System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能(artificial intelligence,简称ai)、机器人流程自动化(robotic process automation,简称rpa)和数字化劳动力平台智能助理(artificialintelligence agent,简称ai agent)领域,尤其涉及一种基于ai、rpa和ai agent的问题处理方法、装置和设备。
技术介绍
1、机器人流程自动化(robotic process automation,简称rpa)是通过特定的“机器人软件”,模拟人在计算机上的操作,按规则自动执行流程任务。
2、人工智能(artificial intelligence,简称ai)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。
3、数字化劳动力平台智能助理(artificial intelligence agent,简称ai agent)能够感知环境、进行决策和执行动作。与传统人工智能区别的地方在于,具备独立思考和行动的能力,能够调用工具去完成给定的目标。ai agent基于大语言模型(large languagemodels,简称llm)作为其核心计算引擎,使得它能够进行对话、执行任务、推理并展现一定程度的自主性。它具有自主理解、感知、规划、记忆和使用工具的能力,能够自动化执行复杂任务。具体来说,llm驱动多种ai能力集合成的智能助理ai agent能够与员工进行自然语言交互,理解员工的指令和需求,并进行反馈和回复;能够掌握和业务相关的领域知识,以完成
4、随着信息化高速发展,文档处理与信息提取在企业自动化流程中的重要性日益凸显。特别是在处理法律、金融、商务等领域的长文档时,如合同文档,传统的人工阅读、分析和提取关键信息的方式不仅效率低下,而且容易出错,难以满足大规模数据处理的需求。为了克服这些挑战,ai技术中的机器学习方法应运而生,为从长文档中自动提取用户所需的关键信息(如甲方、乙方、付款方式等)提供了全新的解决方案。
5、具体来说,利用标注数据训练分类器或序列标注模型,经过训练的模型,能够准确捕捉长文档中的语言模式和结构特征,从而在不依赖人工干预的情况下,自动完成关键信息的提取工作。
6、然而,尽管机器学习方法在文档信息提取方面展现出了巨大潜力,但其实际应用仍面临一系列挑战。首先,高质量的标注数据是训练高效模型的基础,但标注数据的获取和标注过程不仅耗时费力,而且成本高昂;其次,模型的训练和调优过程也较为复杂,需要深厚的专业知识和丰富的实践经验,这提高了技术门槛和应用门槛。
技术实现思路
1、本申请实施例提供一种基于ai、rpa和ai agent的问题处理方法、装置和设备,以解决相关技术存在的技术问题之一,技术方案如下:
2、第一方面,本申请实施例提供了一种基于ai、rpa和ai agent的问题处理方法,包括:
3、对待处理问题进行拆分,得到至少一个第一问题;
4、获取任一第一问题对应的多个目标句子向量,并识别任一第一问题所属的问题类型;
5、基于多个目标句子向量,从多个候选文档片段中确定与任一第一问题相似的目标文档片段;其中,候选文档片段是对文档内容进行切分得到的;
6、根据各目标文档片段和问题类型,生成任一第一问题的回复答案,以基于各第一问题的回复答案,对待处理问题进行回复。
7、第二方面,本申请实施例提供了一种基于ai、rpa和ai agent的问题处理装置,包括:
8、拆分模块,用于对待处理问题进行拆分,得到至少一个第一问题;
9、处理模块,用于获取任一第一问题对应的多个目标句子向量,并识别任一第一问题所属的问题类型;
10、确定模块,用于基于多个目标句子向量,从多个候选文档片段中确定与任一第一问题相似的目标文档片段;其中,候选文档片段是对文档内容进行切分得到的;
11、生成模块,用于根据各目标文档片段和问题类型,生成任一第一问题的回复答案;
12、回复模块,用于基于各第一问题的回复答案,对待处理问题进行回复。
13、第三方面,本申请实施例提供了一种电子设备,该电子设备包括:存储器和处理器。其中,该存储器和该处理器通过内部连接通路互相通信,该存储器用于存储指令,该处理器用于执行该存储器存储的指令,并且当该处理器执行该存储器存储的指令时,使得该处理器执行上述各方面任一种实施方式中的方法。
14、第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质存储计算机程序,当计算机程序在计算机上运行时,上述各方面任一种实施方式中的方法被执行。
15、第五方面,本申请实施例提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现上述各方面任一种实施方式中的方法。
16、上述技术方案中的优点或有益效果至少包括:
17、无需使用大量的标注数据来对机器学习模型(如分类器或序列标注模型)进行训练,并采用经过训练的机器学习模型,来从文档内容中提取用户所需的关键信息(即待处理问题对应的答案),可以降低应用成本、技术门槛和应用门槛。此外,可基于ai、rpa和aiagent技术,来从文档内容中提取与待处理问题所属的意图匹配的答案,可提升答案生成的效率和准确性。
18、上述概述仅仅是为了说明书的目的,并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外,通过参考附图和以下的详细描述,本申请进一步的方面、实施方式和特征将会是容易明白的。
本文档来自技高网...【技术保护点】
1.一种基于人工智能AI、机器人流程自动化RPA和数字化劳动力平台智能助理AIAgent的问题处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述获取任一第一问题对应的多个目标句子向量,包括:
3.根据权利要求1所述的方法,其特征在于,所述基于所述多个目标句子向量,从多个候选文档片段中确定与所述任一第一问题相似的目标文档片段,包括:
4.根据权利要求3所述的方法,其特征在于,所述文档向量库是RPA机器人采用以下步骤构建得到的:
5.根据权利要求4所述的方法,其特征在于,所述RPA机器人还用于执行以下步骤:
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述根据各所述目标文档片段和所述问题类型,生成所述任一第一问题的回复答案,包括:
7.根据权利要求1-5中任一项所述的方法,其特征在于,所述问题类型用于指示问题答案对应的语言单位;
8.根据权利要求1-5中任一项所述的方法,其特征在于,所述第一问题的数量为多个,所述根据各所述目标文档片段和所述问题类型,生成所述任一第一
9.根据权利要求8所述的方法,其特征在于,所述根据各所述目标文档片段和所述问题类型,生成所述任一第一问题的回复答案,还包括:
10.根据权利要求1-5中任一项所述的方法,其特征在于,所述基于各所述第一问题的回复答案,对所述待处理问题进行回复,包括:
11.根据权利要求10所述的方法,其特征在于,所述基于各所述第一问题的回复答案,对所述待处理问题进行回复,还包括:
12.一种基于AI、RPA和AI Agent的问题处理装置,其特征在于,包括:
13.根据权利要求12所述的装置,其特征在于,所述处理模块,用于:
14.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器中存储指令,所述指令由处理器加载并执行,以实现如权利要求1至11中任一项所述的方法。
15.一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-11中任一项所述的方法。
...【技术特征摘要】
1.一种基于人工智能ai、机器人流程自动化rpa和数字化劳动力平台智能助理aiagent的问题处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述获取任一第一问题对应的多个目标句子向量,包括:
3.根据权利要求1所述的方法,其特征在于,所述基于所述多个目标句子向量,从多个候选文档片段中确定与所述任一第一问题相似的目标文档片段,包括:
4.根据权利要求3所述的方法,其特征在于,所述文档向量库是rpa机器人采用以下步骤构建得到的:
5.根据权利要求4所述的方法,其特征在于,所述rpa机器人还用于执行以下步骤:
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述根据各所述目标文档片段和所述问题类型,生成所述任一第一问题的回复答案,包括:
7.根据权利要求1-5中任一项所述的方法,其特征在于,所述问题类型用于指示问题答案对应的语言单位;
8.根据权利要求1-5中任一项所述的方法,其特征在于,所述第一问题的数量为多个,所述根据各所述目标...
【专利技术属性】
技术研发人员:白龙飞,张希文,
申请(专利权)人:来也科技北京有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。