【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种信用卡催收方法及装置。
技术介绍
1、近年来，随着信用卡业务的普及，逾期客户数及逾期金额也随之不断增长，信用卡催收工作面临新的挑战。
2、目前，一般依赖于人工执行信用卡催收流程，当客户的信用卡未按时还款，系统会自动发送短信、电话、邮件等方式的提醒。对于某些没有响应自动提醒的客户，银行会安排催收人员进行电话或短信的人工催收。然而，信用卡客户的欠款情况各不相同，催收人员需要逐一了解每个客户的还款能力、历史记录、沟通进展等信息，这需要大量人工操作和数据整合，进而导致信用卡催收效率低下。
3、因此，如何提升信用卡催收效率，成为本领域亟需解决的问题。
技术实现思路
1、本申请提供了一种信用卡催收方法及装置，目的在于提升信用卡催收效率。
2、为了实现上述目的，本申请提供了以下技术方案：
3、一种信用卡催收方法，包括：
4、获取待催收客户的客户信息；
5、将所述待催收客户的客户信息输入至训练好的信用卡催收预测模型中，得到催收成功率；所述训练好的信用卡催收预测模型基于样本客户信息对信用卡催收预测模型训练得到；
6、从催收策略库中筛选出与所述催收成功率对应的催收策略，并标识为目标催收策略；
7、根据所述目标催收策略对所述待催收客户进行信用卡催收。
8、可选的，所述将所述待催收客户的客户信息输入至训练好的信用卡催收预测模型中，得到催收成功率，包括：
9
10、将所述编码后的隐层向量输入至训练好的信用卡催收预测模型的解码模块中，得到携带标签数据的隐层向量；
11、将所述携带标签数据的隐层向量输入至训练好的信用卡催收预测模型的预测模块中，得到催收成功率。
12、可选的，基于样本客户信息对信用卡催收预测模型训练得到所述训练好的信用卡催收预测模型的过程，包括：
13、获取样本客户信息；
14、将所述样本客户信息输入至信用卡催收预测模型中，得到样本催收成功率；
15、计算所述样本催收成功率与样本客户信息对应的实际催收成功率之间的误差，得到损失函数；
16、判断所述损失函数是否收敛；
17、若所述损失函数未收敛，则调整所述信用卡催收预测模型的模型参数，并返回执行将所述样本客户信息输入至信用卡催收预测模型中，得到样本催收成功率这一步骤；
18、若所述损失函数收敛，则将所述信用卡催收预测模型确定为所述训练好的信用卡催收预测模型。
19、可选的，所述获取样本客户信息，包括：
20、从信用卡数据库中筛选出目标客户；
21、从数据库中查询与所述目标客户的个人属性信息和信用卡逾期信息；
22、将所述目标客户的个人属性信息和信用卡逾期信息发送至服务器中，以使所述服务器根据所述目标客户的个人属性信息和信用卡逾期信息生成客户信息；
23、当接收到所述服务器发送的所述客户信息时，对所述客户信息进行数据预处理，得到预处理后的客户信息；
24、利用自编码器对所述预处理后的客户信息进行特征增强，得到样本客户信息。
25、可选的，所述从催收策略库中筛选出与所述催收成功率对应的催收策略，并标识为目标催收策略，包括：
26、从所有催收等级筛选出与所述催收成功率对应的催收等级，并标识为目标催收等级；
27、从催收策略库中筛选出与所述目标催收等级对应的催收策略，并标识为目标催收策略。
28、一种信用卡催收装置，包括：
29、获取单元，用于获取待催收客户的客户信息；
30、预测单元，用于将所述待催收客户的客户信息输入至训练好的信用卡催收预测模型中，得到催收成功率；所述训练好的信用卡催收预测模型基于样本客户信息对信用卡催收预测模型训练得到；
31、筛选单元，用于从催收策略库中筛选出与所述催收成功率对应的催收策略，并标识为目标催收策略；
32、催收单元，用于根据所述目标催收策略对所述待催收客户进行信用卡催收。
33、可选的，所述预测单元具体用于：
34、将所述待催收客户的客户信息输入至训练好的信用卡催收预测模型的编码模块中，得到编码后的隐层向量；
35、将所述编码后的隐层向量输入至训练好的信用卡催收预测模型的解码模块中，得到携带标签数据的隐层向量；
36、将所述携带标签数据的隐层向量输入至训练好的信用卡催收预测模型的预测模块中，得到催收成功率。
37、可选的，所述预测单元具体用于：
38、获取样本客户信息；
39、将所述样本客户信息输入至信用卡催收预测模型中，得到样本催收成功率；
40、计算所述样本催收成功率与样本客户信息对应的实际催收成功率之间的误差，得到损失函数；
41、判断所述损失函数是否收敛；
42、若所述损失函数未收敛，则调整所述信用卡催收预测模型的模型参数，并返回执行将所述样本客户信息输入至信用卡催收预测模型中，得到样本催收成功率这一步骤；
43、若所述损失函数收敛，则将所述信用卡催收预测模型确定为所述训练好的信用卡催收预测模型。
44、可选的，所述预测单元具体用于：
45、从信用卡数据库中筛选出目标客户；
46、从数据库中查询与所述目标客户的个人属性信息和信用卡逾期信息；
47、将所述目标客户的个人属性信息和信用卡逾期信息发送至服务器中，以使所述服务器根据所述目标客户的个人属性信息和信用卡逾期信息生成客户信息；
48、当接收到所述服务器发送的所述客户信息时，对所述客户信息进行数据预处理，得到预处理后的客户信息；
49、利用自编码器对所述预处理后的客户信息进行特征增强，得到样本客户信息。
50、可选的，所述催收单元具体用于：
51、从所有催收等级筛选出与所述催收成功率对应的催收等级，并标识为目标催收等级；
52、从催收策略库中筛选出与所述目标催收等级对应的催收策略，并标识为目标催收策略。
53、本申请提供的技术方案，获取待催收客户的客户信息；将待催收客户的客户信息输入至训练好的信用卡催收预测模型中，得到催收成功率；从催收策略库中筛选出与催收成功率对应的催收策略，并标识为目标催收策略；根据目标催收策略对待催收客户进行信用卡催收。在本申请中，通过信用卡催收预测模型识别高成功率和低成功率的客户，优化了催收策略，并且根据不同客户的催收成功率，采取相应的催收措施，从而减少无效催收，提高整体催收效率。
本文档来自技高网...【技术保护点】
1.一种信用卡催收方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述待催收客户的客户信息输入至训练好的信用卡催收预测模型中，得到催收成功率，包括：
3.根据权利要求1所述的方法，其特征在于，基于样本客户信息对信用卡催收预测模型训练得到所述训练好的信用卡催收预测模型的过程，包括：
4.根据权利要求1所述的方法，其特征在于，所述获取样本客户信息，包括：
5.根据权利要求1所述的方法，其特征在于，所述从催收策略库中筛选出与所述催收成功率对应的催收策略，并标识为目标催收策略，包括：
6.一种信用卡催收装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于，所述预测单元具体用于：
8.根据权利要求6所述的装置，其特征在于，所述预测单元具体用于：
9.根据权利要求6所述的装置，其特征在于，所述预测单元具体用于：
10.根据权利要求6所述的装置，其特征在于，所述催收单元具体用于：
【技术特征摘要】
1.一种信用卡催收方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述待催收客户的客户信息输入至训练好的信用卡催收预测模型中，得到催收成功率，包括：
3.根据权利要求1所述的方法，其特征在于，基于样本客户信息对信用卡催收预测模型训练得到所述训练好的信用卡催收预测模型的过程，包括：
4.根据权利要求1所述的方法，其特征在于，所述获取样本客户信息，包括：
5.根据权利要求1所述的方法，其特...
【专利技术属性】
技术研发人员：殷鹏飞，乔冠峰，吴静，国庆，赵博超，孙美涵，刘晓丽，
申请(专利权)人：中国建设银行股份有限公司河北省分行，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。