CN111723294A - 基于ai的rpa机器人智能推荐方法、装置以及设备 - Google Patents
基于ai的rpa机器人智能推荐方法、装置以及设备 Download PDFInfo
- Publication number
- CN111723294A CN111723294A CN202010615208.XA CN202010615208A CN111723294A CN 111723294 A CN111723294 A CN 111723294A CN 202010615208 A CN202010615208 A CN 202010615208A CN 111723294 A CN111723294 A CN 111723294A
- Authority
- CN
- China
- Prior art keywords
- user
- robot
- attribute
- rpa robot
- rpa
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 230000006399 behavior Effects 0.000 claims description 39
- 238000003860 storage Methods 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004801 process automation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Manipulator (AREA)
Abstract
本申请提供一种基于AI的RPA机器人智能推荐方法、装置以及设备。该方法包括:电子设备获取用户的用户属性。电子设备根据用户的用户属性和机器人属性,确定用户与RPA机器人的匹配结果。该匹配结果可以具体表现为用户与各个RPA机器人的匹配度。电子设备根据该匹配结果,确定与该用户匹配的RPA机器人。电子设备根据该RPA机器人,生成RPA机器人推荐列表。该RPA机器人推荐列表中包括至少一个RPA机器人。本申请的方法,通过向用户提供RPA机器人推荐列表,使用户可以通过该RPA机器人推荐列表更加方便快速的获取目标机器人,实现提高目标机器人推荐效率的效果。
Description
技术领域
本申请涉及计算机技术,尤其涉及一种基于AI的RPA机器人智能推荐方法、装置以及设备。
背景技术
随着自动化技术的发展,各种流程自动化(Robotic Process Automation,RPA)机器人不断推出。RPA是指通过特定的“机器人软件”,模拟人在计算机上的操作,使计算机按规则自动执行流程任务。RPA机器人具有低代码的特性。用户不需要学习IT的编程技术,仅根据业务流程,就是可以实现RPA机器人的开发。RPA机器人根据业务流程进行开发的特性,可以帮助用户从繁琐、重复、耗时的任务中解脱出来,提高工作效率。RPA机器人还具有非侵入性,不用软件系统开放接口,就可以实现RPA机器人的自动化操作。
由于RPA的特性,一个RPA机器人的开发通常是基于一套业务流程实现的。因此,一个RPA机器人通常只能实现一种解决方案。例如,发票识别机器人用于识别发票,自动填报机器人用于根据已知信息自动填报报表,保险客户机器人用于服务客户保险相关的咨询等。目前,为了满足不同用户的需求,在提供RPA机器人的服务平台中,通常具有大量的基于不同业务的RPA机器人。当用户需要从该平台获取RPA机器人时,通常需要用户从大量的RPA机器人中寻找目标机器人。
现有技术中,服务平台通常会通过获取用户的关键字信息,实现RPA机器人的推荐。例如,服务平台向用户提供关键字选择界面。用户可以根据该界面中提供的关键字信息,选择目标关键字。服务平台根据用户选择的目标关键字实现RPA机器人的推荐。又如,服务平台可以获取用户在搜索框等指定文本框中输入的信息。服务平台根据该信息获取用户的目标关键字,从而实现RPA机器人的推荐。
然而,上述方法虽然可以向用户推荐合适的目标机器人,但是,通常需要用户主动提供目标关键字,存在推荐效率低的问题。
发明内容
本申请提供一种基于AI的RPA机器人智能推荐方法、装置以及设备,用以解决现有技术中存在的目标机器人推荐效率低的问题。
第一方面,本发明提供一种基于AI的RPA机器人智能推荐方法,包括:
S1、获取用户的用户属性;
S2、根据所述用户属性和RPA机器人的机器人属性,确定所述用户与所述RPA机器人的匹配结果;
S3、根据所述匹配结果,生成RPA机器人推荐列表,所述RPA机器人推荐列表中包括至少一个RPA机器人。
可选地,根据所述用户属性,确定所述用户为新用户时,所述步骤S1包括:
S11、获取用户注册信息;
S12、根据所述用户注册信息,建立用户画像;
S13、根据所述用户画像,确定所述用户属性。
可选地,根据所述用户属性,确定所述用户为老用户时,所述步骤S1包括:
S14、获取用户行为轨迹;
S15、根据所述用户行为轨迹和所述用户属性,优化所述用户属性。
可选地,所述用户行为轨迹包括用户浏览记录,所述步骤S15包括:
S151、获取所述用户浏览记录,所述用户浏览记录包括用户浏览机器人和用户浏览时间,所述用户浏览时间为用户浏览每一机器人的时间;
S152、根据所述用户浏览记录,优化所述用户属性。
可选地,所述用户行为轨迹包括用户下载记录,所述步骤S15包括:
S153、获取所述用户下载记录,所述用户下载记录包括用户下载机器人;
S154、根据所述用户下载记录和所述用户属性,优化所述用户属性。
可选地,所述用户行为轨迹包括用户搜索关键词,所述步骤S15包括:
S155、获取所述用户搜索关键词;
S156、根据所述用户搜索关键词和所述用户属性,优化所述用户属性。
可选地,所述方法还包括:
S4、输出所述RPA机器人推荐列表。
第二方面,本申请提供一种基于AI的RPA机器人智能推荐装置,包括:
获取单元,用于获取用户的用户属性;
匹配单元,用于根据所述用户属性和RPA机器人的机器人属性,确定所述用户与所述RPA机器人的匹配结果;
推荐单元,用于根据所述匹配结果,生成RPA机器人推荐列表,所述RPA机器人推荐列表中包括至少一个RPA机器人。
可选地,根据所述用户属性,确定所述用户为新用户时,所述获取单元包括:
第一获取模块,用于获取用户注册信息;
画像模块,用于根据所述用户注册信息,建立用户画像;
第一标签模块,用于根据所述用户画像,确定所述用户属性。
可选地,根据所述用户属性,确定所述用户为老用户时,所述获取单元包括:
第二获取模块,用于获取用户行为轨迹;
第二标签模块,用于根据所述用户行为轨迹和所述用户属性,优化所述用户属性。
可选地,所述用户行为轨迹包括用户浏览记录,所述第二标签模块具体用于获取所述用户浏览记录,所述用户浏览记录包括用户浏览机器人和用户浏览时间,所述用户浏览时间为用户浏览每一机器人的时间;根据所述用户浏览记录,优化所述用户属性。
可选地,所述用户行为轨迹包括用户下载记录,所述第二标签模块具体用于获取所述用户下载记录,所述用户下载记录包括用户下载机器人;根据所述用户下载记录和所述用户属性,优化所述用户属性。
可选地,所述用户行为轨迹包括用户搜索关键词,所述第二标签模块具体用于获取所述用户搜索关键词;根据所述用户搜索关键词和所述用户属性,优化所述用户属性。
可选地,所述装置还包括:
输出模块,用于输出所述RPA机器人推荐列表。
第三方面,本申请提供一种电子设备,包括:存储器,处理器和显示器;
存储器,用于存储所述处理器可执行指令的存储器;
处理器,用于执行第一方面及第一方面任一种可能的设计中的基于AI的RPA机器人智能推荐方法;
通信接口,用于接收用户终端发送的用户请求,并根据用户请求将所述推荐列表发送到用户终端。
第四方面,本申请提供一种可读存储介质,可读存储介质中存储有执行指令,当电子设备的至少一个处理器执行该执行指令时,电子设备执行第一方面及第一方面任一种可能的设计中的基于AI的RPA机器人智能推荐方法。
本申请提供的基于AI的RPA机器人智能推荐方法、装置以及设备,通过获取用户的用户属性;根据用户的用户属性和机器人属性,确定用户与RPA机器人的匹配结果,其中,该匹配结果可以具体表现为用户与各个RPA机器人的匹配度;根据该匹配结果,确定与该用户匹配的RPA机器人;根据该RPA机器人,生成RPA机器人推荐列表,其中,该RPA机器人推荐列表中包括至少一个RPA机器人的手段,实现RPA机器人推荐列表的获取,使用户可以通过该RPA机器人推荐列表更加快速的获取目标机器人,从而实现提高目标机器人推荐效率的效果。进一步地,还可以通过获取和/或优化用户属性,使用户属性更贴近用户,进而提高电子设备推荐的有效性,使RPA机器人推荐列表中的RPA机器人更符合用户的需求,从而提高目标机器人推荐效率。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的一种基于AI的RPA机器人服务平台的界面示意图;
图2为本申请一实施例提供的一种基于AI的RPA机器人智能推荐方法的流程图;
图3为本申请一实施例提供的另一种基于AI的RPA机器人智能推荐方法的流程图;
图4为本申请一实施例提供的再一种基于AI的RPA机器人智能推荐方法的流程图;
图5为本申请一实施例提供的一种基于AI的RPA机器人智能推荐装置的结构示意图;
图6为本申请一实施例提供的另一种基于AI的RPA机器人智能推荐装置的结构示意图;
图7为本申请一实施例提供的再一种基于AI的RPA机器人智能推荐装置的结构示意图;
图8为本申请一实施例提供的电子设备的硬件结构示意图。
附图标记:
1:页面头部;
2:页面标题;
3:搜索框;
4:推荐列表。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例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在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
随着自动化技术的发展,各种流程自动化(Robotic Process Automation,RPA)机器人不断推出。RPA是指通过特定的“机器人软件”,模拟人在计算机上的操作,使计算机按规则自动执行流程任务。RPA机器人具有低代码的特性。用户不需要学习IT的编程技术,仅根据业务流程,就是可以实现RPA机器人的开发。RPA机器人根据业务流程进行开发的特性,可以帮助用户从繁琐、重复、耗时的任务中解脱出来,提高工作效率。RPA机器人还具有非侵入性,不用软件系统开放接口,就可以实现RPA机器人的自动化操作。
由于RPA的特性,一个RPA机器人的开发通常是基于一套业务流程实现的。因此,一个RPA机器人通常只能实现一种解决方案。例如,发票识别机器人用于识别发票,自动填报机器人用于根据已知信息自动填报报表,保险客户机器人用于服务客户保险相关的咨询等。目前,为了满足不同用户的需求,在提供RPA机器人的服务平台中,通常具有大量的基于不同业务的RPA机器人。当用户需要从该平台获取RPA机器人时,通常需要用户从大量的RPA机器人中寻找目标机器人。
现有技术中,服务平台通常会通过获取用户的关键字信息,实现RPA机器人的推荐。例如,服务平台向用户提供关键字选择界面。用户可以根据该界面中提供的关键字信息,选择目标关键字。服务平台根据用户选择的目标关键字实现RPA机器人的推荐。又如,服务平台可以获取用户在搜索框等指定文本框中输入的信息。服务平台根据该信息获取用户的目标关键字,从而实现RPA机器人的推荐。
然而,上述方法虽然可以向用户推荐合适的目标机器人,但是通常需要用户主动提供目标关键字。在自动化、智能化不断发展的今天,使用这样的方式帮助用户获取目标机器人,显然是一种不够智能的方式。在用户向服务平台提供关键字信息的过程中,用户可能会浪费掉很多不必要的时间。因此,在使用上述方法实现目标机器人推荐的过程中,存在推荐效率低,推荐方法不智能等问题。
针对上述问题,本申请提出了一种基于AI的RPA机器人智能推荐方法、装置以及设备。用户在使用服务平台时,服务平台获取用户的注册信息和/或行为轨迹。其中,注册信息可以包括手机号、公司名称、所在行业领域、所处岗位、所在地区、兴趣等信息。电子设备平台根据该注册信息建立用户画像,并根据该用户画像确定用户属性。其中,行为轨迹可以包括浏览时间、下载体验、搜索关键词等。服务平台根据该行为轨迹和用户属性,优化用户属性。其中,用户属性可以包括行业、岗位、年龄、地区、兴趣等标签信息。
服务平台还可以获取RPA机器人的机器人属性。该机器人属性可以包括适用行业领域,适用城市,适用岗位,适用年龄等。服务平台将一用户的用户属性与各个RPA机器人的机器人属性进行匹配。服务平台可以从所有RPA机器人中,获取部分与该用户匹配的RPA机器人。服务平台根据该匹配结果,生成RPA机器人推荐列表。该RPA机器人推荐列表中包括至少一个RPA机器人。服务平台输出该RPA机器人推荐列表。
用户通过查看该服务平台输出的RPA机器人推荐列表,可以直接从该RPA机器人推荐列表中获取目标机器人。本申请的方法中,服务平台通过IA的智能方法,实现了RPA机器人推荐列表的智能推送。服务平台通过该智能推送方法,帮助用户更加快速的获取目标机器人,从而实现了提高目标机器人获取效率的效果。
本申请中,术语“用户属性”的定义是具有特定意义的用户特征,例如行业、岗位、年龄、地区、兴趣等。电子设备可以根据上述用户特征对用户进行描述。
术语“机器人属性”的定义是具有特定意义的机器人特征,例如适用行业领域,适用城市,适用岗位,适用年龄等。电子设备可以根据上述机器人特征对机器人进行描述。
术语“用户画像”的定义是将用户的具体信息抽象成标签,并利用标签将用户形象具体化,从而勾画用户之间联系与需求的方法。术语“用户行为轨迹”的定义是用户在使用产品时,所有行为信息的集合,例如浏览的页面,点击的按钮,查看的内容,填写的表单等。
图1示出了本申请一实施例提供的一种基于RPA机器人智能推荐方法的服务平台的界面示意图。如图所示为该服务平台的显示界面,该界面中包括页面头部1、页面标题2、搜索框3和推荐列表4四个部分。
其中,页面头部1包括左侧的网站logo,以及右侧的用户名。在用户未登录时,右侧用户名可以为用户登录/注册的控件。用户点击该控件,跳转到登录/注册页面。用户完成登录后,该控件可以为用户信息的触发控件。用户可以通过该控件触发用户信息页面,并对用户信息进行更改。或者,该控件中还可以为下拉列表,该下拉列表中包括其他控件。
其中,页面标题2包括该搜索界面的logo。或者,当该界面中包括其他内容时,该区域还可以包括其他内容。
其中,搜索框3包括用于输入的文本框和用于触发的搜索按钮。用户在使用时,可以在输入框中输入关键字,并点击搜索按钮,实现目标机器人的搜索。在触发该搜索按钮后,该服务平台根据文本框中的关键字,检索机器人属性与关键字相关的RPA机器人。服务平台跳转对应的RPA机器人推荐列表输出界面。
其中,推荐列表4为服务平台输出的RPA机器人推荐列表。该RPA机器人推荐列表为服务平台根据本申请所示的基于AI的RPA机器人智能推荐方法确定的RPA机器人推荐列表。用户可以通过直接查看该RPA机器人推荐列表,更加快速的获取目标机器人。
本申请中,该服务平台具体可以包括前端和后台。其中,前端为用户查看该服务平台时的显示界面。其中,后台为前端的显示界面的输出设备。在一种实施方式中,前端的显示界面的使用设备及后台的实现设备可以为同一电子设备,例如,均为用户终端,本申请以电子设备为执行主体,执行如下实施例的基于AI的RPA机器人智能推荐方法。具体地,该执行主体可以为电子设备的硬件装置,或者为电子设备中实现下述实施例的软件应用,或者为安装有实现下述实施例的软件应用的计算机可读存储介质。
图2示出了本申请一实施例提供的一种基于AI的RPA机器人智能推荐方法的流程图。在图1所示实施例的基础上,如图2所示,执行主体以电子设备为例,本实施例的方法可以包括如下步骤:
S1、获取用户的用户属性。
本实施例中,电子设备获取用户请求,该用户请求用于请求登录该RPA机器人的服务平台。电子设备可以从该用户请求中获取用户信息。其中,用户信息可以包括用户名、密码、验证码等信息。
电子设备可以根据该用户信息确定用户属性。该用户属性可以用于判断用户为新用户还是老用户。
当电子设备根据该用户属性确定该用户为新用户时,电子设备可以返回注册页面。用户根据注册页面的提示,填写用户注册信息。电子设备可以根据该用户注册信息,获取用户信息。
当电子设备根据该用户信息,确定该用户的用户属性为老用户时,电子设备可以根据已有的用户信息,确定用户的用户属性。其中,用户属性可以包括行业、岗位、年龄、地区、兴趣等。
其中,电子设备可以将用户信息存储在存储设备中。电子设备还可以将根据用户信息确定的用户属性存储在存储设备中。电子设备还可以根据用户属性的获取指令,从存储设备中读取用户信息或者用户属性。
S2、根据用户属性和RPA机器人的机器人属性,确定用户与RPA机器人的匹配结果。
本实施例中,电子设备根据步骤S1获取用户属性。电子设备还可以从存储设备中读取RPA机器人列表,以及每一RPA机器人的机器人属性。其中,RPA机器人列表被存储于存储设备中,用于指示该服务平台的全部RPA机器人。每一RPA机器人的机器人属性同样被存储于存储设备中。该机器人属性可以包括适用行业领域,适用城市,适用岗位,适用年龄。
电子设备可以通过计算该用户属性与各个RPA机器人的机器人属性的匹配度,确定用户与RPA机器人的匹配结果。其中,一用户与一RPA机器人的匹配度的计算方法,可以为现有的方法,或者为改进后的方法,本申请对此不做限制。以下列举了几种根据用户的用户属性与RPA机器人的机器人属性计算匹配度的方法,在实际应用中包括但不限于以下方法。
例如,电子设备可以获取用户属性与每一用户属性的权重。电子设备还可以获取一RPA机器人的机器人属性与每一机器人属性的权重。电子设备获取用户属性与机器人属性中一致的标签。电子设备计算该一致的标签中,每一标签的用户属性的权重与机器人属性的权重的乘积。电子设备计算一用户与一RPA机器人的属性乘积的和。电子设备确定该乘积的和为该用户与该RPA机器人的匹配度。
又如,电子设备可以根据全部属性构建特征空间。电子设备根据机器人属性,确定每一机器人的在该特征空间中的坐标。电子设备根据用户属性,确定用户在该特征空间中的坐标。电子设备确定用户坐标与机器人坐标之间的距离为匹配度。
S3、根据匹配结果,生成RPA机器人推荐列表,RPA机器人推荐列表中包括至少一个RPA机器人。
本实施例中,电子设备根据S2确定匹配结果后,电子设备可以根据预设规则,从该服务平台的RPA机器人中,选择部分RPA机器人,生成RPA机器人推荐列表。
一种示例中,机器人推荐列表中包括匹配度超过预设匹配度得所有RPA机器人。
本示例中,电子设备根据预设匹配度,对该服务平台的RPA机器人进行筛选。电子设备筛选出匹配度超过预设值的RPA机器人。电子设备根据该筛选出的RPA机器人,确定RPA机器人推荐列表。
其中,预设匹配度可以根据经验确定。例如,预设匹配度可以为匹配度50%。当预设匹配度为匹配度50%时,电子设备筛选出与该用户的匹配度超过50%的RPA机器人,并对应生成RPA机器人推荐列表。
另一种示例中,机器人推荐列表中包括匹配度最大的预设数量个RPA机器人。
本示例中,电子设备根据S2确定用户与各个RPA机器人的匹配度后,电子设备根据预设规则对该RPA机器人进行排序。该预设规则可以为根据匹配度降序排序。电子设备根据该排序后的RPA机器人,获取预设数量个RPA机器人。电子设备根据该获取到的预设数量个RPA机器人,对应生成RPA机器人推荐列表。
其中,预设数量可以为预设的RPA机器人个数,该预设数量可以根据经验确定。例如,预设数量可以为10个。当预设数量为10个时,电子设备保留排序后前10个RPA机器人。电子设备确定该10个RPA机器人组成的列表为RPA机器人推荐列表。
本申请提供的基于AI的RPA机器人智能推荐方法中,电子设备获取用户的用户属性。电子设备根据用户的用户属性和机器人属性,确定用户与RPA机器人的匹配结果。该匹配结果可以具体表现为用户与各个RPA机器人的匹配度。电子设备根据该匹配结果,确定与该用户匹配的RPA机器人。电子设备根据该RPA机器人,生成RPA机器人推荐列表。该RPA机器人推荐列表中包括至少一个RPA机器人。本申请中,通过获取用户属性,实现该用户与各个RPA机器人的匹配度的计算。电子设备根据该用户与各个RPA机器人的匹配度,确定RPA机器人推荐列表,从而实现该服务平台对用户目标机器人的预测。电子设备通过向用户提供RPA机器人推荐列表,使用户可以通过该RPA机器人推荐列表更加方便快速的获取目标机器人,实现提高目标机器人推荐效率的效果。
图3示出了本申请一实施例提供的另一种基于AI的RPA机器人智能推荐方法的流程图。在图1和图2所示实施例的基础上,如图3所示,执行主体以电子设备为例,本实施例的方法可以包括如下步骤:
S11、获取用户注册信息。
本实施例中,当电子设备根据该用户信息,确定该用户的用户属性为新用户时,电子设备可以返回注册页面。用户可以根据注册页面的提示,填写用户注册信息。电子设备可以根据该用户注册信息,获取用户信息。其中,用户注册信息可以包括手机号、公司名称、所在行业领域、所处岗位、所在地区、兴趣等信息。
S12、根据用户注册信息,建立用户画像。
本实施例中,电子设备根据S11获取用户注册信息。电子设备根据该用户注册信息,确定其中的关键信息。电子设备根据该关键信息,建立用户画像。
S13、根据用户画像,确定用户属性。
本实施例中,电子设备根据S12建立用户画像。电子设备根据用户画像,确定用户属性。该用户属性包括电子设备根据关键信息直接确定的用户属性。该用户属性还包括电子设备根据具有相同关键信息的用户确定的用户属性。
电子设备还用于根据用户画像,确定不同用户属性的比重。
例如,张三注册时,注册信息包括所在地:深圳、岗位:财务专员、年龄:20岁、行业:财务代账,兴趣:篮球。当张三完成注册后,电子设备获取张三的注册信息,并确定张三的标签包括:深圳、财务等。根据该标签,电子设备可以向张三推荐例如发票自动识别机器人、深圳一键报税机器人等RPA机器人。
电子设备可以在根据用户画像获取用户属性后,直接执行步骤S2。
S14、获取用户行为轨迹。
本实施例中,电子设备还可以用于获取用户的行为轨迹。该行为轨迹可以包括浏览时间、下载体验、搜索关键词等行为。其中,浏览时间可以包括,用户浏览某一机器人的时间、用户浏览的某一领域的机器人的时间、用户浏览的机器人的领域信息、用户浏览机器人的品种信息等。其中,下载体验可以包括用户下载的机器人的信息、用户下载的机器人的次数等。其中,搜索关键词可以包括用户搜索的次数、搜索内容等。此外,该行为轨迹还可以包括搜索后下载的机器人信息、下载机器人的浏览时长等。
其中,电子设备可以在用户完成一次浏览,并退出该平台后,获取上述行为轨迹。或者,电子设备还可以在预设时间点,获取上述行为轨迹。例如,该时间点可以为用户使用量低的时间点,例如凌晨1点等。
S15、根据用户行为轨迹和用户属性,优化用户属性。
本实施例中,电子设备根据S14获取行为轨迹。根据该行为轨迹,电子设备可以更新用户的用户属性。
例如,张三浏览机器人信息时,浏览短视频行业的机器人占比70%,下载游戏相关的机器人占比60%。电子设备根据该下载轨迹和浏览轨迹,给张三新增标签,行业领域:短视频制作,兴趣:短视频&游戏。
其中,电子设备根据行为轨迹对现有的用户属性进行优化。其中,现有的用户属性可以为存储设备中存储的用户属性。电子设备可以在用户属性更新后,将用户属性存储在存储设备中。
S2、根据用户属性和RPA机器人的机器人属性,确定用户与RPA机器人的匹配结果。
S3、根据匹配结果,生成RPA机器人推荐列表,RPA机器人推荐列表中包括至少一个RPA机器人。
其中,步骤S2和S3与图2实施例中的步骤S2和S3实现方式类似,本实施例此处不再赘述。
S4、输出RPA机器人推荐列表。
本实施例中,电子设备在根据上述S3获取RPA机器人推荐列表后,电子设备还可以输出该RPA机器人推荐列表。具体地,电子设备可以在该服务平台的显示界面中输出该RPA机器人推荐列表。
本申请提供的基于AI的RPA机器人智能推荐方法中,电子设备获取用户的用户属性。当电子设备确定用户为新用户时,电子设备根据用户的用户注册信息,建立用户画像,并根据用户画像确定用户属性。当电子设备确定用户为老用户时,电子设备获取用户的行为轨迹,并根据行为轨迹优化用户属性。电子设备根据用户的用户属性和机器人属性,确定用户与RPA机器人的匹配结果。该匹配结果可以具体表现为用于与各个RPA机器人的匹配度。电子设备根据该匹配结果,确定与该用户匹配的RPA机器人。电子设备根据该RPA机器人,生成RPA机器人推荐列表。本申请中,电子设备可以根据用户注册信息获取用户属性,电子设备还可以根据用户行为轨迹优化用户属性。电子设备通过获取和/或优化用户属性,使用户属性更贴近用户,进而提高电子设备的推荐有效性,使RPA机器人推荐列表中的RPA机器人更符合用户的需求,从而提高目标机器人推荐效率。
图4示出了本申请一实施例提供的再一种基于AI的RPA机器人智能推荐方法的流程图。在图1至图3所示实施例的基础上,如图4所示,执行主体以电子设备为例,本实施例的方法可以包括如下步骤:
S14、获取用户行为轨迹。
其中,步骤S14与图3实施例中的步骤S14实现方式类似,本实施例此处不再赘述。
S151、获取用户浏览记录,用户浏览记录包括用户浏览机器人和用户浏览时间,用户浏览时间为用户浏览每一机器人的时间。
本实施例中,电子设备可以在用户完成一次浏览之后,获取用户的浏览记录。或者,电子设备可以在预设时间点获取用户的浏览记录。
其中,浏览记录可以包括该用户查看的RPA机器人,以及查看每一RPA机器人的时间。
S152、根据用户浏览记录,优化用户属性。
本实施例中,电子设备根据S151获取用户浏览记录。其中,用户浏览记录可以包括用户查看的RPA机器人,以及查看每一RPA机器人的时间。电子设备还可以根据用户查看的RPA机器人,确定每一被查看的RPA机器人的机器人属性。
根据该查看的RPA机器人、查看每一RPA机器人的时间、查看的每一RPA机器人的机器人属性,电子设备可以对用户属性进行优化。电子设备可以向该用户属性中增加新的用户属性,并且调整每一标签的比重。
例如,电子设备可以将用户查看该RPA机器人的时间,作为该RPA机器人的机器人属性的查看时间。电子设备叠加所有用户查看的RPA机器人的查看时间,进而获取每一机器人属性的总查看时间。电子设备将该总查看时间归一化,得到每一机器人属性的查看系数。电子设备可以获取查看系数大于预设值的机器人属性。并将该机器人属性添加到用户属性中。
又如,电子设备可以根据RPA机器人的机器人属性,对RPA机器人进行统计。以“短视频制作”的机器人属性为例,电子设备确定用户浏览的所有RPA机器人中,70%的RPA机器人具有该机器人属性。电子设备可以将该机器人属性添加到用户属性中。
电子设备还可对用户属性的比重进行优化。例如,电子设备根据用户浏览记录,确定需要添加的机器人属性。电子设备确定该用户属性中已经存在该属性。此时,电子设备可以增加该用户属性的比重。
S153、获取用户下载记录,用户下载记录包括用户下载机器人。
本实施例中,电子设备可以在用户完成一次浏览之后,获取用户的下载记录。或者,电子设备可以在预设时间点获取用户的下载记录。
其中,下载记录可以包括该用户下载的机器人的信息。
S154、根据用户下载记录和用户属性,优化用户属性。
本实施例中,电子设备根据S153可以确定下载的RPA机器人,以及该RPA机器人的机器人属性。
根据该下载的RPA机器人,以及该RPA机器人的机器人属性,电子设备可以对用户属性进行优化。电子设备可以向该用户属性中增加新的用户属性和/或调整每一用户属性的比重。
例如,电子设备可以根据所属行业领域标签,对下载的RPA机器人进行统计。以“短视频制作”的机器人属性为例,电子设备确定用户下载的所有RPA机器人中,70%的RPA机器人具有该机器人属性。电子设备可以将该机器人属性添加到用户属性中。
电子设备还可对用户属性的比重进行优化。例如,电子设备根据用户浏览记录,确定需要添加的机器人属性。电子设备确定该用户属性中已经存在该属性。此时,电子设备可以增加该用户属性的比重。
S155、获取用户搜索关键词。
本实施例中,电子设备可以在用户完成一次浏览之后,获取用户搜索关键词。或者,电子设备可以在预设时间点获取用户在预设时间段内的所有用户搜索关键词。
其中,用户搜索关键词可以包括该用户浏览该平台时,搜索时所使用的关键词。
S156、根据用户搜索关键词和用户属性,优化用户属性。
本实施例中,电子设备根据S155确定用户搜索关键词。根据该搜索关键词,电子设备可以对用户属性进行优化。电子设备可以向该用户属性中增加新的用户属性和/或调整每一用户属性的比重。例如,电子设备可以根据该搜索关键词确定与之相关的属性。电子设备将该属性添加到用户属性中。
电子设备还可对用户属性的比重进行优化。例如,电子设备根据用户浏览记录,确定需要添加的机器人属性。电子设备确定该用户属性中已经存在该属性。此时,电子设备可以增加该用户属性的比重。
本实施例中步骤S151和S152、步骤S153和S145、步骤S155和S156的三种方式的执行顺序并不受所描述的动作顺序的限制。步骤S151和S152、步骤S153和S145、步骤S155和S156可以采用其他顺序或者同时进行。步骤S151和S152、步骤S153和S145、步骤S155和S156还可选择其中的一种或者多种方式执行。
S2、根据用户属性和RPA机器人的机器人属性,确定用户与RPA机器人的匹配结果。
S3、根据匹配结果,生成RPA机器人推荐列表,RPA机器人推荐列表中包括至少一个RPA机器人。
其中,步骤S2和S3与图2实施例中的步骤S2和S3实现方式类似,本实施例此处不再赘述。
本申请提供的基于AI的RPA机器人智能推荐方法中,电子设备获取用户的用户属性。当电子设备确定用户为老用户时,电子设备获取用户的行为轨迹,并根据行为轨迹优化用户属性。电子设备可以获取用户浏览记录,根据该用户浏览记录确定用户浏览的RPA机器人及其机器人属性。电子设备可以获取用户下载记录,根据该用户下载记录,确定下载的RPA机器人及其机器人属性。电子设备可以获取用户搜索关键字,根据该用户搜索关键字,确定搜索内容相关的机器人属性。根据上述机器人属性,电子设备可以优化用户属性。电子设备根据用户的用户属性和机器人属性,确定用户与RPA机器人的匹配结果。该匹配结果可以具体表现为用于与各个RPA机器人的匹配度。电子设备根据该匹配结果,确定与该用户匹配的RPA机器人。电子设备根据该RPA机器人,生成RPA机器人推荐列表。本申请中,电子设备通过获取用户浏览记录、用户下载记录、用户搜索关键字,实现用户属性的优化,使用户属性更加具有实时性和有效性,从而提高推荐有效性,使目标机器人推荐效率得到提高。
图5示出了本申请一实施例提供的一种基于AI的RPA机器人智能推荐装置的结构示意图,如图5所示,本实施例的RPA机器人智能推荐装置10用于实现上述任一方法实施例中对应于电子设备的操作,本实施例的RPA机器人智能推荐装置10包括:
获取单元11,用于获取用户的用户属性。
匹配单元12,用于根据用户属性和RPA机器人的机器人属性,确定用户与RPA机器人的匹配结果。
推荐单元13,用于根据匹配结果,生成RPA机器人推荐列表,RPA机器人推荐列表中包括至少一个RPA机器人。
本申请实施例提供的RPA机器人智能推荐装置10,可执行上述方法实施例,其具体实现原理和技术效果,可参见上述方法实施例,本实施例此处不再赘述。
图6示出了本申请一实施例提供的另一种基于AI的RPA机器人智能推荐装置的结构示意图,在图5所示实施例的基础上,如图6所示,本实施例的RPA机器人智能推荐装置10用于实现上述任一方法实施例中对应于电子设备的操作,本实施例的获取模块11具体包括:
第一获取模块111,用于获取用户注册信息。
画像模块112,用于根据用户注册信息,建立用户画像。
第一标签模块113,用于根据用户画像,确定用户属性。
第二获取模块114,用于获取用户行为轨迹。
第二标签模块115,用于根据用户行为轨迹和用户属性,优化用户属性。
一种示例中,第二标签模块,用于获取用户浏览记录,用户浏览记录包括用户浏览机器人和用户浏览时间,用户浏览时间为用户浏览每一机器人的时间;根据用户浏览记录,优化用户属性。
另一种示例中,第二标签模块,还用于获取用户下载记录,用户下载记录包括用户下载机器人;根据用户下载记录和用户属性,优化用户属性。
再一种示例中,第二标签模块,还用于获取用户搜索关键词;根据用户搜索关键词和用户属性,优化用户属性。
本申请实施例提供的RPA机器人智能推荐装置10,可执行上述方法实施例,其具体实现原理和技术效果,可参见上述方法实施例,本实施例此处不再赘述。
图7示出了本申请一实施例提供的再一种基于AI的RPA机器人智能推荐装置的结构示意图,在图5和图6所示实施例的基础上,如图7所示,本实施例的RPA机器人智能推荐装置10用于实现上述任一方法实施例中对应于电子设备的操作,本实施例的RPA机器人智能推荐装置10还包括:
输出模块,用于输出RPA机器人推荐列表。
本申请实施例提供的RPA机器人智能推荐装置10,可执行上述方法实施例,其具体实现原理和技术效果,可参见上述方法实施例,本实施例此处不再赘述。
图8示出了本申请实施例提供的一种电子设备的硬件结构示意图。如图8所示,该电子设备20,用于实现上述任一方法实施例中对应于电子设备的操作,本实施例的电子设备20可以包括:存储器21,处理器22和显示器24。
存储器21,用于存储计算机程序。
存储器可能包含高速随机存取存储器(Random Access Memory,RAM),也可能还包括非易失性存储(Non-Volatile Memory,NVM),例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
处理器22,用于执行存储器存储的计算机程序,以实现上述实施例中的基于AI的RPA机器人智能推荐方法。具体可以参见前述方法实施例中的相关描述。
可选地,存储器21既可以是独立的,也可以跟处理器22集成在一起。
当存储器21是独立于处理器22之外的器件时,电子设备20还可以包括:
总线23,用于连接存储器21和处理器22。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
通信接口24,该通信接口24可以通过总线23与处理器21连接。处理器22可以控制通信接口24来实现接收用户终端发送的用户请求,以及将推荐列表发送到用户终端的功能。其中,用户请求可以是用户在用户终端打开该RPA机器人查询界面的请求。
本实施例提供的电子设备可用于执行上述的基于AI的RPA机器人智能推荐方法,其实现方式和技术效果类似,本实施例此处不再赘述。
本申请还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中,计算机可读存储介质可以是计算机存储介质,也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如,计算机可读存储介质耦合至处理器,从而使处理器能够从该计算机可读存储介质读取信息,且可向该计算机可读存储介质写入信息。当然,计算机可读存储介质也可以是处理器的组成部分。处理器和计算机可读存储介质可以位于专用集成电路(Application Specific Integrated Circuits,ASIC)中。另外,该ASIC可以位于用户设备中。当然,处理器和计算机可读存储介质也可以作为分立组件存在于通信设备中。
上述计算机可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random-Access Memory,SRAM),电可擦除可编程只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM),可编程只读存储器(Programmable read-only memory,PROM),只读存储器(Read-OnlyMemory,ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本发明还提供一种程序产品,该程序产品包括执行指令,该执行指令存储在计算机可读存储介质中。设备的至少一个处理器可以从计算机可读存储介质读取该执行指令,至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
应理解,上述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备,或者网络设备等)或处理器执行本申请各个实施例方法的部分步骤。
本领域普通技术人员可以理解:实现上述各方法实施例的部分或者全部步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤。而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于AI的RPA机器人智能推荐方法,其特征在于,所述方法包括:
S1、获取用户的用户属性;
S2、根据所述用户属性和RPA机器人的机器人属性,确定所述用户与所述RPA机器人的匹配结果;
S3、根据所述匹配结果,生成RPA机器人推荐列表,所述RPA机器人推荐列表中包括至少一个RPA机器人。
2.根据权利要求1所述的方法,其特征在于,根据所述用户属性,确定所述用户为新用户时,所述S1包括:
S11、获取用户注册信息;
S12、根据所述用户注册信息,建立用户画像;
S13、根据所述用户画像,确定所述用户属性。
3.根据权利要求1所述的方法,其特征在于,根据所述用户属性,确定所述用户为老用户时,所述S1包括:
S14、获取用户行为轨迹;
S15、根据所述用户行为轨迹和所述用户属性,优化所述用户属性。
4.根据权利要求3所述的方法,其特征在于,所述用户行为轨迹包括用户浏览记录,所述S15包括:
S151、获取所述用户浏览记录,所述用户浏览记录包括用户浏览机器人和用户浏览时间,所述用户浏览时间为用户浏览每一机器人的时间;
S152、根据所述用户浏览记录,优化所述用户属性。
5.根据权利要求3所述的方法,其特征在于,所述用户行为轨迹包括用户下载记录,所述S15包括:
S153、获取所述用户下载记录,所述用户下载记录包括用户下载机器人;
S154、根据所述用户下载记录和所述用户属性,优化所述用户属性。
6.根据权利要求3所述的方法,其特征在于,所述用户行为轨迹包括用户搜索关键词,所述S15包括:
S155、获取所述用户搜索关键词;
S156、根据所述用户搜索关键词和所述用户属性,优化所述用户属性。
7.根据权利要求1-6中任意一项所述的方法,其特征在于,所述方法还包括:
S4、输出所述RPA机器人推荐列表。
8.一种基于AI的RPA机器人智能推荐装置,其特征在于,所述装置包括:
获取单元,用于获取用户的用户属性;
匹配单元,用于根据所述用户属性和RPA机器人的机器人属性,确定所述用户与所述RPA机器人的匹配结果;
推荐单元,用于根据所述匹配结果,生成RPA机器人推荐列表。
9.一种电子设备,其特征在于,所述电子设备包括:存储器,处理器和显示器;
存储器,用于存储所述处理器可执行指令的存储器;
处理器,用于实现如权利要求1至7任一项所述的基于AI的RPA机器人智能推荐方法;
通信接口,用于接收用户终端发送的用户请求,并根据用户请求将所述推荐列表发送到用户终端。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的基于AI的RPA机器人智能推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010615208.XA CN111723294A (zh) | 2020-06-30 | 2020-06-30 | 基于ai的rpa机器人智能推荐方法、装置以及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010615208.XA CN111723294A (zh) | 2020-06-30 | 2020-06-30 | 基于ai的rpa机器人智能推荐方法、装置以及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111723294A true CN111723294A (zh) | 2020-09-29 |
Family
ID=72570353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010615208.XA Pending CN111723294A (zh) | 2020-06-30 | 2020-06-30 | 基于ai的rpa机器人智能推荐方法、装置以及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111723294A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642920A (zh) * | 2021-08-30 | 2021-11-12 | 南京数睿数据科技有限公司 | 一种面向工业制造领域数字化应用的快速构建方法 |
CN113672148A (zh) * | 2021-08-27 | 2021-11-19 | 杭州分叉智能科技有限公司 | 基于rpa的轮盘菜单应用方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109246451A (zh) * | 2018-08-23 | 2019-01-18 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、装置、服务器及存储介质 |
US20190317709A1 (en) * | 2018-04-13 | 2019-10-17 | Fuji Xerox Co., Ltd. | Message providing device, message providing method, and non-transitory computer readable medium |
CN110995944A (zh) * | 2019-12-19 | 2020-04-10 | 易谷网络科技股份有限公司 | 一种客服坐席推荐方法、装置、客服设备和存储介质 |
-
2020
- 2020-06-30 CN CN202010615208.XA patent/CN111723294A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190317709A1 (en) * | 2018-04-13 | 2019-10-17 | Fuji Xerox Co., Ltd. | Message providing device, message providing method, and non-transitory computer readable medium |
CN109246451A (zh) * | 2018-08-23 | 2019-01-18 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、装置、服务器及存储介质 |
CN110995944A (zh) * | 2019-12-19 | 2020-04-10 | 易谷网络科技股份有限公司 | 一种客服坐席推荐方法、装置、客服设备和存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113672148A (zh) * | 2021-08-27 | 2021-11-19 | 杭州分叉智能科技有限公司 | 基于rpa的轮盘菜单应用方法 |
CN113642920A (zh) * | 2021-08-30 | 2021-11-12 | 南京数睿数据科技有限公司 | 一种面向工业制造领域数字化应用的快速构建方法 |
CN113642920B (zh) * | 2021-08-30 | 2023-10-31 | 南京数睿数据科技有限公司 | 一种面向工业制造领域数字化应用的快速构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10958748B2 (en) | Resource push method and apparatus | |
CN105678587B (zh) | 一种推荐特征确定方法、信息推荐方法及装置 | |
CN111506801A (zh) | 一种应用App中子应用的排序方法及装置 | |
CN110413867B (zh) | 用于内容推荐的方法及系统 | |
CN107784504B (zh) | 客户回访事件的生成方法及终端设备 | |
US8793236B2 (en) | Method and apparatus using historical influence for success attribution in network site activity | |
WO2019061664A1 (zh) | 电子装置、基于用户上网数据的产品推荐方法及存储介质 | |
CN102934113A (zh) | 信息提供系统、信息提供方法、信息提供设备、程序和信息记录介质 | |
CN110781251A (zh) | 保险知识图谱生成方法、装置、设备及存储介质 | |
CN113383362A (zh) | 用户识别方法及相关产品 | |
CN111723294A (zh) | 基于ai的rpa机器人智能推荐方法、装置以及设备 | |
CN111429214B (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
CN111476633A (zh) | 产品服务推荐平台、产品服务的路径推荐方法及介质 | |
CN111680213B (zh) | 信息推荐方法、数据处理方法及装置 | |
WO2022007798A1 (zh) | 数据显示方法、装置、终端设备及存储介质 | |
CN113010785A (zh) | 用户推荐方法及设备 | |
CN111767457B (zh) | 推荐方法及装置 | |
CN112115370A (zh) | 推荐方法、装置、计算机可读存储介质及电子设备 | |
CN113395304A (zh) | 信息推送方法和系统、客户端、存储介质及计算终端 | |
CN114491093B (zh) | 多媒体资源推荐、对象表征网络的生成方法及装置 | |
CN110633408A (zh) | 智能商业资讯的推荐方法和系统 | |
CN108139900B (zh) | 传送关于应用的更新的信息 | |
WO2018201596A1 (zh) | 密码输入方法、装置、计算机可读存储介质和终端设备 | |
CN113297406A (zh) | 图片搜索方法、系统及电子设备 | |
CN110018766B (zh) | 网页表单填写方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |