支付催办方法和装置、电子设备及存储介质与流程

    专利查询2025-02-26  11


    本申请涉及人工智能,尤其涉及一种支付催办方法和装置、电子设备及存储介质。


    背景技术:

    1、目前,支付催办方法主要是通过业务经理对业务人员进行分配催办案件,并通过业务人员对分配到的催办案件的支付方进行催办。但是,这种方法是基于人工对催办案件进行分配与催办,使得催办过程中出现催办案件分配不及时或业务人员无法对支付方进行催办的情况,导致支付催办的效率低下,如何提高支付催办效率成为亟需解决的问题。


    技术实现思路

    1、本申请实施例的主要目的在于提出一种支付催办方法和装置、电子设备及存储介质,旨在提高支付催办的效率。

    2、为实现上述目的,本申请实施例的第一方面提出了一种支付催办方法,所述方法包括:

    3、获取支付方数据,并获取催办方数据;其中,所述催办方数据包括候选催办对象;

    4、根据预训练的分类模型从所述支付方数据筛选出目标数据;其中,所述目标数据包括目标对象;

    5、对所述目标对象进行聚类处理,得到所述目标对象的催办难度;

    6、根据所述催办难度从所述候选催办对象中选取出目标催办对象;

    7、通过所述目标催办对象对所述目标对象进行催办。

    8、在一些实施例,所述根据预训练的分类模型从所述支付方数据筛选出目标数据,包括:

    9、获取训练前的初始分类模型,以及获取所述支付方数据对应的真实分类标签;

    10、利用所述初始分类模型对所述支付方数据进行特征提取,得到支付方特征;

    11、根据所述支付方特征对所述支付方数据的所属支付方类别进行预测,得到预测支付方类别;

    12、计算所述预测支付方类别及所述真实分类标签之间的残差;

    13、根据所述残差计算所述支付方特征的梯度估计值;

    14、根据所述梯度估计值对所述初始分类模型进行训练,得到所述预训练的分类模型;

    15、根据所述预训练的分类模型对所述支付方数据的所属支付方类别进行最终预测,输出支付方分类结果;其中,所述支付方分类结果用于表示支付方的支付催办风险等级;

    16、根据所述支付方分类结果从所述支付方数据中筛选出所述目标数据。

    17、在一些实施例,所述支付方特征包括支付方类别特征及组合类别特征;所述利用所述初始分类模型对所述支付方数据进行特征提取,得到支付方特征,包括:

    18、利用所述初始分类模型对所述支付方数据进行初始特征提取,得到支付方类别特征;所述支付方类别特征用于表示离散的支付方类别特征;

    19、将所述支付方类别特征转换为数值类别特征;所述数值类别特征用于表示数值型的支付方类别特征;

    20、识别所述支付方类别特征之间的关联关系;

    21、根据所述关联关系将所述支付方类别特征之间进行组合,得到组合类别特征。

    22、在一些实施例,所述根据所述预训练的分类模型对所述支付方数据的所属支付方类别进行最终预测,输出支付方分类结果,包括:

    23、遍历所述分类模型中分类树的每个叶子节点,得到每个所述叶子节点输出的支付方数据所属的支付方类别的类别评分;所述叶子节点存储所述支付方数据及所述支付方数据所属的支付方类别的类别评分;

    24、根据所述类别评分对所述支付方数据的所属支付方类别进行最终预测,输出所述支付方分类结果。

    25、在一些实施例,所述对所述目标对象进行聚类处理,得到所述目标对象的催办难度,包括:

    26、获取所述目标对象的聚类数量,以及获取所述目标对象的聚类分布参数;

    27、根据所述聚类数量及所述聚类分布参数计算所述目标对象的聚类分布概率;

    28、根据所述聚类分布概率确定所述目标对象的催办难度。

    29、在一些实施例,所述根据所述聚类数量及所述聚类分布参数计算所述目标对象的聚类分布概率,包括:

    30、根据所述聚类数量及所述聚类分布参数计算所述目标对象的初始分布概率;

    31、根据初始分布概率优化所述目标对象的聚类分布参数,得到优化聚类分布参数;

    32、根据所述聚类数量及所述优化聚类分布参数计算所述目标对象的聚类分布;所述聚类分布概率用于表示所述目标对象所属的聚类类别的最大概率。

    33、在一些实施例,所述根据所述催办难度从所述候选催办对象中选取出目标催办对象,包括:

    34、根据预设的催办能力指标对所述候选催办对象进行催办能力评分,得到初始能力分数;

    35、获取所述催办能力指标的指标权重;

    36、根据所述指标权重对所述初始能力分数进行加权操作,得到目标能力分数;

    37、根据所述催办难度及所述目标能力分数从所述候选催办对象中选取出所述目标催办对象。

    38、为实现上述目的,本申请实施例的第二方面提出了一种支付催办装置,所述装置包括:

    39、支付催办数据获取模块,用于获取支付方数据,并获取催办方数据;其中,所述催办方数据包括候选催办对象;

    40、支付方筛选模块,用于根据预训练的分类模型从所述支付方数据筛选出目标数据;其中,所述目标数据包括目标对象;

    41、支付方聚类模块,用于对所述目标对象进行聚类处理,得到所述目标对象的催办难度;

    42、催办对象选取模块,用于根据所述催办难度从所述候选催办对象中选取出目标催办对象;

    43、支付催办模块,用于通过所述目标催办对象对所述目标对象进行催办。

    44、为实现上述目的,本申请实施例的第三方面提出了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的方法。

    45、为实现上述目的,本申请实施例的第四方面提出了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的方法。

    46、本申请提出的支付催办方法和装置、电子设备及存储介质,其通过获取支付方数据,并获取催办方数据;其中,催办方数据包括候选催办对象;根据预训练的分类模型从支付方数据筛选出目标数据;其中,目标数据包括目标对象;对目标对象进行聚类处理,得到目标对象的催办难度;根据催办难度从候选催办对象中选取出目标催办对象;通过目标催办对象对目标对象进行催办。本申请通过对支付方进行筛选和聚类,可以根据催办难度将支付方进行分类,便于针对不同的支付方筛选出对应的催办方,能够实现针对不同催办难度的支付方匹配对应的催办方进行催办,有效避免了人工在催办过程中出现催办不及时或业务人员无法对支付方进行催办的情况,从而提高了支付催办的效率。



    技术特征:

    1.一种支付催办方法,其特征在于,所述方法包括:

    2.根据权利要求1所述的方法,其特征在于,所述根据预训练的分类模型从所述支付方数据筛选出目标数据,包括:

    3.根据权利要求2所述的方法,其特征在于,所述支付方特征包括支付方类别特征及组合类别特征;

    4.根据权利要求2所述的方法,其特征在于,所述根据所述预训练的分类模型对所述支付方数据的所属支付方类别进行最终预测,输出支付方分类结果,包括:

    5.根据权利要求1所述的方法,其特征在于,所述对所述目标对象进行聚类处理,得到所述目标对象的催办难度,包括:

    6.根据权利要求5所述的方法,其特征在于,所述根据所述聚类数量及所述聚类分布参数计算所述目标对象的聚类分布概率,包括:

    7.根据权利要求1至6任一项所述的方法,其特征在于,所述根据所述催办难度从所述候选催办对象中选取出目标催办对象,包括:

    8.一种支付催办装置,其特征在于,所述装置包括:

    9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的支付催办方法。

    10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的支付催办方法。


    技术总结
    本申请实施例提供了一种支付催办方法和装置、电子设备及存储介质,属于人工智能技术领域。该方法包括:获取支付方数据和催办方数据;催办方数据包括候选催办对象;根据分类模型从支付方数据筛选出目标数据;其中,目标数据包括目标对象;对目标对象进行聚类处理,得到目标对象的催办难度;根据催办难度从候选催办对象中选取出目标催办对象;通过目标催办对象对目标对象进行催办。本申请实施例能够通过对支付方进行筛选和聚类,可以根据催办难度将支付方进行分类,实现针对不同催办难度的支付方匹配对应的催办方进行催办,有效避免了人工在催办过程中出现催办不及时或业务人员无法对支付方进行催办的情况,从而提高了支付催办的效率。

    技术研发人员:熊嘉娜,田鸥
    受保护的技术使用者:平安银行股份有限公司
    技术研发日:
    技术公布日:2024/11/26
    转载请注明原文地址:https://tc.8miu.com/read-26086.html

    最新回复(0)