(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211018187.9 (22)申请日 2022.08.24 (71)申请人 上海恒格信息科技有限公司 地址 201203 上海市浦东 新区中国 （上海） 自由贸易试验区芳春 路400号1幢301- 90室 (72)发明人 万军民　江渔剑　芮剑平　 (74)专利代理 机构 上海索源知识产权代理有限 公司 31431 专利代理师 童世梅 (51)Int.Cl. G06F 40/279(2020.01) G06F 40/205(2020.01) G06F 40/35(2020.01) G06F 16/35(2019.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于中心句识别和Bert意图识别的智能催 收辅助系统 (57)摘要 本发明涉及智能催收技术领域， 尤其涉及基 于中心句识别和Bert意图识别的智能催收辅助 系统。 其主要针对现有的电话催收效率低下， 催 收效果差的问题， 提出如下技术方案： 其中催收 系统为外呼系统， 通过该界面与客户持续通话， 同时显示催收员和客户的标签； 智能催收辅助系 统包括标准句管理模块、 意图管理模块、 知识库 管理模块、 标签管理模块、 意图关联模块和会话 小结管理模块。 本发明为催收辅助支撑系统， 可 提高催收成交率， 自动填写客户标签和自动生成 客户会话小结， 提升客户体验， 增加催收收入； 主 要应用于还款催收的智能催收。 权利要求书2页 说明书7页 附图3页 CN 115392233 A 2022.11.25 CN 115392233 A 1.基于中心句识别和Bert意图识别的智能催收辅助系统， 其中辅助系统可实现坐席端 基于语义的实时外呼分析， 构建客户坐席对话数据与 催收策略分析闭环； 其特征在于： 包括 标准句管理模块、 意图管理模块、 知识库管理模块、 标签管理模块、 意图关联模块和会话小 结管理模块； 所述标准句管理模块 不同细分意图的标准句显示； 所述意图管理包 含模型管理和正则管理； 所述知识库管理模块用于对不同的意图进行优选话 术配置； 所述标签管理模块用于修改通过意图关联自动 填充的标签， 根据会话内容手动 填充预 制标签的内容； 所述意图关联模块用于增删改查意图与客户预制标签之间的关联关系、 导入意图与客 户预制标签之间的关联关系； 所述会话小结 管理模块用于生成催收会话的小结。 2.根据权利要求1所述的基于中心句识别和Bert意图识别的智能催收辅助系统， 其特 征在于， 所述模型管理包含模型训练、 模型测试和模型发布； 所述模 型管理用于监控模型的 状态以及调用模型； 所述正则管理包括词槽、 规则、 模型配置； 所述正则管理用于配置模型漏检的句式、 词 槽； 配置句式 中的词槽内容； 配置违规 规则； 配置合 规规则。 3.根据权利要求1所述的基于中心句识别和Bert意图识别的智能催收辅助系统， 其特 征在于， 所述知识库管理模块主要内容包括催收案件类型的选择、 意图类别设置、 知识库编 码设置、 知识库名称显示以及显示 顺序设置 。 4.根据权利要求1所述的基于中心句识别和Bert意图识别的智能催收辅助系统， 其特 征在于， 所述标签管理模块还包含是否转售、 提供其他联系 方式、 是否有还款意向、 还款方 案要求、 延滞期数、 投诉点、 风险点、 挂断节点以及是否 本人标签。 5.根据权利要求1所述的基于中心句识别和Bert意图识别的智能催收辅助系统， 其特 征在于， 所述 意图关联 管理模块还用于设置意图与客户预制标签之间的关联关系。 6.根据权利要求1所述的基于中心句识别和Bert意图识别的智能催收辅助系统， 其特 征在于， 所述会话小 结模块包含案件类型选择、 会话模板选择以及 会话模板名称； 所述会话 小结模块还用于增加、 删除会话模型； 设置会话模板的句式、 标签； 修改自动生成的会话小 结； 手动填写会话小结。 7.一种根据权利要求1 ‑6任一项所述的基于 中心句识别和Bert意图识别的智能催收辅 助系统的实现方法， 其特 征在于， 包括以下处 理步骤： S1、 通过催收系统中客户数据进行 标注， 并定义催收文本类别； S2、 催收文本的词向量进行聚类文本， 细分文本类别； S3、 通过TextRan k生成细分类别的标准句； S4、 获取标准句后， 在线判别是否为文本中心句； S5、 训练Bert模型， 并补充漏检规则、 违规、 合规规则优化模型， 判别是否为文本中心 句， 加载模型对文本中心句进行意图识别； S6、 自动显示催收优选话 术； S7、 自动生成会话小结。权　利　要　求　书 1/2 页 2 CN 115392233 A 28.根据权利要求7所述的基于中心句识别和Bert意图识别的智能催收辅助系统 的实现 方法， 其特征在于， 所述S1包括收集客户的催收历史数据； 将客户的意图分为闲聊、 不方便 接听、 同意还款多个意图； 根据客户催收历史数据， 以及定义的意图， 人工标注数据； 所述S2包括提取标注数据中同类型的意图； 对该意图每个的句子进行分词、 去除停用 词、 词向量， 得到句向量； 利用每个的句子句向量， Kmeans进 行文本聚类， 得到意图问句的细 分类别； 根据文本的分布情况， 选取合 适的细分类别的取值； 所述S3包括针对每个细分意图类别的句向量， TextRank进行句子抽取； 利用TextRank 算法， 将文本数据作为图的节点， 文本与文本之间的相似度作为邻接矩阵； 利用某个句子的 价值是由链接到这个句子的每个句子的价值和对应的权重决定的原则筛选出最能代表这 个细分类别的10个标准问句； 保存标准句的句向量到数据库； 所述S4包括进行模型判别和不进行模型判别两种方式： 不进行模型判别： 在客户的对 话内容中含有关键词的， 作为文本中心句； 进行模型判别： 调取细分类别的标准问句， 将该 句的句向量与标准问句 计算相似度， 如果存在高于阈值的标准问句， 则该句被认定为文本 中心句； 所述S5训练模型及优选包含： 字向量、 词嵌入、 双向长短记忆网络模型； 词向量、 词嵌 入、 双向长短记忆网络模 型； 基于AlBert预训练的微调深度模 型； 基于Bert预训练的微调深 度模型； 补充漏检规则、 违规合规规则包括： 带有明显规律的句式使用规则， 判定所属类别， 即 漏检规则； 模型判别后需要经验的违规和合 规判别， 优化模型 结果， 即违规 合规规则； 违约规则配置： 如果命中， 需要保留； 未命中， 需要排除； 合规规则配置： 如果命中， 需要排除； 未命中， 需要保留； 加载模型， 文本中心句意图识别催收过程中自动识别客户的回答是否为文本中心句， 如果是文本中心句， 自动加载优选模型及漏检规则、 违规 合规规则， 判别意图类别； 所述S6用于在知识库配置模块中， 配置意图对应话术； 检出意图标签后， 自动显示催收 优选话术； 所述S7用于配置根据标签生成会话小结需要的会话模板； 客户标签、 会话模板自动生 成会话小结。权　利　要　求　书 2/2 页 3 CN 115392233 A 3