的任一个流程节点，则将所述会话应答信息作为问题，在连接到的知识问答库中进行检索，得到检索答案；
发送与检索答案对应的会话语句；
该方法还包括如下的建立所述用户模型的步骤：
基于融资租赁***采集用户数据，所述用户数据包括：用户基本信息、历史还款信息、历史催收信息；
根据所述用户数据进行用户聚类，根据聚类结果确定多个还款风险类别；
为每个还款风险类别建立对应的风险模型；
根据所述风险模型，确定各用户的用户模型；
所述根据所述用户数据进行用户聚类，根据聚类结果确定多个还款风险类别包括：
若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为极度风险类别：团单拆单、诈骗、车辆未抵押、车辆未上牌、存在贷前风险标记、首期逾期；
若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为高风险类别：代收代付、顶名承租、私下转让、违法运营扣押、二次抵押、承租人死亡、家庭重大变故；
若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为中风险类别：重大出险无法理赔、与融资租赁公司纠纷、与保险公司纠纷、与挂靠公司纠纷、与经销商纠纷、经营不善、车辆闲置；
若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为低风险类别：卡异常、办理结清中、遗忘还款日、设备出险；
若用户数据与如下至少一项相匹配，则确定相应用户的还款风险类别为无风险客户：***故障、未分解或分解错。
2.如权利要求1所述的方法，其特征在于，所述业务会话为语音形式的会话或文本形式的会话；
所述提取所述会话应答信息中的关键词包括：
若所述业务会话为语音形式的会话，则对所述会话应答信息进行语音识别，将所述会话应答信息转换成文本形式；将所述文本形式的会话应答信息进行标准化处理，得到标准文本形式的文本后进行关键词提取；
若所述业务会话为文本形式的会话，则将所述会话应答信息进行标准化处理，得到标准文本形式的文本后进行关键词提取。
3.如权利要求1所述的方法，其特征在于，所述根据所述用户类别模型，确定各用户对应的用户模型包括：
根据所述聚类结果确定每个用户的还款风险类别；
根据各用户的用户数据，生成相应用户的用户标签；
对每个用户，将该用户的用户标签添加到与该用户的还款风险类别相匹配的风险模型中，得到该用户的用户模型。
4.如权利要求1所述的方法，其特征在于，所述根据获取的用户模型确定业务类型，以及生成会话策略包括：
根据从用户模型中提取的用户标签确定业务类型并生成会话策略，所述会话策略包括如下的至少一种：
语气配置策略，音色配置策略，会话时间配置策略，会话方式配置策略。
5.如权利要求1所述的方法，其特征在于，所述方法还包括生成业务会话的日志信息，所述日志信息包括如下的至少一种：会话次数，会话应答率，会话时长，会话应答信息，会话情感特征；
在业务会话结束后，根据所述日志信息，对目标用户的会话策略进行更新。
6.一种融资租赁业务会话的实现装置，应用于会话服务器中，用于实现如权利要求1～5中任一项的融资租赁业务会话的实现方法。
7.一种电子设备，其特征在于，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求1-5中任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110476146.3A CN113159901B (zh) | 2021-04-29 | 2021-04-29 | 融资租赁业务会话的实现方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110476146.3A CN113159901B (zh) | 2021-04-29 | 2021-04-29 | 融资租赁业务会话的实现方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113159901A CN113159901A (zh) | 2021-07-23 |
| CN113159901B true CN113159901B (zh) | 2024-06-04 |
Family
ID=76872478
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110476146.3A Active CN113159901B (zh) | 2021-04-29 | 2021-04-29 | 融资租赁业务会话的实现方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113159901B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115082134A (zh) * | 2022-08-23 | 2022-09-20 | 深圳市人马互动科技有限公司 | 营销方法、装置、***、设备及介质 |
| CN115082093A (zh) * | 2022-08-23 | 2022-09-20 | 深圳市人马互动科技有限公司 | 人机交互方法、装置、设备及介质 |
| CN117829161B (zh) * | 2024-01-08 | 2024-06-11 | 北京三维天地科技股份有限公司 | 基于llm的数据资产指标问答方法及*** |
Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001325269A (ja) * | 2000-05-15 | 2001-11-22 | Internatl Business Mach Corp <Ibm> | ウェブサイト、情報通信端末、ロボット型検索エンジン応答システム、ロボット型検索エンジン登録方法、記憶媒体及びプログラム伝送装置 |
| US8392280B1 (en) * | 2007-09-28 | 2013-03-05 | Richard J. Kilshaw | System for enabling consumers to evaluate automobile leases |
| JP2014229093A (ja) * | 2013-05-23 | 2014-12-08 | 株式会社東芝 | ファイナンスリース方法 |
| CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术（深圳）有限公司 | 智能交互方法、电子装置及存储介质 |
| CN108521525A (zh) * | 2018-04-03 | 2018-09-11 | 南京甄视智能科技有限公司 | 基于用户标签体系的智能机器人客服营销方法和*** |
| CN109559221A (zh) * | 2018-11-20 | 2019-04-02 | 中国银行股份有限公司 | 基于用户数据的催收方法、装置和存储介质 |
| CN109618068A (zh) * | 2018-11-08 | 2019-04-12 | 上海航动科技有限公司 | 一种基于人工智能的语音业务推送方法、装置与*** |
| CN109716430A (zh) * | 2016-09-29 | 2019-05-03 | 微软技术许可有限责任公司 | 使用超级机器人进行会话交互 |
| WO2019091024A1 (zh) * | 2017-11-13 | 2019-05-16 | 平安科技（深圳）有限公司 | 一种电话催收方法、装置、电子设备及介质 |
| CN109949805A (zh) * | 2019-02-21 | 2019-06-28 | 江苏苏宁银行股份有限公司 | 基于意图识别及有限状态自动机的智能催收机器人及催收方法 |
| CN110096191A (zh) * | 2019-04-24 | 2019-08-06 | 北京百度网讯科技有限公司 | 一种人机对话方法、装置及电子设备 |
| CN110096593A (zh) * | 2019-04-22 | 2019-08-06 | 南京硅基智能科技有限公司 | 一种构建智能外呼***的方法 |
| WO2020024389A1 (zh) * | 2018-08-02 | 2020-02-06 | 平安科技（深圳）有限公司 | 逾期账单智能催收方法、装置、计算机设备及存储介质 |
| CN110782318A (zh) * | 2019-10-21 | 2020-02-11 | 五竹科技(天津)有限公司 | 基于音频交互的营销方法、装置以及存储介质 |
| CN110782341A (zh) * | 2019-10-25 | 2020-02-11 | 深圳前海微众银行股份有限公司 | 业务催收方法、装置、设备及介质 |
| US10630840B1 (en) * | 2019-05-22 | 2020-04-21 | Capital One Services, Llc | Systems for transitioning telephony-based and in-person servicing interactions to and from an artificial intelligence (AI) chat session |
| WO2020185880A1 (en) * | 2019-03-12 | 2020-09-17 | Beguided, Inc. | Conversational artificial intelligence for automated self-service account management |
| CN112163923A (zh) * | 2020-09-17 | 2021-01-01 | 中国建设银行股份有限公司 | 租赁处理方法、***、计算机设备及存储介质 |
| KR20210007187A (ko) * | 2019-07-10 | 2021-01-20 | 강명길 | 자동차 리스 계약 및 장기 렌터카를 위한 경매형 중개 서비스 제공 방법 |
| WO2021051592A1 (zh) * | 2019-09-19 | 2021-03-25 | 平安科技（深圳）有限公司 | 基于人工智能处理数据的方法、装置及存储介质 |
| CN112632238A (zh) * | 2020-12-11 | 2021-04-09 | 浙江百应科技有限公司 | 一种模板化机器人话术的对话方法及*** |
| CN112632245A (zh) * | 2020-12-18 | 2021-04-09 | 平安普惠企业管理有限公司 | 客服智能分配方法、装置、计算机设备及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005293052A (ja) * | 2004-03-31 | 2005-10-20 | Honda Motor Co Ltd | 顧客応対ロボット |
| US9917802B2 (en) * | 2014-09-22 | 2018-03-13 | Roy S. Melzer | Interactive user interface based on analysis of chat messages content |
-
2021
- 2021-04-29 CN CN202110476146.3A patent/CN113159901B/zh active Active
Patent Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001325269A (ja) * | 2000-05-15 | 2001-11-22 | Internatl Business Mach Corp <Ibm> | ウェブサイト、情報通信端末、ロボット型検索エンジン応答システム、ロボット型検索エンジン登録方法、記憶媒体及びプログラム伝送装置 |
| US8392280B1 (en) * | 2007-09-28 | 2013-03-05 | Richard J. Kilshaw | System for enabling consumers to evaluate automobile leases |
| JP2014229093A (ja) * | 2013-05-23 | 2014-12-08 | 株式会社東芝 | ファイナンスリース方法 |
| CN109716430A (zh) * | 2016-09-29 | 2019-05-03 | 微软技术许可有限责任公司 | 使用超级机器人进行会话交互 |
| WO2019091024A1 (zh) * | 2017-11-13 | 2019-05-16 | 平安科技（深圳）有限公司 | 一种电话催收方法、装置、电子设备及介质 |
| CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术（深圳）有限公司 | 智能交互方法、电子装置及存储介质 |
| CN108521525A (zh) * | 2018-04-03 | 2018-09-11 | 南京甄视智能科技有限公司 | 基于用户标签体系的智能机器人客服营销方法和*** |
| WO2020024389A1 (zh) * | 2018-08-02 | 2020-02-06 | 平安科技（深圳）有限公司 | 逾期账单智能催收方法、装置、计算机设备及存储介质 |
| CN109618068A (zh) * | 2018-11-08 | 2019-04-12 | 上海航动科技有限公司 | 一种基于人工智能的语音业务推送方法、装置与*** |
| CN109559221A (zh) * | 2018-11-20 | 2019-04-02 | 中国银行股份有限公司 | 基于用户数据的催收方法、装置和存储介质 |
| CN109949805A (zh) * | 2019-02-21 | 2019-06-28 | 江苏苏宁银行股份有限公司 | 基于意图识别及有限状态自动机的智能催收机器人及催收方法 |
| WO2020185880A1 (en) * | 2019-03-12 | 2020-09-17 | Beguided, Inc. | Conversational artificial intelligence for automated self-service account management |
| CN110096593A (zh) * | 2019-04-22 | 2019-08-06 | 南京硅基智能科技有限公司 | 一种构建智能外呼***的方法 |
| CN110096191A (zh) * | 2019-04-24 | 2019-08-06 | 北京百度网讯科技有限公司 | 一种人机对话方法、装置及电子设备 |
| US10630840B1 (en) * | 2019-05-22 | 2020-04-21 | Capital One Services, Llc | Systems for transitioning telephony-based and in-person servicing interactions to and from an artificial intelligence (AI) chat session |
| KR20210007187A (ko) * | 2019-07-10 | 2021-01-20 | 강명길 | 자동차 리스 계약 및 장기 렌터카를 위한 경매형 중개 서비스 제공 방법 |
| WO2021051592A1 (zh) * | 2019-09-19 | 2021-03-25 | 平安科技（深圳）有限公司 | 基于人工智能处理数据的方法、装置及存储介质 |
| CN110782318A (zh) * | 2019-10-21 | 2020-02-11 | 五竹科技(天津)有限公司 | 基于音频交互的营销方法、装置以及存储介质 |
| CN110782341A (zh) * | 2019-10-25 | 2020-02-11 | 深圳前海微众银行股份有限公司 | 业务催收方法、装置、设备及介质 |
| CN112163923A (zh) * | 2020-09-17 | 2021-01-01 | 中国建设银行股份有限公司 | 租赁处理方法、***、计算机设备及存储介质 |
| CN112632238A (zh) * | 2020-12-11 | 2021-04-09 | 浙江百应科技有限公司 | 一种模板化机器人话术的对话方法及*** |
| CN112632245A (zh) * | 2020-12-18 | 2021-04-09 | 平安普惠企业管理有限公司 | 客服智能分配方法、装置、计算机设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| Yang, MH 等.Self-Talk: Responses to Users' Opinions and Challenges in Human Computer Dialog.24TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION (ICPR) .2018,第2839-2844页. * |
| 人工智能在金融服务体系中的创新应用;张立书;;河北金融(第03期);第6-8/25页 * |
| 汽车融资租赁业务***的设计与实现;宋兴云;付国宝;;上海船舶运输科学研究所学报(第03期);第67-71/79页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113159901A (zh) | 2021-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113159901B (zh) | 融资租赁业务会话的实现方法和装置 | |
| CN104781837B (zh) | 用于通过使用基于事件的情绪分析来形成预测的***和方法 | |
| TWI743773B (zh) | 基於隱私資料保護的異常採集行為識別方法和裝置 | |
| CN109559221A (zh) | 基于用户数据的催收方法、装置和存储介质 | |
| CN111539221B (zh) | 一种数据处理方法及*** | |
| CN112735374B (zh) | 一种自动语音交互的方法及装置 | |
| CN113297365B (zh) | 一种用户意向判定方法、装置、设备及存储介质 | |
| CN111091350A (zh) | 业务数据的审核处理方法、装置、设备及存储介质 | |
| CN111260368A (zh) | 一种账户交易风险判断方法、装置及电子设备 | |
| CN110503564A (zh) | 基于大数据的保全案件处理方法、***、设备及存储介质 | |
| CN110955770A (zh) | 一种智能对话*** | |
| CN112434501A (zh) | 工单智能生成的方法、装置、电子设备及介质 | |
| CN114860742A (zh) | 基于人工智能的ai客服交互方法、装置、设备及介质 | |
| CN111199473A (zh) | 基于交易记录信息的反作弊方法、装置和*** | |
| CN111309882B (zh) | 用于实现智能客服问答的方法和装置 | |
| CN111739537B (zh) | 语义识别方法、装置、存储介质及处理器 | |
| CN116738293A (zh) | 一种业务评价处理方法、装置及电子设备 | |
| CN111192045A (zh) | 基于交易记录信息的反作弊方法、装置和*** | |
| CN116151840A (zh) | 一种基于大数据的用户服务数据智能管理***及方法 | |
| CN115130756A (zh) | 一种在线服务的管理方法、装置、电子设备及存储介质 | |
| CN113868396A (zh) | 基于知识图谱的任务类智能对话构建方法及*** | |
| CN114239602A (zh) | 会话方法、装置和计算机程序产品 | |
| CN112214506A (zh) | 一种信息采集方法、装置及存储介质 | |
| Ates | Artificial intelligence in banking: A Case Study of the Introduction of a Virtual Assistant into Customer Service | |
| CN113744066B (zh) | 信息推送方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |