(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 202210289589.6 (22)申请日 2022.03.23 (71)申请人 平安普惠企业管理有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 (72)发明人 徐寅磊　 (74)专利代理 机构 深圳市沃德知识产权代理事 务所(普通 合伙) 44347 专利代理师 高杰　于志光 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 40/02(2012.01) G06F 16/35(2019.01) G06K 9/62(2022.01) (54)发明名称 催收案件分配方法、 装置、 设备及计算机可 读存储介质 (57)摘要 本发明涉及人工智能技术， 揭露了一种催收 案件分配方法， 包括： 获取所有待催收案件的案 件信息及催收员集合； 根据案件信息， 利用预构 建的随机森 林分类模型对催收案件进行分级， 得 到催收案件的级别； 综合催收效率及催收金额 率， 得到催收员当天的催收工作效率； 获取待催 收案件对应的催收员的绩效， 基于催收员的绩效 及催收案件对应的级别， 计算待催收案件的预处 理时间； 基于催收案件的级别、 预处理时间、 催收 员当天的催收工作效率分配第二天案件。 此外， 本发明还涉及区块链技术， 案件信息可存储于区 块链的节 点。 本发明还提出一种催收案件分配装 置、 电子设备 以及存储介质。 本发明可 以提高催 收案件分配公平度。 权利要求书3页 说明书11页 附图6页 CN 114626735 A 2022.06.14 CN 114626735 A 1.一种催收案件分配方法， 其特 征在于， 所述方法包括： 获取所有待催收案件的案件信息及催收员集 合； 根据所述案件信息， 利用预构建的随机森林分类模型对所述待催收案件进行分级， 得 到所述待催收案件的级别； 获取所述催收员集合中每个催收员当天的工作量， 计算每个催收员的当天的催收效 率， 获取所述催收员集合中每个催收员当天的催收金额， 计算每个催收员当天的催收金额 率， 并综合所述催收效率及所述催收金额 率， 得到所述催收员当天的催收工作效率； 获取所述待催收案件对应的催收员的绩效， 基于所述催收员的绩效及所述待催收案件 对应的级别， 计算所述待催收案件的预处 理时间； 基于所述待催收案件的级别、 所述预处理时间、 所述催收员当天的催收工作效率分配 第二天案件。 2.如权利要求1所述的催收案件分配方法， 其特征在于， 所述获取所有待催收案件的案 件信息， 包括： 接收催收案件分配请求， 查询预设信贷数据库， 获取具有逾期标识 的信贷案件及所述 信贷案件的逾期时间； 将所述逾期时间超过预设时间阈值的所有信贷案件作为所述待催收案件分配请求对 应的所有 待催收案件； 从所述预设信贷数据库中获取所述所有带催收案件的案件信 息， 其中所述案件信 息包 括所述待催收案件 对应的催收额度、 催收次数、 逾期时间、 对应的催收员及客户信用评分。 3.如权利要求1所述的催收案件分配方法， 其特征在于， 所述根据所述案件信息， 利用 预构建的随机森林分类模型对所述待催收案件进行分级， 得到所述待催收案件的级别， 包 括： 对所述案件信息进行分词量 化处理， 得到案件信息文本向量 集； 获取所述随机森林分类模型中的所有决策树及每个决策树中至少一层节点的决策维 度索引和决策 条件； 根据所述随机森林分类模型中第 一节点的决策维度索引， 对所述案件信 息文本向量集 进行特征提取， 得到所述案件信息文本向量 集在所述第一节点的分裂维度上的特 征值； 根据所述第 一节点的决策条件对所述特征值进行判断， 根据判断结果从所述第 一节点 的分支节点中确定遍历的第二节点； 根据当前 决策维度索引和决策条件， 继续提取所述案件信 息文本向量集在所述第 二节 点的特征值并确定待遍历的下一节点， 直至所述决策树遍历完成， 得到所述待催收案件的 级别。 4.如权利要求1所述的催收案件分配方法， 其特征在于， 所述获取所述催收员集合中每 个催收员当天的工作量， 计算每 个催收员的当天的催收效率， 包括： 在预设的时间从所述预设信贷数据库中获取当天待处理案件的总数量， 统计所述催收 员集合中每个催收员当天的工作量； 利用所述当天待处理案件的总数量及所述每个催收员当天的工作量， 计算每个催收员 的当天的催收效率。 5.如权利要求1所述的催收案件分配方法， 其特征在于， 所述基于所述催收员的绩效及权　利　要　求　书 1/3 页 2 CN 114626735 A 2所述待催收案件 对应的级别， 计算所述待催收案件的预处 理时间， 包括： 获取所述待催收案件 对应的级别， 统计所述级别催收案件的第一预处 理时间； 提取所述催收员的绩效的一件案件所需的平均处 理时间， 得到第二预处 理时间； 对所述第一预处理时间及所述第二预处理时间进行加权平均得到所述待催收案件的 预处理时间。 6.如权利要求1至5中任一项所述的催收案件分配方法， 其特征在于， 所述基于所述待 催收案件的级别、 所述预处理时间、 所述催收员 当天的催收工作效率分配第二天案件， 包 括： 从所述预设信贷数据库中获取第 二天待处理案件， 基于所述待催收案件的级别及所述 预处理时间， 对所述第二天待处 理案件进行排序， 得到催收案件列队； 按照所述催收员当天的催收工作效率的比例， 对所述待催收案件列队进行分配。 7.如权利要求1所述的催收案件分配方法， 其特征在于， 所述根据所述案件信息， 利用 预构建的随机森林分类模型对所述待催收案件进行分级， 得到所述待催收案件的级别之 前， 所述方法还 包括： 分别对所述案件信 息中的所述催收额度、 所述催收次数、 所述逾期时间、 及所述客户信 用评分进行分词量化处理， 得到催收额度文本向量集、 催收次数文本向量集、 逾期时间文本 向量集及客户信用评分文本向量 集； 分别从所述催收额度文本向量集、 所述催收次数文本向量集、 所述逾期时间文本向量 集及所述客户信用评分文本向量集中逐个选取其中一个催收额度文本向量、 催收次数文本 向量、 逾期时间文本向量及客户信用评 分文本向量， 作为目标催收额度文本向量、 目标催收 次数文本向量、 目标逾期时间文本向量及目标客户信用评分文本向量； 将所述目标催收额度文本向量作为参数对预设的决策函数进行赋值， 并利用赋值后的 决策函数作为决策 条件， 生成催收额度决策树； 将所述目标催收次数文本向量作为参数对预设的决策函数进行赋值， 并利用赋值后的 决策函数作为决策 条件， 生成催收次数决策树； 将所述目标逾期时间文本向量作为参数对预设的决策函数进行赋值， 并利用赋值后的 决策函数作为决策 条件， 生成逾期时间决策树； 将所述目标客户信用评分文本向量作为参数对预设的决策函数进行赋值， 并利用赋值 后的决策函数作为决策 条件， 生成客户信用评分决策树； 汇总所述催收额度决策树、 所述催收次数决策树、 所述逾期时间决策树及所述客户信 用评分决策树， 得到所述随机森林分类模型。 8.一种催收案件分配装置， 其特 征在于， 所述装置包括： 待催收案件获取模块， 用于获取 所有待催收案件的案件信息及催收员集 合； 分级模块， 用于根据所述案件信息， 利用预构建的随机森林分类模型对所述待催收案 件进行分级， 得到所述待催收案件的级别； 催收工作效率生成模块， 用于获取所述催收员集合中每个催收员当天的工作量， 计算 每个催收员的当天的催收效率， 获取所述催收员集合中每个催收员当天的催收金额， 计算 每个催收员当天的催收金额率， 并综合所述催收效率及所述催收金额率， 得到所述催收员 当天的催收工作效率；权　利　要　求　书 2/3 页 3 CN 114626735 A 3