[發明專利]逾期借款催收方式的推薦方法、裝置、介質、電子設備

在審

• 申請號: 201910167640.4
• 申請日: 2019-03-06
• 公開（公告）號: CN110033165A
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 張鋒;劉驥;劉玉強;金明;李雯;葉素蘭
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q40/02
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美

1.一種逾期借款催收方式的推薦方法，其特征在于，包括：

獲取逾期借款客戶的個人基本數據和借款狀態數據；

對逾期借款客戶的個人基本數據和借款狀態數據進行無量綱化處理，以得到逾期借款客戶的催收參考數據；

將逾期借款客戶的催收參考數據輸入機器學習模型，由機器學習模型輸出逾期借款客戶的催收參考分數；

基于逾期借款客戶的催收參考分數，為客戶分配催收方式標簽。

2.根據權利要求1所述的方法，其特征在于，對逾期借款客戶的個人基本數據和借款狀態數據進行無量綱化處理可以是通過極值化方法來完成的。

3.根據權利要求1所述的方法，其特征在于，對逾期借款客戶的個人基本數據和借款狀態數據進行無量綱化處理可以是通過標準化方法來完成的。

4.根據權利要求1所述的方法，其特征在于，對逾期借款客戶的個人基本數據和借款狀態數據進行無量綱化處理可以是通過均值化方法來完成的。

5.根據權利要求1所述的方法，其特征在于，對逾期借款客戶的個人基本數據和借款狀態數據進行無量綱化處理可以是通過標準差化方法來完成的。

6.根據權利要求1所述的方法，其特征在于，所述催收參考數據包括第一催收參考數據和第二催收參考數據，其中，第一催收參考數據是由所述個人基本數據進行無量綱化處理而得到的，第二催收參考數據是由所述借款狀態數據進行無量綱化處理而得到的。

7.根據權利要求6所述的方法，其特征在于，所述機器學習模型包括第一機器學習模型和第二機器學習模型，

所述將逾期借款客戶的催收參考數據輸入機器學習模型，由機器學習模型輸出逾期借款客戶的催收參考分數，包括：

將第一催收參考數據輸入第一機器學習模型，由第一機器學習模型輸出逾期借款客戶的第一催收參考分數；

將第二催收參考數據輸入第二機器學習模型，由第二機器學習模型輸出逾期借款客戶的第二催收參考分數；

將所述第一催收參考分數和第二催收參考分數的加權和作為逾期借款客戶的催收參考分數。

8.一種逾期借款催收方式的推薦裝置，其特征在于，所述裝置包括:

獲取模塊，用于獲取逾期借款客戶的個人基本數據和借款狀態數據；

無量綱化處理模塊，用于對逾期借款客戶的個人基本數據和借款狀態數據進行無量綱化處理；

輸出模塊，用于輸出逾期借款客戶的催收參考分數；

分配模塊，用于為客戶分配催收方式標簽。

9.一種計算機可讀程序介質，其特征在于，其存儲有計算機程序指令，當所述計算機程序指令被計算機執行時，使計算機執行根據權利要求1至7中任一項所述的方法。

10.一種逾期借款催收方式的推薦電子設備，其特征在于，所述電子設備包括：

處理器；

存儲器，所述存儲器上存儲有計算機可讀指令，所述計算機可讀指令被所述處理器執行時，實現如權利要求1至7任一項所述的方法。