具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。

如背景技术所述，异常的逾期借贷用户在被催收人员催收时，对话中往往存在关键语句，目前采用人工对催收会话记录进行关键词句的筛选从而对逾期借贷用户是否异常进行识别，受限于人工核查的进度和精度，无法快速、精确地对逾期借贷用户的异常身份进行判别。

为解决上述问题，本申请引入NLP(自然语言处理)技术对催记对话内容进行处理，构建文本分类模型并从其中抽取出包含特定标签的目标会话语句，从用户话术中准确识别用户身份，并获取关键语句字段以获取更多证据便于在贷后环节反馈的中介介入情况，进一步对命中用户群挖掘疑似中介聚集，同时便于后续跟踪不同分类逾期借贷用户变化态势以便提前预警。

实施例1：本实施例提供一种文本处理方法，参照图1所述，该方法包括：

S1、获取会话内容文本。

在一种较佳的实施方式中，本步骤包括：

获取基于通话记录转换生成的会话内容文本，会话内容文本包括会话对象编号以及与对象编号对应的会话语句字段。

优选的，本实施例中所获取的会话内容文本为经过质检的通话记录转换生成的会话内容文本。

由于通话记录中通常有两方对话，为便于后续区分处理，会话内容文本中除了由语音转换生成的会话内容文本外还包括每个会话对象的编号，更具体的，在每一句对话的会话内容文本前都有该句对话的会话对象的编号。当然，会话内容文本中还可以包括每一句对话的时长或时间节点标识，本实施例对此不作限定。

S2、对会话内容文本进行分类以获得目标对象对应的目标会话内容文本。

在一种较佳的实施方式中，本步骤包括：

基于会话语句字段识别目标会话对象编号并获取与目标会话对象编号对应的目标会话语句字段，目标会话内容文本包括目标会话语句字段。

更优选的，本步骤具体包括：

S21、识别会话语句字段中的第一预设字段。

第一预设字段为能够进行身份判断的标识字段。

S22、将包含有所述第一预设字段的会话语句字段对应的会话对象编号记为参考会话对象编号，参考会话对象编号对应的会话语句字段组成参考会话内容文本；

会话语句字段中除参考会话内容文本之外的部分为目标会话语句字段，目标会话语句字段对应的会话对象编号为目标会话对象编号。

具体的，催收人员在电话催收时，电话接通后会打招呼，例如：“x先生”，或者“X女士”，因此，将“先生”、“女士”设为第一预设字段，通过识别会话语句字段中的“先生”或“女士”字段可以判断出包含该字段的会话语句字段对应的会话对象编号为催收人员编号即参考会话对象编号，该参考会话对象编号对应的所有会话语句字段组成参考会话内容文本。更优选的，通过识别会话语句字段中前预设数量的会话语句字段中的第一预设字段判断包含该字段的会话语句字段对应的会话对象编号为参考会话对象编号。对话中另一方的编号即为借贷用户编号也就是目标对象编号，目标对象编号对应的会话语句字段组成借贷人员会话内容即目标会话内容文本。

示例性的，'1'和'2'其中一个代表催收人员，一个代表借贷用户，通过前10句对话中包含'先生'或'女士'信息来识别出催收人员的角色。如图2所示，编号'1'代表催收人员，编号'2'代表借贷用户，通过识别“先生”字段确定包含“先生”字段的会话语句字段对应的会话对象编号'1'为催收人员编号即参考会话对象编号，会话对象编号'1'对应的所有会话语句字段组成参考会话内容文本。会话语句字段中除参考会话内容文本之外的会话语句字段为目标会话语句字段，所有目标会话语句字段组成目标对象即借贷用户的会话内容文本，即会话对象编号'2'对应的所有会话语句字段组成目标对象的会话内容文本。'1'对应的语句作为催收人员话术，'2'对应语句作为用户话术。

在一种较佳的实施方式中，在S2之后、S3之前，该方法还包括：

SA、基于预先构建的纠错数据库对目标会话内容文本进行纠错处理。

具体的，asr(语音识别)在遇到地方方言时识别效果较差，转换生成的会话内容文本中存在错误字段，引入文本纠错功能对于提升分类效果有较大提升。预先构建的纠错数据库是基于预先收集的催记内容以及金融知识库构建的黑产纠错知识库，示例性的，预先构建的纠错数据库是基于预先收集的十万条催记内容以及金融知识库构建的黑产纠错知识库。黑产纠错知识库类型有2-gram、3-gram、4-gram，格式如下所示2-gram对应'先生:现什,先胜,先圣,先申'，3-gram对应'没关系:么关系,妹关系'，4-gram对应'理财:速凝理财,苏宁利财,苏宁理财'，如果一条语句中匹配到错误的字词，则将这些词替换为对应的前面正确的词。

S3、基于预先构建的分类模型和会话内容文本对目标会话内容文本进行识别以对目标对象进行标记。

在一种较佳的实施方式中，本步骤包括：

S31、基于预先构建的分类模型以及目标会话语句字段获取目标身份标签以及与目标身份标签对应的目标字段。

具体的，预先构建的分类模型的作用是识别借贷用户的话术即目标字段，并将目标字段分到对应的预设身份标签类别中。

预先构建的分类模型由以下方法获得：

构建机器学习模型；

采用语料训练集对机器学习模型进行训练获得预先构建的分类模型，其中，语料训练集包括预先标注好身份标签的语料，语料数目共1090条，预先标注的身份标签包括是否本人、身份相识、身份否定、质疑身份、其他；

构建规则分类模型，用于识别“中介代办”标签，这是由于“中介代办”标签数据很少，难以训练机器学习模型；预先构建的分类模型包括上述训练好的机器学习模型和规则分类模型。机器学习分类模型可以是MultinomialNB、LogisticRegression、RandomForestClassifier、SVM、Fasttext模型，各模型分类准确率如下表所示。于本实施例中，优选Fasttext分类模型。

将目标会话语句输入预先构建的分类模型后，预先构建的分类模型输出相应的目标身份标签以及与该身份标签对应的目标字段。

示例性的，将前述步骤所得的目标会话对象编号即编号'2'对应的五条目标会话语句逐条送入文本分类器中，识别出意图为'是否本人'、'身份相识'、'身份否定'、'质疑身份'、'中介代办'对应的语句，过滤掉'其他'类别的语句，分类得到目标身份标签'身份肯定'，对应的目标字段有['对您说。'、'当然走。'、'没钱呢跟你说过了。'、'嗯嗯。']

S32、基于参考会话内容文本、目标会话内容文本判断目标身份标签是否正确，

若是，则进入步骤S33，若否，则进入步骤S34。

从上述通过有分类模型获得的与目标身份标签对应的目标字段中可以看出，分类的目标字段中有很多错误数据，因为分类模型只对单个语句进行分类很容易分类错误，此时需要结合上下文信息，同时利用借贷用户和催收人员的上下文话术来验证分类模型获得的目标身份标签是否正确。

在一种较佳的实施方式中，本步骤包括：

S321、判断参照会话内容文本中与目标字段相邻的会话语句字段中是否包含第二预设字段；

若是，则目标身份标签正确，若否，则进入步骤S322。

具体的，第二预设字段为身份询问的关键词，身份询问的关键词包括'先生'、'女士'、'你好'、'您好'等，通过识别催参照会话内容文本中目标字段相邻的会话语句字段中是否包含第二预设字段也就是识别目标字段相邻的催收员会话语句中是否包含'先生'或'女士'或'你好'或'您好'字段，判断目标身份标签是否正确。更优选的，判断参照会话内容文本中目标字段前后两轮的会话语句字段中是否包含第二预设字段即判断目标字段前后两轮会话中催收员会话语句中是否包含'先生'或'女士'或'你好'或'您好'字段，若包含，则目标身份标签正确。

示例性的，身份确认的大部分情况在开头的话术中，'身份肯定'标签对应的目标字段为['对您说。'，'当然走。'，'没钱呢跟你说过了。'，'嗯嗯。']。首先参考会话内容文本中位于目标字段'对您说。'前面的会话语句字段中包含第二预设字段'先生'，后面的会话语句字段中包含'苏宁'，前后会话语句字段中都包含身份询问关键词即第二预设字段，则记录该目标会话对象的编号对应的为2，确认目标身份标签正确，将目标字段'对您说。'存入身份肯定列表中。目标字段'当然走。'对应的confidence值为1，目标身份标签正确，也存入身份肯定列表中。而参考会话内容文本中位于目标字段'没钱呢跟你说过了。'前面的会话语句字段是'这个怎么还没处理啊。'和'跟我说过了什么时间跟我说过了。'，这两句话中都不包含身份询问关键词即第二预设字段，则该目标字段对应的confidence值为0，故'没钱呢跟你说过了。'不存入身份肯定列表中去，同理'嗯嗯。'也应该去除。

S322、基于目标会话内容文本判断目标身份标签是否正确。

若步骤S321中从参考会话文本中未识别出第二预设字段，说明上下文催收人员的会话语句字段中并不包含关键信息，但是有时用户话术中却是真正包含了分类的意图，这时就需要利用户用户上下文话术对确认目标身份标签。，

具体的，本步骤包括：

S3221、基于分类模型和目标会话语句字段获取每个预设身份标签的概率分布。

具体的，目标会话语句字段进入分类模型后，可以输出每个预设类别的概率值即每个预设身份标签的概率值。

S3222、判断概率分布标准差是否大于预设阈值。

若是，则进入步骤S3223；若否，则进入步骤S3224。

具体的，如果分类模型输出的概率值最高的身份标签的概率值远大于其他身份标签的概率，即概率值标准差比较大，则可以认为该概率值最高的身份标签是可靠的，示例性的，标准差阈值设为0.2。目标会话语句字段'我就是的'，分类模型输出的概率分布为80％'身份肯定'、5％'身份相识'、5％'身份否定'、5％'质疑身份'、5％'其他'，概率的标准差为0.3，则身份标签'身份肯定'可靠。如果预测出来的概率分布比较接近，即标准差小于0.2，那么就意味着对于这句话，分类模型在几个概率接近的意图身份标签上无法确定，这种情况通常是句子缺少关键信息以供分类模型做出决定性的判断。这个时候我们需要用户的上文的会话语句字段来辅助判断当前意图，进入步骤S3224。

S3223、以概率值最大的预设身份标签更新目标身份标签。

S3224、基于目标会话语句字段和预先统计的从当前对话意图类别转换到下一轮对话类别的概率值计算每个预设身份标签对应的概率值，并选择数值最大的概率值对应的预设身份标签更新目标身份标签。

具体的，预先统计的从当前对话意图类别转换到下一轮对话类别的概率值由以下方法获得：首先基于大量催收对话标注身份标签结果统计对话转移概率，对话转移概率即从当前轮对话意图类别转换到下一轮对话类别的概率值。例如当前用户话术意图类别'身份否定',下一轮对话对应'身份相识'转移概率是0.6，对应'身份肯定'概率是0.2，对应'身份否定'概率是0.15，对应'质疑身份'概率是0.05，意图转移概率值如下表所示：

黑产催收语料中涉及到许多的多轮对话情况，上一轮对话包含的有效信息可能不足，此处向分类模型中加入用户多轮对话信息输出每轮对话的目标会话语句字段对应的身份标签。假设前i轮身份标签转移到当前身份标签概率值分别为p_i，当前的身份标签概率为q，ɑ_i代表第i轮转移概率权值，离当前语句越远ɑ_i值越小，当前身份标签概率值p_final为通常根据用户三轮对话的意图值来计算最终概率，设ɑ₁＝0.5、ɑ₂＝0.33、ɑ₃＝0.17，找出使概率值最高的身份标签，以该身份标签更新目标身份标签。

S33、以身份标签标记目标会话对象编号。

具体的，将类别标签['身份肯定']写入到category_type(分类_类别)字段中以对目标会话对象编号进行标记。更优选的，将'对您说。'，'当然走。'两句话和其对应的标签'身份肯定'写入category(分类)字段中。

S34、更新身份标签并以更新后的目标身份标签标记目标会话对象编号。

更优选的，该方法还包括：

S4、基于会话内容文本、目标身份标签和目标字段生成存储表格。

优选的，该存储表格中还包括通话记录ID和步骤S321中的confidence值，该存储表格为hive表格。本实施例提供的文本处理方法包括：获取会话内容文本；对会话内容文本进行分类以获得目标对象对应的目标会话内容文本；基于预先构建的分类模型和会话内容文本对目标会话内容文本进行识别以对目标对象进行标记；根据会话内容区分出催收对象以及催收对象的会话内容，再根据预先构建的分类模型和结合对话的具体内容对催收对象的会话内容进行识别判断并标记，从而准确、高效地判断催收对象是否为可疑的非法借贷对象。

实施例2：本实施例提供一种文本处理装置，如图5所示，该装置包括：

获取模块51，用于获取会话内容文本；

分类模块52，用于对会话内容文本进行分类以获得目标对象对应的目标会话内容文本；

识别标记模块53，用于基于预先构建的分类模型和会话内容文本对目标会话内容文本进行识别以对目标对象进行标记。

在一种较佳的实施方式中，获取模块51用于获取通话记录转换生成的会话内容文本，会话内容文本包括会话对象编号以及与与对象编号对应的会话语句字段。

更优选的，分类模块52用于：

基于会话语句字段识别目标会话对象编号并获取与目标会话对象编号对应的目标会话语句字段，目标会话内容文本包括目标会话语句字段。

更优选的，分类模块52包括：

识别子模块521，用于识别会话语句字段中的第一预设字段；

分类子模块522，用于将包含有第一预设字段的会话语句字段对应的会话对象编号记为参考会话对象编号，参考会话对象编号对应的会话语句字段组成参考会话内容文本；

会话语句字段中除参考会话内容文本之外的部分为目标会话语句字段，目标会话语句字段对应的会话对象编号为目标会话对象编号。

更优选的，标记识别模块53包括：

获取子模块531，用于基于预先构建的分类模型以及目标会话语句字段获取目标身份标签以及与目标身份标签对应的目标字段；

判断子模块532，用于基于参考会话内容文本、目标会话内容文本判断目标身份标签是否正确；

标记子模块533，用于在判断子模块532基于参考会话内容文本、目标会话内容文本判断目标身份标签正确时，以目标身份标签标记目标会话对象编号；

更新标记子模块534，用于在判断子模块532基于参考会话内容文本、目标会话内容文本判断目标身份标签不正确时，更新目标身份标签并以更新后的目标身份标签标记目标会话对象编号。

更优选的，判断子模块533包括：

第一判断单元5331，用于判断参照会话内容文本中与目标字段相邻的会话语句字段中是否包含第二预设字段；

第二判断单元5332，用于基于目标会话内容文本判断目标身份标签是否正确

更优选的，第二判断单元5332包括：

获取子单元53321，用于基于分类模型和目标会话语句字段获取每个预设身份标签的概率分布；

判断子单元523322，用于判断概率分布标准差是否大于预设阈值；

若是，则更新标记子模块534以概率值最大的预设身份标签更新目标身份标签；

计算选择子单元53323，用于基于目标会话语句字段和预先统计的从当前对话意图类别转换到下一轮对话类别的概率值计算每个预设身份标签对应的概率值，并选择数值最大的概率值对应的预设身份标签，此时更新标记子模块534以数值最大的概率值对应的预设身份标签更新目标身份标签。

在一种较佳的实施方式中，该装置还包括：

纠错模块54，用于在识别标记模块53基于预先构建的分类模型和会话内容文本对目标会话内容文本进行识别以对目标对象进行标记之前，基于预先构建的纠错数据库对目标会话内容文本进行纠错处理。

本实施例提供的一种赛事视频剪辑系统用于实现实施例1中所提供的一种赛事视频剪辑方法，其有益效果与实施例1中提供的一种赛事视频剪辑方法的有益效果相同，在此不做赘述。

需要说明的是：上述实施例提供的一种文本处理装置在执行一种文本处理方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的文本处理装置与文本处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

实施例3：本实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现所述计算机程序被处理器执行时实以下任一步骤：

获取会话内容文本；

对所述会话内容文本进行分类以获得目标对象对应的目标会话内容文本；

基于预先构建的分类模型和所述会话内容文本对所述目标会话内容文本进行识别以对所述目标对象进行标记。

本实施例提供的一种计算机可读存储介质用于处理执行实施例1中所提供的一种文本处理方法的步骤，其有益效果与实施例1中提供的一种文本处理方法的有益效果相同，在此不做赘述。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是但不限于只读存储器，磁盘或光盘等。

当然上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明主要技术方案的精神实质所做的修饰，都应涵盖在本发明的保护范围之内。