[發明專利]基于人工智能的違規行為檢測方法、裝置、設備及介質

有效

• 申請號: 202111148139.7
• 申請日: 2021-09-29
• 公開（公告）號: CN113903363B
• 公開（公告）日: 2023-02-28
• 發明（設計）人: 羅國輝;許海金;李海鵬;羅芳;韋亞雄;劉申云;鄭立君
• 申請（專利權）人: 平安銀行股份有限公司
• 主分類號: G10L25/63
• 分類號: G10L25/63;G10L15/26;G10L15/04;G10L25/51;G10L17/02
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及人工智能領域，揭露一種基于人工智能的違規行為檢測方法，包括：分別獲取催收方和債務方的催收語音和催收文本，對催收語音進行分幀處理，得到多段分幀語音，檢測每段分幀語音的分幀情緒，以識別債務方的情緒狀態；將催收語音轉換為語音文本，分別對語音文本和催收文本進行敏感詞檢測，以識別催收方的催收狀態；采集催收方的歷史催收記錄，根據歷史催收記錄，創建催收方的催收標簽；根據債務方的情緒狀態、催收方的催收狀態及催收標簽，對催收方進行違規催收評分，以識別催收方是否具有違規行為，得到催收方的催收檢測結果。此外，本發明還涉及區塊鏈技術，所述違規催收評分可存儲區塊鏈。本發明可以提高違規催收的檢測效率。

技術領域

本發明涉及人工智能領域，尤其涉及一種基于人工智能的違規行為檢測方法、裝置、 電子設備及計算機可讀存儲介質。

背景技術

目前，違規催收的檢測通常是基于人工抽檢一些催收通話或短信，以判斷該錄音或短 信是否存在違規催收的行為，但是催收通話、短信等的數量非常龐大，如果通過人工進行 檢查會產生巨大的工作量，從而會影響違規催收的檢測效率。

發明內容

本發明提供一種基于人工智能的違規行為檢測方法、裝置、電子設備及計算機可讀存 儲介質，其主要目的在于提高違規催收的檢測效率。

為實現上述目的，本發明提供的一種基于人工智能的違規行為檢測方法，包括：

分別獲取催收方和債務方的催收語音和催收文本，對所述催收語音進行分幀處理，得 到多段分幀語音，并利用情緒檢測模型檢測每段所述分幀語音的分幀情緒，得到多個分幀 語音情緒，根據所述多個分幀語音情緒，識別所述債務方的情緒狀態；

利用語音識別模型將所述催收語音轉換為語音文本，分別對所述語音文本和所述催收 文本進行敏感詞檢測，以識別所述催收方的催收狀態；

采集所述催收方的歷史催收記錄，根據所述歷史催收記錄，創建所述催收方的催收標 簽；

根據所述債務方的情緒狀態、所述催收方的催收狀態及催收標簽，利用違規催收評分 機制對所述催收方進行違規催收評分，以識別所述催收方是否具有違規行為，得到所述催 收方的催收檢測結果。

可選地，所述利用情緒檢測模型檢測每段所述分幀語音的分幀情緒，得到多個分幀語 音情緒，包括：

利用所述情緒檢測模型中的聲紋識別網絡識別每段所述分幀語音的債務方聲紋，得到 多個債務方聲紋；

利用所述情緒檢測模型中的聲紋提取網絡提取每個所述債務方聲紋的頻譜特征，得到 多個頻譜特征；

利用所述情緒檢測模型中的情感識別網絡檢測每個所述頻譜特征的情感特征，得到多 個分幀語音情緒。

可選地，所述利用所述情緒檢測模型中的聲紋識別網絡識別每段所述分幀語音的債務 方聲紋，得到多個債務方聲紋，包括：

利用所述聲紋識別網絡中的卷積層對每段所述分幀語音進行特征提取，得到多個特征 語音；

利用所述聲紋識別網絡中的池化層對每個所述特征語音進行降維，得到多個降維語音；

利用所述聲紋識別網絡中的激活函數計算每個所述降維語音的聲紋類別概率；

根據所述聲紋類別概率，利用所述聲紋識別網絡中的全連接層輸出每段所述分幀語音 的債務方語音，得到多個債務方聲紋。

可選地，所述利用所述情緒檢測模型中的聲紋提取網絡提取每個所述債務方聲紋的頻 譜特征，得到多個頻譜特征，包括：

利用所述聲紋提取網絡中的頻域轉換函數將每個所述債務方聲紋進行信號頻域轉換， 得到多個頻域聲紋；