数据科技团队建立人工智能法催决策模型并不断优化,确保提高回款效率。模型团队自主开发的核心算法的代码)包括:
-随机森林,神经网络,决策树类的bagging算法
-适用于机器学习的cross validation算法
-各种基础算法的stacking方法实现
-决策树的gradient boosting machine 算法
-基于SVM的半监督学习等。
通过对海量案例数据、司法大数据、信用大数据、社交媒体、网络新闻、网页上的关键词对案件及债务人进行全维度分析后,利用人工智能算法进行聚合后判断案件的胜诉率及回款率,同时提供法催策略、法催成本等重要决策信息及依据。
根据案件评估得分情况,法催报价系统自动生成个案报价,灵活多选的报价方案可满足不同风险偏好用户的需求及预算。