摘要
本发明提出了一种基于人工智能的物业催收监控预警方法和系统。其中,方法包括:获取用户历史时间序列数据,对用户历史时间数据进行预处理,从预处理后的数据中提取特征;基于从划分的训练集中提取的特征建立时间加权注意力机制模型;使用交叉熵损失函数度量时间加权注意力机制预测概率与实际风险类别之间的差异,并调整时间加权注意力机制模型;获取用户时间序列特征数据,将用户时间序列特征数据输入调整后的时间加权注意力机制模型,根据模型预测结果采用催收策略,通过此方法和对应的系统,可以结合时间加权注意力机制和加权交叉熵损失函数提高模型对于客户缴费风险的预测准确性,从而针对性采取催收策略,提高了催收效率,优化了资源分配。
技术关键词
缴费方式
时间序列特征
注意力机制
监控预警方法
监控预警系统
数据
模块
日期
样本
高风险
矩阵
记忆单元
客户
传播算法
编码
度量
系统为您推荐了相关专利信息
表面缺陷检测方法
深度学习模型
相似性度量函数
通道注意力机制
原始图像数据
可见光图像
融合方法
代表
特征提取模块
特征提取网络
智能调度方法
需求预测模型
资源分配
多模态数据采集
深度确定性策略梯度