基于专家知识的多样且高效检索式债务收集系统

设计有效的债务收集系统对于提高运营效率和降低成本至关重要。然而，保持脚本多样性、上下文相关性和连贯性的挑战使得这一任务尤为困难。本文基于来自大型商业银行的真实债务收集者与债务人数据，提出了债务收集系统。我们从真实世界的债务收集对话中构建了脚本库，提出了一个基于检索的两阶段响应系统以实现上下文相关性。实验结果表明，我们的系统提高了脚本多样性，增强了响应相关性，并通过知识蒸馏实现了实际部署效率。这一工作提供了一个可扩展且自动化的解决方案，为推进现实应用中的债务收集实践提供了有价值的见解。