技术领域
[0001] 本
申请涉及语音
信号处理技术领域，尤其涉及一种基于智能语音的账款催收方法、装置、设备和存储介质。
背景技术
[0002] 随着国民经济稳步发展，信用卡等金融信贷技术已经步入规模化发展的阶段。为了在激烈的市场竞争中生存，各种
银行等信贷机构在追求客户规模的大比例增长的同时，也在
力求提升服务
质量，减少逾期坏账。目前国内征信制度存在较多
缺陷，导致不良账款居高不下。
[0003] 而传统的账务款项催收方式主要是通过人工加系统自动处理的方式交互完成催收作业。在整个催收流程中，有短信催收、电话催收、信函催收、司法催收、委外催收等多个手段，系统自动催收只是辅助催收的手段之一，导致在整个催收流程中，沟通渠道较为单一，催收时间的管理较松散，人性化程度较低，不能顾及被催收客户的感受，影响用户体验，耗费了大量的人力且催收效率低。
发明内容
[0004] 有鉴于此，有必要针对现有账款催收，沟通渠道较为单一，催收时间的管理较松散，人性化程度较低，不能顾及被催收客户的感受，影响用户体验，耗费了大量的人力且催收效率低的问题，提供一种基于智能语音的账款催收方法、装置、设备和存储介质。
[0005] 一种基于智能语音的账款催收方法，包括如下步骤：
[0006] 接收账款催收
请求，从所述账款催收请求中提取催收对象的基本信息，根据获取的所述催收对象的基本信息生成对应的账款催收任务清单；
[0007] 提取所述账款催收任务清单中的任一所述催收对象的基本信息中的联系信息，根据所述催收对象的联系信息拨叫所述催收对象，并根据所述催收对象的客户等级对应的催收策略，生成智能语音催收信息与所述催收对象进行智能语音通话；
[0008] 接收所述催收对象的按键反馈信息，根据智能语音通话中所述催收对象的语音通话信息和所述按键反馈信息，分析所述催收对象在智能语音通话中的情绪；
[0009] 根据所述催收对象的情绪分析的结果，对所述智能语音催收信息进行调整；
[0010] 催收结束后，汇总催收过程中产生的所有催收数据信息，对下次催收进行趋势预测，并将所述趋势预测的结果导入到所述催收对象对应的催收策略中，作为下次催收时的依据。
[0011] 在其中一个可能的
实施例中，所述接收账款催收请求，从所述账款催收请求中提取催收对象的基本信息，根据获取的所述催收对象的基本信息生成对应的账款催收任务清单，包括：
[0012] 建立与上级平台的连接，接收所述上级平台的账款催收请求；
[0013] 提取所述账款催收请求中的所有催收对象的基本信息和账款催收等级信息；
[0014] 根据所述账款催收的等级信息将账款催收对象进行分级排序；
[0015] 根据所述分级排序的结果和所述催收对象的基本信息生成对应的账款催收任务清单。
[0016] 在其中一个可能的实施例中，所述提取所述账款催收任务清单中的任一所述催收对象的基本信息中的联系信息，根据所述催收对象的联系信息拨叫所述催收对象，并根据所述催收对象的客户等级对应的催收策略，生成智能语音催收信息与所述催收对象进行智能语音通话，包括：
[0017] 提取所述账款催收任务清单中的任一所述催收对象的基本信息中的联系信息；
[0018] 建立与电话拨叫中心的连接，通过所述电话拨叫中心拨叫所述催收对象；
[0019] 拨通所述催收对象后，调用预设的客户等级表获取当前拨通的所述催收对象对应的客户等级，所述客户等级表中存储有催收对象和其对应的客户等级；
[0020] 根据所述催收对象的客户等级调取预设的与所述客户等级对应的催收策略，并提取所述催收策略中的催收文本；
[0021] 通过文本语音转换引擎将所述催收文本中的文本数据转换为语音后生成智能语音催收信息与所述催收对象进行智能语音通话。
[0022] 在其中一个可能的实施例中，所述接收所述催收对象的按键反馈信息，根据智能语音通话中所述催收对象的语音通话信息和所述按键反馈信息，分析所述催收对象在智能语音通话中的情绪，包括：
[0023] 通过智能语音催收信息向所述催收对象发出针对本次催收的催收评价请求；
[0024] 接收所述催收对象针对所述催收评价请求的按键反馈信息；
[0025] 通过文本语音转换引擎将所述催收对象的语音通话信息转换为文本数据；
[0026] 调用AI语义分析引擎，将所述文本数据作为入参通过所述AI语义分析引擎进行所述催收对象的语义解析，所述语义解析通过基于LSTM长短记忆神经网络的语音分类器实现；
[0027] 根据所述语义解析的结果，综合所述催收对象的按键反馈信息，对所述催收对象进行情绪分析，分析所述催收对象在智能语音通话中的情绪。
[0028] 在其中一个可能的实施例中，所述催收结束后，汇总催收过程中产生的所有催收数据信息，对下次催收进行趋势预测，并将所述趋势预测的结果导入到所述催收对象对应的催收策略中，作为下次催收时的依据，包括：
[0029] 接收催收结束的信息；
[0030] 提取催收过程中产生的所有催收数据信息的关键数据；
[0031] 将所述关键数据导入到预设的催收列表中；
[0032] 获取预设的数据提取的开始时刻，根据所述数据提取的开始时刻，从所述催收列表中提取每一条从所述开始时刻至最新一次催收结束时刻的催收数据记录；
[0033] 根据所述催收数据记录绘制催收数据曲线图，所述催收数据曲线图以时间为横坐标、以所述催收数据为纵坐标；
[0034] 应用趋势预测
算法对所述催收数据曲线图进行趋势预测，将预测结果导入到所述催收对象对应的催收策略中，作为下次针对所述催收对象的智能语音催收信息的生成依据。
[0035] 在其中一个可能的实施例中，所述建立与电话拨叫中心的连接，通过所述电话拨叫中心拨叫所述催收对象之后，包括对未拨通所述催收对象的情况进行处理，具体包括：
[0036] 当未拨通所述催收对象，继续拨叫所述催收对象；
[0037] 当拨叫次数达到预设的
阈值，仍没有拨通所述催收对象，则停止对当前催收对象的拨叫，并按照预设的标记规则对所述催收对象进行标记，转至处理下一条账款催收请求。
[0038] 在其中一个可能的实施例中，所述应用趋势预测算法对所述催收数据曲线图进行趋势预测，将预测结果导入到所述催收对象对应的催收策略中，作为下次针对所述催收对象的智能语音催收信息的生成依据，包括：
[0039] 获取所述催收数据曲线图中任意两个相邻的数据，计算所述两个相邻的数据的数据平均值，绘制数据平均值曲线；
[0040] 将所述数据平均值曲线中的时间t的数据平均值入参到一次平滑算法公式中进行趋势预测，计算公式为：
[0041] yt＝axt+(1-a)yt-1，
[0042] 其中，
[0043] yt为时间t的平滑值，t为自然数，
[0044] xt为时间t的数据平均值，
[0045] yt-1为时间t-1的平滑值，
[0046] a为平滑常数，其取值范围为[0.5，1]；
[0047] 将出参的预测结果yt导入到所述催收数据曲线图中，根据最小二乘法做所述催收数据曲线图的趋势线，若所述趋势线的斜率大于预设阈值则重新进行趋势预测，否则将预测结果导入到所述催收对象对应的催收策略中，作为下次针对所述催收对象的智能语音催收信息的生成依据。
[0048] 基于相同的构思，本申请还提出一种基于智能语音的账款催收装置，包括如下模
块：
[0049] 获取模块，设置为接收账款催收请求，从所述账款催收请求中提取催收对象的基本信息，根据获取的所述催收对象的基本信息生成对应的账款催收任务清单；
[0050] 语音催收模块，设置为提取所述账款催收任务清单中的任一所述催收对象的基本信息中的联系信息，根据所述催收对象的联系信息拨叫所述催收对象，并根据所述催收对象的客户等级对应的催收策略，生成智能语音催收信息与所述催收对象进行智能语音通话；
[0051] 分析模块，设置为接收所述催收对象的按键反馈信息，根据智能语音通话中所述催收对象的语音通话信息和所述按键反馈信息，分析所述催收对象在智能语音通话中的情绪；
[0052] 调整模块，设置为根据所述催收对象的情绪分析的结果，对所述智能语音催收信息进行调整；
[0053] 预测模块，设置为催收结束后，汇总催收过程中产生的所有催收数据信息，对下次催收进行趋势预测，并将所述趋势预测的结果导入到所述催收对象对应的催收策略中，作为下次催收时的依据。
[0054] 基于相同的构思，本申请还提出一种计算机设备，所述计算机设备包括
存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被一个或多个所述处理器执行时，使得一个或多个所述处理器执行上述基于智能语音的账款催收方法的步骤。
[0055] 基于相同的构思，本申请还提出一种存储介质，所述存储介质可被处理器读写，所述存储介质上存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个所述处理器执行上述基于智能语音的账款催收方法的步骤。
[0056] 与
现有技术相比，本申请中，根据催收对象的客户等级对应的催收策略，生成智能语音催收信息与所述催收对象进行智能语音通话，减少了人工的参与，降低了人工成本且催收具有针对性，实现自动化的催收作业；催收通话中对用户的情绪进行分析保证及时调整语音催收信息，在确保效率的同时提升了用户体验；催收结束后，汇总催收过程中产生的所有催收数据信息，对下次催收进行趋势预测，并将趋势预测的结果导入到催收对象对应的催收策略中，作为下次催收时的依据，有效的提升下次催收的速度和效率。
附图说明
[0057] 通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。
[0058] 图1为本申请在一个实施例中的一种基于智能语音的账款催收方法的整体
流程图；
[0059] 图2为本申请在一个实施例中的一种基于智能语音的账款催收方法中的智能语音信息生成过程的示意图；
[0060] 图3为本申请在一个实施例中的一种基于智能语音的账款催收方法中的客户情绪分析过程的示意图；
[0061] 图4为本申请在一个实施例中的一种基于智能语音的账款催收装置的结构图。
具体实施方式
[0062] 为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0063] 本技术领域技术人员可以理解，除非特意
声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的
说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
[0064] 图1为本申请的一种基于智能语音的账款催收方法的整体流程图，如图1所示，一种基于智能语音的账款催收方法，包括：
[0065] 步骤S1，接收账款催收请求，从所述账款催收请求中提取催收对象的基本信息，根据获取的所述催收对象的基本信息生成对应的账款催收任务清单。
[0066] 上述步骤执行时，接收上级平台发来的账款催收请求，根据所述账款催收请求提取其中信息后获得催收对象的基本信息和待收账款等信息。再根据所述催收对象的基本信息和待收账款等信息生成对应的账款催收任务清单。
[0067] 在一种较佳的实施例中，提取所述账款催收请求中的所有催收对象的基本信息、待收账款等信息和账款催收等级信息，其中，所述账款催收等级信息是指上级平台发来的账款催收对应的紧急程度。再根据所述账款催收的等级信息将账款催收对象进行分级排序，根据所述分级排序的结果和所述催收对象的基本信息生成对应的账款催收任务清单。
[0068] 步骤S2，提取所述账款催收任务清单中的任一所述催收对象的基本信息中的联系信息，根据所述催收对象的联系信息拨叫所述催收对象，并根据所述催收对象的客户等级对应的催收策略，生成智能语音催收信息与所述催收对象进行智能语音通话。
[0069] 上述步骤执行时，首先从所述账款催收任务清单中提取任一所述催收对象的基本信息和待收账款等信息，再从所述基本信息中提取所述催收对象的联系信息，比如电话号码、微信等等。如果是电话号码信息，则根据所述催收对象的电话号码建立与电话拨叫中心的连接，通过所述电话拨叫中心拨叫所述催收对象。拨通所述催收对象后，调用预设的客户等级表获取当前拨通的所述催收对象对应的客户等级，所述客户等级表中存储有催收对象和其对应的客户等级。根据所述催收对象的客户等级调取预设的与所述客户等级对应的催收策略，并提取所述催收策略中的催收文本，通过文本语音转换引擎将所述催收文本中的文本数据转换为语音后生成智能语音催收信息与所述催收对象进行智能语音通话。
[0070] 在一种较佳的实施例中，根据所述催收对象的客户等级对应的催收策略还可以自动生成智能语音提问的形式与催收对象进行智能语音通话。
[0071] 在一种较佳的实施例中，还可以根据所述催收对象的客户等级对应的催收策略批量生成语音通知并批量发送给催收对象进行账款催收。
[0072] 步骤S3，接收所述催收对象的按键反馈信息，根据智能语音通话中所述催收对象的语音通话信息和所述按键反馈信息，分析所述催收对象在智能语音通话中的情绪。
[0073] 上述步骤执行时，首先，通话结束后或者通话中，向所述催收对象发出针对本次催收的催收评价请求，接收所述催收对象针对所述催收评价请求的按键反馈信息；后通过文本语音转换引擎将所述催收对象的语音通话信息转换为文本数据，再调用AI语义分析引擎，将所述文本数据作为入参通过所述AI语义分析引擎进行所述催收对象的语义解析，所述语义解析通过基于LSTM长短记忆神经网络的语音分类器实现；根据所述语义解析的结果，综合所述催收对象的按键反馈信息，对所述催收对象进行情绪分析，分析所述催收对象在本次催收通话中的情绪。
[0074] 步骤S4，根据所述催收对象的情绪分析的结果，对所述智能语音催收信息进行调整。
[0075] 上述步骤执行时，如果在通话中，分析获得所述催收对象的情绪为不高兴，则及时调整语音催收信息，例如，可以将催收语气调整为委婉的催收；若分析获得所述催收对象的情绪为高兴，则对语音催收信息进行调整，例如，可以将催收语气调整为加强催收的语气。如果是在通话结束后，分析获得所述催收对象的情绪，则将根据情绪分析的结果对该催收对象对应的催收策略进行调整，以便下次催收时有依据。
[0076] 在一种较佳的实施例中，通话过程中，根据催收对象的情绪分析的结果的不同，还可以切换智能语音通话的形式，或者切换至人工催收的模式。
[0077] 步骤S5，催收结束后，汇总催收过程中产生的所有催收数据信息，对下次催收进行趋势预测，并将所述趋势预测的结果导入到所述催收对象对应的催收策略中，作为下次催收时的依据。
[0078] 上述步骤执行时，每次催收结束后，汇总本次以及以前的催收过程中产生的所有催收数据信息，其中，所述催收数据信息包括智能语音催收信息、智能语音通话过程中催收对象的语音通话信息、催收对象的按键反馈信息、催收对象的情绪分析结果、催收人员的反馈信息、欠款基本信息、逾期情况、利率、抵押物信息等。汇总上述催收数据信息，根据所述催收数据信息绘制催收数据曲线图，所述催收数据曲线图以时间为横坐标、以所述催收数据为纵坐标。再应用趋势预测算法对所述催收数据曲线图进行趋势预测，将预测结果导入到所述催收对象对应的催收策略中，作为下次针对所述催收对象的智能语音催收信息的生成依据。
[0079] 本实施例，减少了人工的参与，降低了人工成本且催收具有针对性，实现自动化的催收作业；对用户的情绪进行分析，及时调整语音催收信息，提升了用户体验；催收结束后，对下次催收进行趋势预测，作为下次催收时的依据，有效的提升了催收的速度和效率。
[0080] 在一个实施例中，所述S1，接收账款催收请求，从所述账款催收请求中提取催收对象的基本信息，根据获取的所述催收对象的基本信息生成对应的账款催收任务清单，包括：
[0081] 建立与上级平台的连接，接收所述上级平台的账款催收请求；
[0082] 其中，所述上级平台包括银行等信贷平台、各类p2p企业，所述p2p企业包括拍拍贷、你我贷、点融网等。
[0083] 提取所述账款催收请求中的所有催收对象的基本信息和账款催收等级信息；
[0084] 其中，催收对象的基本信息包括催收对象的姓名、联络方式、个人身份信息、从业信息和信贷信息等，所述联络方式包括催收对象的电话号码、微信等。账款催收等级信息包括账款催收的等级，账款催收的等级可以划分为普通、加急和紧急，根据账款催收的等级不同，优先安排级别为“紧急”的账款催收请求进行账款催收。
[0085] 根据所述账款催收的等级信息将账款催收对象进行分级排序；
[0086] 其中，排序规则是优选将等级为“紧急”的账款催收排在优先执行的催收任务中，然后对于同一等级的账款催收，则按照账款催收请求提出的先后顺序进行排列依次执行。
[0087] 根据所述分级排序的结果和所述催收对象的基本信息生成对应的账款催收任务清单。
[0088] 本实施例，通过对账款催收任务进行分类分级，可以更高效的安排催收任务，使紧急的催收任务能够优先执行。
[0089] 在一个实施例中，图2为本申请的一种基于智能语音的账款催收方法中的智能语音信息生成过程的示意图，如图2所示，所述S2，提取所述账款催收任务清单中的任一所述催收对象的基本信息中的联系信息，根据所述催收对象的联系信息拨叫所述催收对象，并根据所述催收对象的客户等级对应的催收策略，生成智能语音催收信息与所述催收对象进行智能语音通话，包括：
[0090] 步骤S201，提取所述账款催收任务清单中的任一所述催收对象的基本信息中的联系信息；
[0091] 步骤S202，建立与电话拨叫中心的连接，通过所述电话拨叫中心拨叫所述催收对象；
[0092] 上述步骤执行时，通过电话拨叫中心建立催收作业执行坐席和所述催收对象之间的连接，即，在导入主叫号码和被叫号码后进行匹配，匹配后调用
接口进行一键回拨，作为主叫方的所述催收作业执行坐席接听后等待作为被叫方的所述催收对象接听，直至被叫方接通。
[0093] 步骤S203，拨通所述催收对象后，调用预设的客户等级表获取当前拨通的所述催收对象对应的客户等级，所述客户等级表中存储有催收对象和其对应的客户等级；
[0094] 其中，依据历史的催收数据记录，对每个催收对象都会相应地预先设置有一个客户等级，不同的客户等级对应不同的催收策略。
[0095] 步骤S204，根据所述催收对象的客户等级调取预设的与所述客户等级对应的催收策略，并提取所述催收策略中的催收文本；
[0096] 其中，预设的与所述客户等级对应的催收策略是根据历史催收记录设置且不断更新的，调取催收策略时，先对催收策略进行遍历，判断是否有前次催收后进行的趋势预测结果，如果有，则将前次导入的趋势预测结果作为本次催收的参考依据。
[0097] 步骤S205，通过文本语音转换引擎将所述催收文本中的文本数据转换为语音后生成智能语音催收信息与所述催收对象进行智能语音通话。
[0098] 其中，所述智能语音通话包括被叫接听后播放催收语音，结束后开启语音导航，导航形式包括通过按键表达信息、接入到坐席、接入到智能语音拨打；在一种较佳的实施例中，还可以将所述催收文本中的文本数据生成机器语音或智能语音提问与催收对象进行简单的对话。还可以通过主叫端接收催收对象的语音，对催收对象的语音进行语义分析，返回语义分析的结果，根据提问的问题和催收对象的回答自主匹配事先录制好的回复音频。
[0099] 本实施例，根据催收对象的客户等级匹配相应的催收策略，使催收更有针对性更高效；采用多模式的智能语音通话，提高了催收的效率。
[0100] 在一个实施例中，图3为本申请的一种基于智能语音的账款催收方法中的客户情绪分析过程的示意图，如图3所示，所述S3，接收所述催收对象的按键反馈信息，根据智能语音通话中所述催收对象的语音通话信息和所述按键反馈信息，分析所述催收对象在智能语音通话中的情绪，包括：
[0101] 步骤S301，通过智能语音催收信息向所述催收对象发出针对本次催收的催收评价请求；
[0102] 步骤S302，接收所述催收对象针对所述催收评价请求的按键反馈信息；
[0103] 其中，所述按键反馈信息包括催收对象对本次催收的满意度。
[0104] 步骤S303，通过文本语音转换引擎将所述催收对象的语音通话信息转换为文本数据；
[0105] 步骤S304，调用AI语义分析引擎，将所述文本数据作为入参通过所述AI语义分析引擎进行所述催收对象的语义解析，所述语义解析通过基于LSTM长短记忆神经网络的语音分类器实现；
[0106] 其中，将所述催收对象的语音通话信息转换为文本数据，是指成为语音分类器的输入参数，处理后输出的就是对应的语义解析。其中，AI语义分析引擎可选用科大讯飞的
语音识别引擎、腾讯
云的语音识别引擎或者百度AI分析引擎，这些语音识别和分析引擎对应设有开放的
深度学习情感识别API及相应的训练集。
[0107] 步骤S305，根据所述语义解析的结果，综合所述催收对象的按键反馈信息，对所述催收对象进行情绪分析，分析所述催收对象在智能语音通话中的情绪。
[0108] 在一种较佳的实施例中，还可以综合所述催收对象在第几次拨叫成功时的拨叫次数、接听通话时长、所述催收作业执行坐席的评分等信息，作为情绪分析的依据。
[0109] 本实施例，通过对催收对象的情绪进行分析，以便及时调整语音催收信息，提升了用户体验和催收的效率。
[0110] 在一个实施例中，所述S5，催收结束后，汇总催收过程中产生的所有催收数据信息，对下次催收进行趋势预测，并将所述趋势预测的结果导入到所述催收对象对应的催收策略中，作为下次催收时的依据，包括：
[0111] 接收催收结束的信息；
[0112] 具体的，催收结束后，对催收过程中上传的催收数据信息进行初步核验，核验各催收数据记录中是否不缺少趋势预测所需要的数据，若不缺少，则进入下一环节。若缺少，则发出提示，放弃本次预测。
[0113] 提取催收过程中产生的所有催收数据信息的关键数据；
[0114] 上述步骤执行时，可采用JSON解析器对所有催收数据信息进行遍历，找到关键数据所在的数据
节点，根据所述数据节点提取所述关键数据。
[0115] 将所述关键数据导入到预设的催收列表中；
[0116] 获取预设的数据提取的开始时刻，根据所述数据提取的开始时刻，从所述催收列表中提取每一条从所述开始时刻至最新一次催收结束时刻的催收数据记录；
[0117] 根据所述催收数据记录绘制催收数据曲线图，所述催收数据曲线图以时间为横坐标、以所述催收数据为纵坐标；
[0118] 具体的，在绘制催收数据曲线图时，先建立一个
坐标系，然后将各条催收数据记录分别根据条目的名称做出各个条目催收数据记录的曲线，在催收数据曲线图中可以是平滑曲线图，也可以是散点连线构成的曲线图。
[0119] 应用趋势预测算法对所述催收数据曲线图进行趋势预测，将预测结果导入到所述催收对象对应的催收策略中，作为下次针对所述催收对象的智能语音催收信息的生成依据。
[0120] 本实施例，通过对催收过程进行汇总和预测，可以更好的指导催收更加顺利的进行，有效的提升了以后催收的速度和效率。
[0121] 在一个实施例中，所述建立与电话拨叫中心的连接，通过所述电话拨叫中心拨叫所述催收对象之后，包括对未拨通所述催收对象的情况进行处理，具体包括：
[0122] 当未拨通所述催收对象，继续拨叫所述催收对象；
[0123] 当拨叫次数达到预设的阈值，仍没有拨通所述催收对象，则停止对当前催收对象的拨叫，并按照预设的标记规则对所述催收对象进行标记，转至处理下一条账款催收请求。
[0124] 在一个实施例中，所述应用趋势预测算法对所述催收数据曲线图进行趋势预测，将预测结果导入到所述催收对象对应的催收策略中，作为下次针对所述催收对象的智能语音催收信息的生成依据，包括：
[0125] 获取所述催收数据曲线图中任意两个相邻的数据，计算所述两个相邻的数据的数据平均值，绘制数据平均值曲线；
[0126] 将所述数据平均值曲线中的时间t的数据平均值入参到一次平滑算法公式中进行趋势预测，计算公式为：
[0127] yt＝axt+(1-a)yt-1，
[0128] 其中，
[0129] yt为时间t的平滑值，t为自然数，
[0130] xt为时间t的数据平均值，
[0131] yt-1为时间t-1的平滑值，
[0132] a为平滑常数，其取值范围为[0.5，1]；
[0133] 将出参的预测结果yt导入到所述催收数据曲线图中，根据最小二乘法做所述催收数据曲线图的趋势线，若所述趋势线的斜率大于预设阈值则重新进行趋势预测，否则将预测结果导入到所述催收对象对应的催收策略中，作为下次针对所述催收对象的智能语音催收信息的生成依据。
[0134] 具体的，在进行平滑计算时也可以采用Laplace法则，即统计测试数据集中的元素在
训练数据集中出现的次数时，计数器的初始值不要设成零，而是设成1。这样，即使该元素没有在训练集中出现，其出现次数统计值至少也是1。
[0135] 在进行趋势预测时，首先要选取历史数据的时间区段，根据时间区段对历史数据进行截取，然后根据截取出的数据对进行趋势预测。在进行趋势预测时可以进行多次预测，然后取平均值作为最终的预测结果。
[0136] 本实施例，根据已有的催收数据对未来的催收进行预测，可以有效的提升再次进行催收的速度和效率。
[0137] 一种基于智能语音的账款催收装置，如图4所示，包括如下模块：
[0138] 获取模块，设置为接收账款催收请求，从所述账款催收请求中提取催收对象的基本信息，根据获取的所述催收对象的基本信息生成对应的账款催收任务清单；
[0139] 语音催收模块，设置为提取所述账款催收任务清单中的任一所述催收对象的基本信息中的联系信息，根据所述催收对象的联系信息拨叫所述催收对象，并根据所述催收对象的客户等级对应的催收策略，生成智能语音催收信息与所述催收对象进行智能语音通话；
[0140] 分析模块，设置为接收所述催收对象的按键反馈信息，根据智能语音通话中所述催收对象的语音通话信息和所述按键反馈信息，分析所述催收对象在智能语音通话中的情绪；
[0141] 调整模块，设置为根据所述催收对象的情绪分析的结果，对所述智能语音催收信息进行调整；
[0142] 预测模块，设置为催收结束后，汇总催收过程中产生的所有催收数据信息，对下次催收进行趋势预测，并将所述趋势预测的结果导入到所述催收对象对应的催收策略中，作为下次催收时的依据。
[0143] 在一个实施例中，提出了一种计算机设备，包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行计算机可读指令时实现上述各实施例中所述的基于智能语音的账款催收方法的步骤。
[0144] 在一个实施例中，提出了一种存储介质，所述存储介质可被处理器读写，所述存储介质上存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述各实施例中所述的基于智能语音的账款催收方法的步骤。其中，所述存储介质可以为非易失性存储介质。
[0145] 本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的
硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：
只读存储器(ROM，Read Only Memory)、
随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。
[0146] 以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0147] 以上所述实施例仅表达了本申请一些示例性实施例，其描述较为具体和详细，但并不能因此而理解为对本申请
专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干
变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附
权利要求为准。
