CN114296708B - 结合rpa和ai的生成rpa代码方法、装置及电子设备 - Google Patents
结合rpa和ai的生成rpa代码方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114296708B CN114296708B CN202210239471.2A CN202210239471A CN114296708B CN 114296708 B CN114296708 B CN 114296708B CN 202210239471 A CN202210239471 A CN 202210239471A CN 114296708 B CN114296708 B CN 114296708B
- Authority
- CN
- China
- Prior art keywords
- command
- feature
- text
- rpa
- generating
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000000605 extraction Methods 0.000 claims abstract description 52
- 230000004044 response Effects 0.000 claims abstract description 5
- 238000013473 artificial intelligence Methods 0.000 claims description 66
- 238000003860 storage Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004801 process automation Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000004069 differentiation Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 102100024416 GTPase IMAP family member 1 Human genes 0.000 description 2
- 101000833379 Homo sapiens GTPase IMAP family member 1 Proteins 0.000 description 2
- 241000699666 Mus <mouse, genus> Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 101001001429 Homo sapiens Inositol monophosphatase 1 Proteins 0.000 description 1
- 102100035679 Inositol monophosphatase 1 Human genes 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011999 immunoperoxidase monolayer assay Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- GHZKGHQGPXBWSN-UHFFFAOYSA-N methyl(propan-2-yloxy)phosphinic acid Chemical compound CC(C)OP(C)(O)=O GHZKGHQGPXBWSN-UHFFFAOYSA-N 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- User Interface Of Digital Computer (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本公开提出了一种结合RPA和AI的生成RPA代码方法、装置及电子设备,其中,该生成RPA代码方法包括:获取目的输入文本;对目的输入文本进行特征提取,以生成目的输入文本的至少一个命令特征;若至少一个命令特征满足多轮对话条件,则根据命令逻辑表,确定至少一个命令特征是否满足区分命令逻辑条件;若至少一个命令特征不满足区分命令逻辑条件,则根据至少一个命令特征生成至少一个目标命令信息;根据至少一个目标命令信息生成至少一个问题文本;获取至少一个问题文本中每个问题文本对应的答复文本;根据答复文本生成目的输入文本的RPA代码。由此,能够根据用户需求自动生成RPA代码,并提高RPA代码的生成效率。
Description
技术领域
本公开涉及计算机技术领域,具体涉及人工智能(Artificial Intelligence,AI)和机器人流程自动化(Robotic Process Automation,RPA)领域,尤其涉及一种结合RPA和AI的生成RPA代码方法、装置及电子设备。
背景技术
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。
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。
随着RPA和AI技术的发展,RPA和AI技术得到了广泛的应用,其中,RPA产品强调的是低代码,以尽量让业务人员(比如财务人员和销售人员等)使用,从而实现在不依赖于程序员的情况下能够对RPA流程(业务流程)进行编制。
但在实际使用的过程中,RPA流程设计由于涉及到各种变量的定义、循环、判断等逻辑关系,其使用门槛较高,只有具备程序开发经验的专业人员才能熟练使用,使得大多数业务人员对于RPA产品的使用仍具有畏惧情绪。
发明内容
本公开旨在至少在一定程度上解决上述技术中的技术问题之一。
为此,本公开的第一个目的在于提出一种结合RPA和AI的生成RPA代码方法,能够根据用户需求自动生成RPA代码,并提高RPA代码的生成效率。
本公开的第二个目的在于提出一种结合RPA和AI的生成RPA代码装置。
本公开的第三个目的在于提出一种电子设备。
本公开的第四个目的在于提出一种计算机可读存储介质。
为达到上述目的,本公开第一方面实施例提出了一种结合RPA和AI的生成RPA代码方法,包括:获取目的输入文本;对所述目的输入文本进行特征提取,以生成所述目的输入文本的至少一个命令特征;若所述至少一个命令特征满足多轮对话条件,则根据命令逻辑表,确定所述至少一个命令特征是否满足区分命令逻辑条件;若所述至少一个命令特征不满足所述区分命令逻辑条件,则根据所述至少一个命令特征生成至少一个目标命令信息;根据所述至少一个目标命令信息生成至少一个问题文本;获取所述至少一个问题文本中每个所述问题文本对应的答复文本;根据所述答复文本生成所述目的输入文本的RPA代码。
根据本公开实施例的结合RPA和AI的生成RPA代码方法,首先获取目的输入文本,而后对目的输入文本进行特征提取,以生成目的输入文本的至少一个命令特征,若至少一个命令特征满足多轮对话条件,则根据命令逻辑表,确定至少一个命令特征是否满足区分命令逻辑条件,若至少一个命令特征不满足区分命令逻辑条件,则根据至少一个命令特征生成至少一个目标命令信息,而后根据至少一个目标命令信息生成至少一个问题文本,并获取至少一个问题文本中每个问题文本对应的答复文本,以及根据答复文本生成目的输入文本的RPA代码。由此,能够根据用户需求自动生成RPA代码,并提高RPA代码的生成效率。
另外,根据本公开上述实施例提出的结合RPA和AI的生成RPA代码方法还可以具有如下附加的技术特征:
在本公开的一个实施例中,所述对所述目的输入文本进行特征提取,以生成所述目的输入文本的至少一个命令特征,包括:获取特征提取模型;根据所述特征提取模型对所述目的输入文本进行特征提取,以生成所述至少一个命令特征。
在本公开的一个实施例中,所述结合RPA和AI的生成RPA代码方法,还包括:基于AI对所述至少一个命令特征进行分析,以确定所述至少一个命令特征是否具有完整命令信息;若所述至少一个命令特征具有所述完整命令信息,则确定所述至少一个命令特征不满足所述多轮对话条件;若所述至少一个命令特征不具有所述完整命令信息,则确定所述至少一个命令特征满足所述多轮对话条件。
在本公开的一个实施例中,所述根据命令逻辑表,确定所述至少一个命令特征是否满足区分命令逻辑条件,包括:以所述至少一个命令特征为索引从命令逻辑表之中进行查询,以生成查询结果;若所述查询结果为空,则确定所述至少一个命令特征不满足所述区分命令逻辑条件;若所述查询结果不为空,则确定所述至少一个命令特征满足所述区分命令逻辑条件。
在本公开的一个实施例中,所述根据所述至少一个命令特征生成至少一个目标命令信息,包括:以所述至少一个命令特征为索引从命令库之中进行查询,以生成所述至少一个目标命令信息。
在本公开的一个实施例中,所述至少一个目标命令信息包括必填信息,所述根据所述至少一个目标命令信息生成至少一个问题文本,包括:根据所述必填信息生成所述至少一个问题文本,其中,所述必填信息包括至少一个必填参数信息。
在本公开的一个实施例中,所述至少一个目标命令信息还包括命令名称和命令说明,所述方法还包括:根据所述命令名称、所述命令说明和所述必填信息生成命令说明文本。
在本公开的一个实施例中,所述至少一个目标命令信息包括必填信息和可选参数信息,所述根据所述至少一个目标命令信息生成至少一个问题文本,包括:根据所述必填信息和所述可选参数信息生成所述至少一个问题文本,其中,所述必填信息包括至少一个必填参数信息。
在本公开的一个实施例中,所述至少一个问题文本包括可操作控件。
在本公开的一个实施例中,所述根据所述答复文本生成所述目的输入文本的RPA代码,包括:根据所述至少一个目标命令信息,确定格式规则;根据所述格式规则对所述答复文本进行整合,以生成所述目的输入文本的RPA代码。
在本公开的一个实施例中,所述方法还包括:若所述至少一个命令特征不满足所述多轮对话条件,则以所述至少一个命令特征为索引从知识库之中进行查询,以生成所述目的输入文本的答复文本;根据所述目的输入文本的答复文本生成所述目的输入文本的RPA代码。
在本公开的一个实施例中,所述方法还包括:若所述至少一个命令特征满足所述区分命令逻辑条件,则根据所述查询结果生成逻辑问题文本;获取所述逻辑问题文本对应的逻辑答复文本;根据所述逻辑答复文本和所述至少一个命令特征生成所述至少一个目标命令信息。
为达到上述目的,本公开第二方面实施例提出了一种结合RPA和AI的生成RPA代码装置,包括:第一获取模块,用于获取目的输入文本;特征提取模块,用于对所述目的输入文本进行特征提取,以生成所述目的输入文本的至少一个命令特征;第一确定模块,用于若所述至少一个命令特征满足多轮对话条件,则根据命令逻辑表,确定所述至少一个命令特征是否满足区分命令逻辑条件;第一生成模块,用于若所述至少一个命令特征不满足所述区分命令逻辑条件,则根据所述至少一个命令特征生成至少一个目标命令信息;第二生成模块,用于根据所述至少一个目标命令信息生成至少一个问题文本;第二获取模块,用于获取所述至少一个问题文本中每个所述问题文本对应的答复文本;第三生成模块,用于根据所述答复文本生成所述目的输入文本的RPA代码。
本公开实施例的结合RPA和AI的生成RPA代码装置,首先通过第一获取模块获取目的输入文本,而后通过特征提取模块对目的输入文本进行特征提取,以生成目的输入文本的至少一个命令特征,若至少一个命令特征满足多轮对话条件,则通过第一确定模块根据命令逻辑表,确定至少一个命令特征是否满足区分命令逻辑条件,若至少一个命令特征不满足区分命令逻辑条件,则通过第一生成模块根据至少一个命令特征生成至少一个目标命令信息,而后通过第二生成模块根据至少一个目标命令信息生成至少一个问题文本,并通过第二获取模块获取至少一个问题文本中每个问题文本对应的答复文本,以及通过第三生成模块根据答复文本生成目的输入文本的RPA代码。由此,能够根据用户需求自动生成RPA代码,并提高RPA代码的生成效率。
为达到上述目的,本公开第三方面实施例提出了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如本公开第一方面实施例所述的结合RPA和AI的生成RPA代码方法。
本公开实施例的电子设备,通过处理器执行存储在存储器上的指令,获取目的输入文本,并对目的输入文本进行特征提取,以生成目的输入文本的至少一个命令特征,若至少一个命令特征满足多轮对话条件,则根据命令逻辑表,确定至少一个命令特征是否满足区分命令逻辑条件,若至少一个命令特征不满足区分命令逻辑条件,则根据至少一个命令特征生成至少一个目标命令信息,而后根据至少一个目标命令信息生成至少一个问题文本,并获取至少一个问题文本中每个问题文本对应的答复文本,以及根据答复文本生成目的输入文本的RPA代码。由此,能够根据用户需求自动生成RPA代码,并提高RPA代码的生成效率。
为达到上述目的,本公开第四方面实施例提出了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本公开第一方面实施例所述的结合RPA和AI的生成RPA代码方法。
本公开实施例的计算机可读存储介质,通过存储计算机程序并被处理器执行,获取目的输入文本,并对目的输入文本进行特征提取,以生成目的输入文本的至少一个命令特征,若至少一个命令特征满足多轮对话条件,则根据命令逻辑表,确定至少一个命令特征是否满足区分命令逻辑条件,若至少一个命令特征不满足区分命令逻辑条件,则根据至少一个命令特征生成至少一个目标命令信息,而后根据至少一个目标命令信息生成至少一个问题文本,并获取至少一个问题文本中每个问题文本对应的答复文本,以及根据答复文本生成目的输入文本的RPA代码。由此,能够根据用户需求自动生成RPA代码,并提高RPA代码的生成效率。
本公开附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解。
图1为根据本公开一个实施例的结合RPA和AI的生成RPA代码方法的流程示意图。
图2为根据本公开一个实施例的具体实例图。
图3为根据本公开另一个实施例的结合RPA和AI的生成RPA代码方法的流程示意图。
图4为根据本公开另一个实施例的具体实例图。
图5为根据本公开另一个实施例的结合RPA和AI的生成RPA代码方法的流程示意图。
图6为根据本公开另一个实施例的结合RPA和AI的生成RPA代码方法的流程示意图。
图7为根据本公开另一个实施例的结合RPA和AI的生成RPA代码方法的流程示意图。
图8为根据本公开另一个实施例的结合RPA和AI的生成RPA代码方法的流程示意图。
图9为根据本公开另一个实施例的结合RPA和AI的生成RPA代码方法的流程示意图。
图10为根据本公开一个实施例的结合RPA和AI的生成RPA代码装置的方框示意图。
图11为根据本公开一个实施例的电子设备的结构示意图。
具体实施方式
下面详细描述本公开的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本公开,而不能理解为对本公开的限制。
在本公开的描述中,术语“目的输入文本”指表明用户意图并由用户输入的文本。
在本公开的描述中,术语“命令特征”指能用于生成RPA代码的命令特征,包括但不限于表明用户意图的动作、对象和参数等。
在本公开的描述中,术语“多轮对话”指人机交互过程中的进行连续多轮的对话。
在本公开的描述中,术语“命令逻辑”指生成RPA代码的多种方法逻辑。
在本公开的描述中,术语“RPA代码”指计算机的高级语言代码,高级语言可包括BASIC(Beginner's All-purpose Symbolic Instruction Code,初学者通用指令代码)(例如True basic、Qbasic和Virtual Basic等)、C、C++、PASCAL(结构化编程语言)、FORTRAN(Formula Translation,公式翻译语言)、智能化语言(例如LISP(List Processing,表处理语言)、Prolog(Programming in logic,逻辑编程语言)、CLIPS(C Language IntegratedProduction System,C语言集成产生系统)、OpenCyc和Fazzy等)和动态语言(Python、PHP(Hypertext Preprocessor,超文本预处理器)、Ruby和Lua等)等。
在本公开的描述中,术语“命令逻辑表”指包括命令特征和该命令特征对应的命令逻辑的数据表,用于根据查询命令特征的命令逻辑。
下面结合附图来描述本公开实施例的结合RPA和AI的生成RPA代码方法、装置及电子设备。
本公开实施例提供的结合RPA和AI的生成RPA代码方法,可以由电子设备来执行,该电子设备可为PC(Personal Computer,个人计算机)电脑、平板电脑、掌上电脑或手机等,此处不做任何限定。
在本公开实施例中,电子设备中可以设置有处理组件、存储组件和驱动组件。可选的,该驱动组件和处理组件可以集成设置,该存储组件可以存储操作系统、应用程序或其他程序模块,该处理组件通过执行存储组件中存储的应用程序来实现本公开实施例提供的结合RPA和AI的生成RPA代码方法。
图1为根据本公开一个实施例的结合RPA和AI的生成RPA代码方法的流程示意图。
本公开实施例的结合RPA和AI的生成RPA代码方法,还可由本公开实施例提供的结合RPA和AI的生成RPA代码装置执行,该装置可配置于电子设备中,以实现获取目的输入文本,并对目的输入文本进行特征提取,以生成目的输入文本的至少一个命令特征,若至少一个命令特征满足多轮对话条件,则根据命令逻辑表,确定至少一个命令特征是否满足区分命令逻辑条件,若至少一个命令特征不满足区分命令逻辑条件,则根据至少一个命令特征生成至少一个目标命令信息,而后根据至少一个目标命令信息生成至少一个问题文本,并获取至少一个问题文本中每个问题文本对应的答复文本,以及根据答复文本生成目的输入文本的RPA代码,从而能够根据用户需求自动生成RPA代码,并提高RPA代码的生成效率。
作为一种可能的情况,本公开实施例的结合RPA和AI的生成RPA代码方法还可以在服务器端执行,服务器可以为云服务器,可以在云端执行该结合RPA和AI的生成RPA代码方法。
如图1所示,该结合RPA和AI的生成RPA代码方法,可包括:
步骤101,获取目的输入文本。其中,目的输入文本可为由用户输入并表达用户目的的文本,即用户输入的命令。
需要说明的是,本公开实施例的结合RPA和AI的生成RPA代码方法的执行主体可为智能对话机器人,该智能对话机器人可配置于集成在电子设备上的RPA平台中,用于与用户进行对话,并基于对话内容生成RPA代码。其中,RPA代码可为计算机的高级语言代码,该高级语言可包括BASIC(Beginner's All-purpose Symbolic Instruction Code,初学者通用指令代码)(例如True basic、Qbasic和Virtual Basic等)、C、C++、PASCAL(结构化编程语言)、FORTRAN(Formula Translation,公式翻译语言)、智能化语言(例如LISP(ListProcessing,表处理语言)、Prolog(Programming in logic,逻辑编程语言)、CLIPS(CLanguage Integrated Production System,C语言集成产生系统)、OpenCyc和Fazzy等)和动态语言(Python、PHP(Hypertext Preprocessor,超文本预处理器)、Ruby和Lua等)等,其中,可预先设定智能对话机器人生成的RPA代码类型,或者该智能对话机器人可根据对话内容智能分析生成的RPA代码类型,又或者,由用户选择智能对话机器人生成的RPA代码类型,此处不做任何限定。
在本公开实施例中,参见图2,用户可在相关客户端打开RPA平台的人机对话界面,并通过该人机对话界面的聊天框输入目的输入文本,与智能对话机器人进行对话。
具体地,在用户初次打开人机对话界面时,智能对话机器人可主动发起对话,并在该人机对话界面生成提示语,例如“欢迎进入,让我们一起创建流程吧!”,“请问你要做什么”等,以引导用户进行对话,此时用户可通过聊天框输入目的输入文本,例如“收邮件”、“打开Excel”和“打开xxx网站”等,在用户通过聊天框输入目的输入文本后,智能对话机器人可获取该目的输入文本。
步骤102,对目的输入文本进行特征提取,以生成目的输入文本的至少一个命令特征。其中,命令特征可为用于生成RPA代码的特征,包括但不限于表明用户意图的动作、对象和参数等,例如,目的输入文本“收邮件”中的动作“收”以及对象“邮件”均可作为命令特征。
为了清楚说明上一实施例,在本公开的一个实施例中,如图3所示,对目的输入文本进行特征提取,以生成目的输入文本的至少一个命令特征,可包括:
步骤301,获取特征提取模型。其中,特征提取模型可包括词袋(Bag of Words,BoW)模型、词集(Set of Words,SoW)模型和Skip-gram(跳字)模型等,此处不做任何限定。应说明的是,该实施例中所描述该特征提取模型可以是提前训练好的,并将其预存于电子设备的存储空间中,以便于智能对话机器人的调取使用。其中,该存储空间不仅限于基于实体的存储空间,例如,硬盘,该存储空间还可以是连接电子设备的网络硬盘的存储空间(云存储空间)。
其中,该特征提取模型的训练与生成可由相关的服务器进行,该服务器可以是云端服务器,也可以是一台电脑的主机,该服务器与可执行本公开实施例提供的结合RPA和AI的生成RPA代码方法的电子设备之间,建立有通信连接,该通信连接可以是无线网络连接和有线网络连接的至少一种。服务器可将训练完成的特征提取模型发送给电子设备,以便于智能对话机器人在需要时从该电子设备调用,从而大大减少智能对话机器人的计算压力。
步骤302,根据特征提取模型对目的输入文本进行特征提取,以生成至少一个命令特征。
具体地,智能对话机器人获取到目的输入文本后,可从电子设备的存储空间中调取特征提取模型,并将该目的输入文本输入到该特征提取模型,从而通过该特征提取模型对该目的输入文本进行特征提取,以得到该特征提取模型输出的至少一个命令特征。
作为一种可能的情况,智能对话机器人还可以通过预设的特征提取算法,对目的输入文本进行特征提取,以得到至少一个命令特征。其中,预设的特征提取算法可根据实际情况进行标定,例如词频-逆文本频率(term frequency-inverse document frequency,TF-IDF)算法等。
步骤103,若至少一个命令特征满足多轮对话条件,则根据命令逻辑表,确定至少一个命令特征是否满足区分命令逻辑条件。
在本公开实施例中,若智能对话机器人根据上述至少一个命令特征判断存在多种生成RPA代码的方法,则该至少一个命令特征存在(对应)多个命令逻辑,需要对该多个命令逻辑进行区分,例如,参见图2,根据从目的输入文本“收邮件”中提取的至少一个命令特征,可判断出存在邮局协议(Post Office Protocol,POP)和互联网邮件访问协议(InternetMessage Access Protocol,IMAP)两种生成RPA代码的方法,即该至少一个命令特征存在POP和IMAP两种命令逻辑,需要用户从该两种命令逻辑中选择出一种命令逻辑;若智能对话机器人根据上述至少一个命令特征判断仅存在一种生成RPA代码的方法,则该至少一个命令特征仅存在(对应)一种命令逻辑,无需用户进行命令逻辑的区分,例如,参见图4,根据从目的输入文本“打开Excel”中提取的至少一个命令特征,可判断出仅存在一种生成RPA代码的方法,即该至少一个命令特征仅存在一种命令逻辑。
其中,相关人员可预先建立命令逻辑表以存储命令特征与多个命令逻辑之间的对应关系,例如,该命令逻辑表可存储有至少一个命令特征及该至少一个命令特征对应的多个命令逻辑,如表a所示的命令逻辑表。应说明的是,若上述至少一个命令特征仅存在一个命令逻辑,则不将该至少一个命令特征对应的命令逻辑写入逻辑表中,例如,参见表a,由于从“获取邮件标题邮箱”中提取的至少一个命令特征不存在多个命令逻辑,表a中不包括该至少一个命令特征对应的命令逻辑。
动作对象 | 动作 | 对象 | 命令逻辑(备注) | 命令编号 |
连接邮箱_POP | 连接 | 邮箱 | POP | Mail3 |
连接邮箱_IMAP | 连接 | 邮箱 | IMAP | IMAP1 |
获取邮件标题邮箱 | 获取邮件标题 | 邮箱 | Mail14 |
表a
为了清楚说明上一实施例,在本公开的一个实施例中,如图5所示,该结合RPA和AI的生成RPA代码方法还可包括:
步骤501,基于AI对至少一个命令特征进行分析,以确定至少一个命令特征是否具有完整命令信息。
步骤502,若至少一个命令特征具有完整命令信息,则确定至少一个命令特征不满足多轮对话条件。
步骤503,若至少一个命令特征不具有完整命令信息,则确定至少一个命令特征满足多轮对话条件。
在本公开实施例中,若智能对话机器人基于从目的输入文本中提取的至少一个命令特征足以生成完整的RPA代码,可认为该至少一个命令特征具有完整命令信息,若智能对话机器人基于从目的输入文本中提取的至少一个命令特征不足以生成完整的RPA代码,可认为该至少一个命令特征不具有完整命令信息。
举例而言,若目的输入文本为“打开xxx网站”,则该至少一个命令特征可包括动作“打开”和对象“xxx网站”,智能对话机器人可直接根据命令特征“打开”和“xxx网站”生成能够打开地址为xxx的网站的完整RPA代码,因此,该至少一个命令特征具有完整命令信息,不满足多轮对话条件;若目的输入文本为“收邮件”,则该至少一个命令特征可包括动作“收”和对象“邮件”,而若要生成完成的RPA代码,参见图2,还需要服务器地址、登陆账号、登陆密码和使用协议等命令信息,因此,该至少一个命令特征不具有完整命令信息,满足多轮对话条件。
进一步地,在本公开的一个实施例中,如图6所示,根据命令逻辑表,确定至少一个命令特征是否满足区分命令逻辑条件,可包括:
步骤601,以至少一个命令特征为索引从命令逻辑表之中进行查询,以生成查询结果。
步骤602,若查询结果为空,则确定至少一个命令特征不满足区分命令逻辑条件。
步骤603,若查询结果不为空,则确定至少一个命令特征满足区分命令逻辑条件。
具体地,智能对话机器人从目的输入文本中提取到至少一个命令特征后,可以以该至少一个命令特征为引索从命令逻辑表之中进行查询,并生成查询结果,若查询结果为空,说明该至少一个命令特征不存在多个命令逻辑,则确定该至少命令特征不满足区分命令逻辑条件,若查询结果不为空,说明该至少一个命令特征存在多个命令逻辑,则确定该至少一个命令特征满足区分命令逻辑条件。
举例而言,由于从目的输入文本“打开Excel”中提取的至少一个命令特征不存在多个命令逻辑,在以该至少一个命令特征为引索在命令逻辑表(如表a)中进行查询时,无法查询到命令逻辑,其查询结果为空,该至少一个命令特征不满足区分命令逻辑条件;由于从目的输入文本“收邮件”中提取的至少一个命令特征存在多个命令逻辑,在以该至少一个命令特征为引索在命令逻辑表(如表a)中进行查询时,可查询到命令逻辑POP和IMPA,其查询结果不为空,该至少一个命令特征满足区分命令逻辑条件。
步骤104,若至少一个命令特征不满足区分命令逻辑条件,则根据至少一个命令特征生成至少一个目标命令信息。其中,目标命令信息可为用于生成问题文本的信息,该目标信息可包括必填信息、命令名称、命令说明和可选参数信息等。
具体地,若上述至少一个命令特征满足多轮对话条件,且不满足区分命令逻辑条件,则智能对话机器人可根据该至少一个命令特征生成至少一个目标命令信息。
举例而言,参见图4,由于从目的输入文本“打开Excel”中提取的至少一个命令特征满足多轮对话条件,且不满足区分命令逻辑条件,智能对话机器人根据该至少一个命令特征生成了目标命令信息。
为了清楚说明上一实施例,在本公开的一个实施例中,根据至少一个命令特征生成至少一个目标命令信息,可包括:以至少一个命令特征为索引从命令库之中进行查询,以生成至少一个目标命令信息。
其中,参见下表b,命令库可为包括命令编号、命令名称、所属模块、命令原型、命令说明、必填信息、输出和可选参数等信息的数据库。
命令编号 | 命令名称 | 所属模块 | 命令原型 | 命令说明 | 必填信息 | 输出 | 可选参数 |
Base1 | 延时 | 基本命令 | Delay(ms) | 延时等待 ms 毫秒后继续执行之后的代码。 | ms--延时等待的时间(毫秒,1 秒等于 1000 毫秒)。 | ||
String4 | 获取左侧字符串 | 字符串 | sRet =Left(sText,iSize) | 获取左侧字符串。 | sText--进行操作的字符串。 iSize--要获取多少个单位的字符串。 | sRet--将命令运行后的结果赋值给此变量。 | |
LocalOCR1 | 鼠标点击OCR文本 | 本地OCR(实验功能) | LocalOCR.Click(objUiElement,objRect,sText,iRule,iOccurrence,iButton,iType,iTimeOut,optionArgs) | 使用本地OCR对窗口范围内进行指定文字识别,如果识别到指定文字就点击它。调用时不需要访问网络,没有调用频次的限制,但需要消耗一定的系统资源。 | objUiElement--对应需要操作的界面元素,当属性传递为 字符串 类型时,作为特征串查找界面元素,当属性传递为UiElement 类型时,直接对 UiElement 对应的界面元素进行点击操作。objRect--需要进行OCR文字识别的范围,程序会在控件这个范围内进行文字识别,如果范围传递为 {"x":0,"y":0,"width":0,"height":0},则进行控件矩形区域范围内的文字识别。sText--查找元素时使用的文本。 iRule--查找文本时使用的规则。iOccurrence--如果“文本”字段中的字符串在指示的界面元素中出现多次,请在此处指定要单击的出现次数。例如,如果字符串出现4次并且您要单击第一个匹配项,请在此字段中写入1。iButton--鼠标按键{left:左键, right:右键, middle:中键}。iType--点击类型{click:单击,dbclick:双击, down:按下, up:弹起}。iTimeOut-- 指定在SelectorNotFoundException引发异常之前等待活动运行的时间量(以毫秒为单位)。默认值为10000毫秒(10秒)。 | bContinueOnError--指定即使活动引发错误,自动化是否仍应继续。该字段仅支持布尔值(True,False)。默认值为False。iDelayAfter--执行活动后的延迟时间(以毫秒为单位)。默认时间为300毫秒。 iDelayBefore--活动开始执行任何操作之前的延迟时间(以毫秒为单位)。默认的时间量是200毫秒。bSetForeground--进行操作之前,是否先将目标窗口激活。sCursorPosition--描述添加OffsetX和OffsetY属性的偏移量的光标起点。可以使用以下选项:TopLeft,TopRight,BottomLeft,BottomRight和Center。默认选项是Center。iCursorOffsetX--根据在“位置”字段中选择的选项,光标位置的水平位移。 iCursorOffsetY--根据在“位置”字段中选择的选项,光标位置的垂直位移。sKeyModifiers--触发鼠标动作时同时按下的键盘按键,可以使用以下选项:Alt,Ctrl,Shift,Win。 sSimulate--可选择操作类型为:后台操作(uia)、模拟操作(simulate)、系统消息(message),默认选择:模拟操作(simulate)。 | |
Mail3 | 连接邮箱 | SMTP/POP | objMail =Mail.Connect(sServer,sUid,sPwd,sType,iPort,bSsl) | 连接一个邮箱,并作为操控对象。 | sServer--服务器地址。sUid--登录帐号。sPwd--登录密码。sType--使用协议。iPort--POP3服务器端口,默认为 110,一般不需要修改。 bSsl--是否使用ssl协议加密,默认为false。 | objMail--将命令运行后的结果赋值给此变量。 | |
Mail14 | 获取邮件标题 | SMTP/POP | sRet =Mail.GetTitle(objMail,1) | 获取邮件标题。 | objMail--邮箱对象,使用连接邮箱(Mail.Connect)命令返回的邮箱对象。 iNum--从列表顶部开始获取的邮件数量,默认1。 | sRet将返回值赋值给此变量 | |
IMAP1 | 连接邮箱 | IMAP | objIMAP =IMAP.Connect(sHost,sAccout,sPassword,iPort,bUsessl,sAddress) | 连接IMAP接收邮件服务器,返回一个可操控的连接对象。 | sHost--IMAP服务器地址。 sAccout--IMAP服务登录帐号。sPassword--IMAP服务登录密码。 iPort--IMAP服务器端口。 bUsessl--使用SSL加密连接服务器,默认为否。 sAddress--完整的邮箱地址。 | objIMAP--将命令运行后的结果赋值给此变量。 | I |
表b
具体地,当上述至少一个命令特征满足多轮对话条件,且不满足区分命令逻辑条件时,智能对话机器人可以以该至少一个命令特征为引索从命令库(如表b)之中进行查询,并根据查询结果生成至少一个目标命令信息。
步骤105,根据至少一个目标命令信息生成至少一个问题文本。
为了清楚说明上一实施例,在本公开的一个实施例中,至少一个目标命令信息可包括必填信息,根据至少一个目标命令信息生成至少一个问题文本,可包括:根据必填信息生成至少一个问题文本,其中,必填信息可包括至少一个必填参数信息。
具体地,对于每一个必填参数信息,智能对话机器人可根据该必填参数信息生成该必填参数信息对应的一个问题文本。
作为一种可能的情况,智能对话机器人可根据多个必填参数信息,生成一个问题文本。
作为另一种可能的情况,智能对话机器人可根据多个必填参数信息,生成多个问题文本。
进一步地,在本公开的一个实施例中,至少一个目标命令信息还可包括命令名称和命令说明,该结合RPA和AI的生成RPA代码方法还可包括:根据命令名称、命令说明和必填信息生成命令说明文本。
具体地,参见图2和图4,若目标命令信息包括命令名称、命令说明和必填信息,智能对话机器人可根据该命令名称、命令说明和必填信息生成对应的命令说明文本,并将该命令说明文本发送到人机对话界面,提供给用户查看。
在本公开的一个实施例中,至少一个目标命令信息可包括必填信息和可选参数信息(至少一个),根据至少一个目标命令信息生成至少一个问题文本,可包括:根据必填信息和可选参数信息生成至少一个问题文本,其中,必填信息可包括至少一个必填参数信息。
具体地,当智能对话机器人生成的至少一个命令信息包括至少一个必填参数信息和至少一个可选参数信息时,可根据该至少一个可选参数信息生成至少一个问题文本,或者,基于AI对该至少一个可选参数信息进行分析,确定是否需要根据该至少一个可选参数信息生成问题文本,若是,则可根据该至少一个可选参数信息生成至少一个问题文本,并根据上述至少一个必填参数信息生成至少一个问题文本;若否,则不根据该可选参数信息生成问题文本,只根据上述至少一个必填参数信息生成至少一个问题文本。
步骤106,获取至少一个问题文本中每个问题文本对应的答复文本。
具体地,智能对话机器人生成至少一个问题文本后,可将该至少一个问题文本逐条发送的到人机对话界面,或者将该至少一个问题文本合并一条或多条发送到人机对话界面,以对用户进行询问,此时,用户可通过人机对话界面的聊天框输入每个问题文本对应的答复文本,以对智能对话机器人的问题进行答复(例如,一问一答复),在用户输入完答复文本后,智能对话机器人可获取该答复文本。
步骤107,根据答复文本生成目的输入文本的RPA代码。
为了清楚说明上一实施例中,在本公开的一个实施例中,如图7所示,根据答复文本生成目的输入文本的RPA代码,可包括:
步骤701,根据至少一个目标命令信息,确定格式规则。
步骤702,根据格式规则对答复文本进行整合,以生成目的输入文本的RPA代码。
在本公开实施例中,对于用户不同的需求需要以不同的格式规则生成相应的RPA代码,例如对于“收邮件”和“打开Excel”的需求需以不同的格式规则生成RPA代码。
具体地,智能对话机器人生成上述至少一个命令信息后,可根据该至少一个命令信息,确定相应的格式规则,并根据该格式规则对答复文本进行整合,例如提取答复文本中的参数,将该参数写入或替换到基于上述的格式规则生成的RPA代码模板中,从而生成目的输入文本的RPA代码。
本公开实施例的结合RPA和AI的生成RPA代码方法,获取目的输入文本,并对目的输入文本进行特征提取,以生成目的输入文本的至少一个命令特征,若至少一个命令特征满足多轮对话条件,则根据命令逻辑表,确定至少一个命令特征是否满足区分命令逻辑条件,若至少一个命令特征不满足区分命令逻辑条件,则根据至少一个命令特征生成至少一个目标命令信息,而后根据至少一个目标命令信息生成至少一个问题文本,并获取至少一个问题文本中每个问题文本对应的答复文本,以及根据答复文本生成目的输入文本的RPA代码。由此,能够根据用户需求自动生成RPA代码,并提高RPA代码的生成效率。
在本公开的一个实施例中,至少一个问题文本可包括可操作控件。
具体地,当问题文本中包括可操作控件时,用户可操作该可操作控件,以添加RPA代码所需要的信息,例如,参见图4,用户可通过操作问题文本中的可操作控件添加Excel的路径,该可操作控件便于用户操作,方便了用户对智能对话机器人的答复,提高了答复的效率和准确性。
在本公开的一个实施例中,如图8所示,该结合RPA和AI的生成RPA代码方法还可包括:
步骤801,若至少一个命令特征不满足多轮对话条件,则以至少一个命令特征为索引从知识库之中进行查询,以生成目的输入文本的答复文本。其中,相关人员可预先对常见的用户需求和人机交互场景进行总结,以建立知识库,使得智能对话机器人能够基于该知识库与用户进行对话。
步骤802,根据目的输入文本的答复文本生成目的输入文本的RPA代码。
具体地,智能对话机器人从目的输入文本中提取至少一个命令特征后,若该至少一个命令特征具有完整命令信息,则该至少一个命令特征不满足多轮对话条件,此时,可以以该至少一个命令特征为引索从知识库之中进行查询,以根据查询结果生成目的输入文本的答复文本,并该答复文本生成目的输入文本的RPA代码。
举例而言,若目的输入文本为“打开xxx网站”,则该至少一个命令特征可包括动作命令“打开”和对象命令“xxx网站”,智能对话机器人可直接根据该至少一个命令特征生成能够打开地址为xxx网站的完整RPA代码,因此该至少一个命令特征具有完整命令信息,不满足多轮对话条件,此时,智能对话机器人可将以该至少一个命令特征为引索从知识库之中查询到的网址超连接,作为目的输入文本“打开xxx网站”的答复文本发送到人机对话界面,并根据该答复文本生成目的输入文本的RPA代码。
由此,能够在用户提供的信息较为充分时,直接自动生成RPA代码,提高RPA代码的生成效率。
在本公开的一个实施例中,如图9所示,该结合RPA和AI的生成RPA代码方法还可包括:
步骤901,若至少一个命令特征满足区分命令逻辑条件,则根据查询结果生成逻辑问题文本。
步骤902,获取逻辑问题文本对应的逻辑答复文本。
步骤903,根据逻辑答复文本和至少一个命令特征生成至少一个目标命令信息。
具体地,参见图2,智能对话机器人从目的输入文本(例如“收邮件”)中提取的至少一个命令特征后,若该至少一个命令特征满足多轮对话条件,则可以以该至少一个命令特征为索引从命令逻辑表(如表a)之中进行查询,若查询结果不为空,则确定该至少一个命令特征满足区分命令逻辑条件,即该至少一个命令特征存在多个命令逻辑,此时可根据查询到的多个命令逻辑生成(一个或多个)逻辑问题文本,并将该逻辑问题文本发送到人机对话界面,而后用户可根据该逻辑问题文本通过聊天框输入该逻辑文本对应的逻辑答复文本,以答复智能对话机器人,在用户输入完逻辑答复文本后,智能对话机器人可获取该逻辑问题文本对应的逻辑答复文本,并根据该逻辑答复文本和该至少一个命令特征生成至少一个目标命令信息。
由此,能够实现RPA代码的多种生成方式,以满足用户不同的需求。
本公开实施例的结合RPA和AI的生成RPA代码方法的实际应用场景可参见图2和图4,在实际应用中,智能对话机器人能够与用户进行智能对话,并能够根据对话的具体内容自动生成相应的RPA代码,提高了RPA代码的生成效率,且简单快捷,提高了用户体验。
图10为根据本公开一个实施例的结合RPA和AI的生成RPA代码装置的框图。
本公开实施例的结合RPA和AI的生成RPA代码装置,可配置于电子设备中,以实现获取目的输入文本,并对目的输入文本进行特征提取,以生成目的输入文本的至少一个命令特征,若至少一个命令特征满足多轮对话条件,则根据命令逻辑表,确定至少一个命令特征是否满足区分命令逻辑条件,若至少一个命令特征不满足区分命令逻辑条件,则根据至少一个命令特征生成至少一个目标命令信息,而后根据至少一个目标命令信息生成至少一个问题文本,并获取至少一个问题文本中每个问题文本对应的答复文本,以及根据答复文本生成目的输入文本的RPA代码,从而能够根据用户需求自动生成RPA代码,并提高RPA代码的生成效率。
如图10所示,本公开实施例的结合RPA和AI的生成RPA代码装置1000,可包括:第一获取模块1001、特征提取模块1002、第一确定模块1003、第一生成模块1004、第二生成模块1005、第二获取模块1006和第三生成模块1007。
其中,第一获取模块1001,用于获取目的输入文本。
特征提取模块1002,用于对目的输入文本进行特征提取,以生成目的输入文本的至少一个命令特征。
第一确定模块1003,用于若至少一个命令特征满足多轮对话条件,则根据命令逻辑表,确定至少一个命令特征是否满足区分命令逻辑条件。
第一生成模块1004,用于若至少一个命令特征不满足区分命令逻辑条件,则根据至少一个命令特征生成至少一个目标命令信息。
第二生成模块1005,用于根据至少一个目标命令信息生成至少一个问题文本。
第二获取模块1006,用于获取至少一个问题文本中每个问题文本对应的答复文本。
第三生成模块1007,用于根据答复文本生成目的输入文本的RPA代码。
在本公开的一个实施例中,特征提取模块1002,具体用于:获取特征提取模型;根据特征提取模型对目的输入文本进行特征提取,以生成至少一个命令特征。
在本公开的一个实施例中,该结合RPA和AI的生成RPA代码装置1000还可包括:分析模块1008,用于基于AI对至少一个命令特征进行分析,以确定至少一个命令特征是否具有完整命令信息。
第二确定模块1009,用于若至少一个命令特征具有完整命令信息,则确定至少一个命令特征不满足多轮对话条件。
第三确定模块1010,用于若至少一个命令特征不具有完整命令信息,则确定至少一个命令特征满足多轮对话条件。
在本公开的一个实施例中,第一确定模块1003,具体用于:以至少一个命令特征为索引从命令逻辑表之中进行查询,以生成查询结果;若查询结果为空,则确定至少一个命令特征不满足区分命令逻辑条件;若查询结果不为空,则确定至少一个命令特征满足区分命令逻辑条件。
在本公开的一个实施例中,第一生成模块1004,具体用于:以至少一个命令特征为索引从命令库之中进行查询,以生成至少一个目标命令信息。
在本公开的一个实施例中,第二生成模块1005,具体用于:根据必填信息生成至少一个问题文本,其中,必填信息包括至少一个必填参数信息。
在本公开的一个实施例中,至少一个目标命令信息还可包括命令名称和命令说明,该结合RPA和AI的生成RPA代码装置1000还可包括:第四生成模块1011,用于根据命令名称、命令说明和必填信息生成命令说明文本。
在本公开的一个实施例中,至少一个目标命令信息包括必填信息和可选参数信息,第二生成模块1005,具体用于:根据必填信息和可选参数信息生成至少一个问题文本,其中,必填信息包括至少一个必填参数信息。
在本公开的一个实施例中,至少一个问题文本包括可操作控件。
在本公开的一个实施例中,第三生成模块1007,具体用于:根据至少一个目标命令信息,确定格式规则;根据格式规则对答复文本进行整合,以生成目的输入文本的RPA代码。
在本公开的一个实施例中,该结合RPA和AI的生成RPA代码装置1000还可包括:第一查询模块1012,用于若至少一个命令特征不满足多轮对话条件,则以至少一个命令特征为索引从知识库之中进行查询,以生成目的输入文本的答复文本;第五生成模块1013,根据目的输入文本的答复文本生成目的输入文本的RPA代码。
在本公开的一个实施例中,该结合RPA和AI的生成RPA代码装置1000还可包括:第二查询模块1014,用于若至少一个命令特征满足区分命令逻辑条件,则根据查询结果生成逻辑问题文本;第三获取模块1015,用于获取逻辑问题文本对应的逻辑答复文本;第六生成模块1016,用于根据逻辑答复文本和至少一个命令特征生成至少一个目标命令信息。
需要说明的是,本公开实施例的结合RPA和AI的生成RPA代码装置中未披露的细节,请参照本公开上述实施例中的结合RPA和AI的生成RPA代码方法所披露的细节,这里不再赘述。
综上,本公开实施例的结合RPA和AI的生成RPA代码装置,首先通过第一获取模块获取目的输入文本,而后通过特征提取模块对目的输入文本进行特征提取,以生成目的输入文本的至少一个命令特征,若至少一个命令特征满足多轮对话条件,则通过第一确定模块根据命令逻辑表,确定至少一个命令特征是否满足区分命令逻辑条件,若至少一个命令特征不满足区分命令逻辑条件,则通过第一生成模块根据至少一个命令特征生成至少一个目标命令信息,而后通过第二生成模块根据至少一个目标命令信息生成至少一个问题文本,并通过第二获取模块获取至少一个问题文本中每个问题文本对应的答复文本,以及通过第三生成模块根据答复文本生成目的输入文本的RPA代码。由此,能够根据用户需求自动生成RPA代码,并提高RPA代码的生成效率。
根据本公开的实施例,本公开还提供了一种电子设备。
图11示出了可以用来实施本公开的实施例的示例电子设备1100的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图11所示,包括存储器1110、处理器1120及存储在存储器1110上并可在处理器1120上运行的计算机程序,处理器1120执行程序时,实现前述的结合RPA和AI的生成RPA代码方法。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
根据本公开的实施例,本公开还提供了一种计算机可读存储介质,其上存储有计算机指令,其中,该计算机指令用于使计算机执行上述实施例中的结合RPA和AI的生成RPA代码方法。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (14)
1.一种结合机器人流程自动化RPA和人工智能AI的生成RPA代码方法,其特征在于,包括:
获取目的输入文本;
获取特征提取模型或特征提取算法;
根据所述特征提取模型或所述特征提取算法对所述目的输入文本进行特征提取,以生成至少一个命令特征;
基于AI对所述至少一个命令特征进行分析,若所述至少一个命令特征不具有完整命令信息,则确定所述至少一个命令特征满足多轮对话条件;
若所述至少一个命令特征满足多轮对话条件,则以所述至少一个命令特征为索引从命令逻辑表之中进行查询,以生成查询结果;
若所述查询结果为空,确定所述至少一个命令特征不满足区分命令逻辑条件;
若所述至少一个命令特征不满足所述区分命令逻辑条件,则根据所述至少一个命令特征生成至少一个目标命令信息;
根据所述至少一个目标命令信息生成至少一个问题文本;
获取所述至少一个问题文本中每个所述问题文本对应的答复文本;
根据所述答复文本生成所述目的输入文本的RPA代码。
2.根据权利要求1所述的方法,其特征在于,还包括:
若所述至少一个命令特征具有所述完整命令信息,则确定所述至少一个命令特征不满足所述多轮对话条件。
3.根据权利要求1所述的方法,其特征在于,还包括:
若所述查询结果不为空,则确定所述至少一个命令特征满足所述区分命令逻辑条件。
4.根据权利要求1所述的方法,其特征在于,所述根据所述至少一个命令特征生成至少一个目标命令信息,包括:
以所述至少一个命令特征为索引从命令库之中进行查询,以生成所述至少一个目标命令信息。
5.根据权利要求1所述的方法,其特征在于,其中,所述至少一个目标命令信息包括必填信息,所述根据所述至少一个目标命令信息生成至少一个问题文本,包括:
根据所述必填信息生成所述至少一个问题文本,其中,所述必填信息包括至少一个必填参数信息。
6.根据权利要求5所述的方法,其特征在于,其中,所述至少一个目标命令信息还包括命令名称和命令说明,所述方法还包括:
根据所述命令名称、所述命令说明和所述必填信息生成命令说明文本。
7.根据权利要求1所述的方法,其特征在于,其中,所述至少一个目标命令信息包括必填信息和可选参数信息,所述根据所述至少一个目标命令信息生成至少一个问题文本,包括:
根据所述必填信息和所述可选参数信息生成所述至少一个问题文本,其中,所述必填信息包括至少一个必填参数信息。
8.根据权利要求1所述的方法,其特征在于,其中,所述至少一个问题文本包括可操作控件。
9.根据权利要求1所述的方法,其特征在于,所述根据所述答复文本生成所述目的输入文本的RPA代码,包括:
根据所述至少一个目标命令信息,确定格式规则;
根据所述格式规则对所述答复文本进行整合,以生成所述目的输入文本的RPA代码。
10.根据权利要求1所述的方法,其特征在于,还包括:
若所述至少一个命令特征不满足所述多轮对话条件,则以所述至少一个命令特征为索引从知识库之中进行查询,以生成所述目的输入文本的答复文本;
根据所述目的输入文本的答复文本生成所述目的输入文本的RPA代码。
11.根据权利要求3所述的方法,其特征在于,还包括:
若所述至少一个命令特征满足所述区分命令逻辑条件,则根据所述查询结果生成逻辑问题文本;
获取所述逻辑问题文本对应的逻辑答复文本;
根据所述逻辑答复文本和所述至少一个命令特征生成所述至少一个目标命令信息。
12.一种结合RPA和AI的生成RPA代码装置,其特征在于,包括:
第一获取模块,用于获取目的输入文本;
特征提取模块,用于获取特征提取模型或特征提取算法,根据所述特征提取模型或所述特征提取算法对所述目的输入文本进行特征提取,以生成至少一个命令特征;
第一确定模块,用于基于AI对所述至少一个命令特征进行分析,以确定所述至少一个命令特征是否具有完整命令信息;若所述至少一个命令特征不具有所述完整命令信息,则确定所述至少一个命令特征满足多轮对话条件;若所述至少一个命令特征满足多轮对话条件,则以所述至少一个命令特征为索引从命令逻辑表之中进行查询,以生成查询结果;若所述查询结果为空,则确定所述至少一个命令特征不满足区分命令逻辑条件;
第一生成模块,用于若所述至少一个命令特征不满足所述区分命令逻辑条件,则根据所述至少一个命令特征生成至少一个目标命令信息;
第二生成模块,用于根据所述至少一个目标命令信息生成至少一个问题文本;
第二获取模块,用于获取所述至少一个问题文本中每个所述问题文本对应的答复文本;
第三生成模块,用于根据所述答复文本生成所述目的输入文本的RPA代码。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-11中任一项所述的结合机器人流程自动化RPA和人工智能AI的生成RPA代码方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-11中任一项所述的结合机器人流程自动化RPA和人工智能AI的生成RPA代码方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210239471.2A CN114296708B (zh) | 2022-03-11 | 2022-03-11 | 结合rpa和ai的生成rpa代码方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210239471.2A CN114296708B (zh) | 2022-03-11 | 2022-03-11 | 结合rpa和ai的生成rpa代码方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114296708A CN114296708A (zh) | 2022-04-08 |
CN114296708B true CN114296708B (zh) | 2022-05-27 |
Family
ID=80978608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210239471.2A Active CN114296708B (zh) | 2022-03-11 | 2022-03-11 | 结合rpa和ai的生成rpa代码方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114296708B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114879946A (zh) * | 2022-05-24 | 2022-08-09 | 来也科技(北京)有限公司 | 结合rpa和ai的项目规则的代码生成方法、装置及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111722840A (zh) * | 2020-06-30 | 2020-09-29 | 北京来也网络科技有限公司 | 用于rpa流程生成端的命令库创建方法、装置、介质及设备 |
CN112558954A (zh) * | 2020-12-29 | 2021-03-26 | 北京来也网络科技有限公司 | 结合rpa和ai的信息抽取方法、装置、介质及电子设备 |
CN113448562A (zh) * | 2021-03-31 | 2021-09-28 | 北京新氧科技有限公司 | 一种逻辑代码自动生成方法、装置和电子设备 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8954869B2 (en) * | 2007-12-17 | 2015-02-10 | International Business Machines Corporation | Generating a front end graphical user interface for a plurality of text based commands |
US20120246653A1 (en) * | 2011-03-23 | 2012-09-27 | Infinidat Ltd. | Generic command parser |
WO2019155462A1 (en) * | 2018-02-08 | 2019-08-15 | Valid Network Ltd | Code conversion method and system |
US10901698B2 (en) * | 2018-11-30 | 2021-01-26 | International Business Machines Corporation | Command tool development using a description file |
CN110472033A (zh) * | 2019-08-16 | 2019-11-19 | 北京一链数云科技有限公司 | 基于nlp模型的问答方法、装置及服务器 |
US11526350B2 (en) * | 2020-03-18 | 2022-12-13 | Red Hat, Inc. | Providing code editor documentation pages using a lightweight text formatting language and platform-agnostic command links |
US11561969B2 (en) * | 2020-03-30 | 2023-01-24 | Adobe Inc. | Utilizing logical-form dialogue generation for multi-turn construction of paired natural language queries and query-language representations |
CN112764734B (zh) * | 2021-01-26 | 2024-05-10 | 维沃移动通信有限公司 | 代码编辑的辅助方法、装置及电子设备 |
CN114064574A (zh) * | 2021-10-28 | 2022-02-18 | 北京来也网络科技有限公司 | 结合rpa和ai的商标监察方法、装置、电子设备和存储介质 |
-
2022
- 2022-03-11 CN CN202210239471.2A patent/CN114296708B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111722840A (zh) * | 2020-06-30 | 2020-09-29 | 北京来也网络科技有限公司 | 用于rpa流程生成端的命令库创建方法、装置、介质及设备 |
CN112558954A (zh) * | 2020-12-29 | 2021-03-26 | 北京来也网络科技有限公司 | 结合rpa和ai的信息抽取方法、装置、介质及电子设备 |
CN113448562A (zh) * | 2021-03-31 | 2021-09-28 | 北京新氧科技有限公司 | 一种逻辑代码自动生成方法、装置和电子设备 |
Non-Patent Citations (3)
Title |
---|
Robotic Process Automation and Artificial Intelligence in Industry4.0-A Literature review;Jorge Ribeiro等;《Procedia computer Science》;20210131;全文 * |
基于MDP的移动机器人室内导航对话管理实现;王恒升等;《计算技术与自动化》;20180315(第01期);全文 * |
计算机病毒中的密码算法应用及防御方法综述;芦天亮等;《科技管理研究》;20200120(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114296708A (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109658928B (zh) | 一种家庭服务机器人云端多模态对话方法、装置及系统 | |
CN107918634A (zh) | 智能问答方法、装置及计算机可读存储介质 | |
CN109961780A (zh) | 一种人机交互方法、装置、服务器和存储介质 | |
KR20220049604A (ko) | 객체 추천 방법 및 장치, 컴퓨터 기기 및 매체 | |
CN111967569B (zh) | 神经网络结构的生成方法、装置、存储介质及电子设备 | |
CN110457214B (zh) | 应用测试方法及装置、电子设备 | |
US9460081B1 (en) | Transcription correction using multi-token structures | |
CN110795913A (zh) | 一种文本编码方法、装置、存储介质及终端 | |
WO2020221142A1 (zh) | 一种基于绘本的问答交互方法及电子设备 | |
CN114296708B (zh) | 结合rpa和ai的生成rpa代码方法、装置及电子设备 | |
CN110399474B (zh) | 一种智能对话方法、装置、设备及存储介质 | |
CN108829371A (zh) | 界面控制方法、装置、存储介质及电子设备 | |
CN109977394A (zh) | 文本模型训练方法、文本分析方法、装置、设备及介质 | |
CN115879469B (zh) | 文本数据处理方法、模型训练方法、装置及介质 | |
CN116955569A (zh) | 对话生成方法、装置、设备及存储介质 | |
CN109903122A (zh) | 房产交易信息处理方法、装置、设备及存储介质 | |
CN114117009A (zh) | 基于对话机器人的子流程配置方法、装置、设备及介质 | |
CN112860995A (zh) | 交互方法、装置、客户端、服务器以及存储介质 | |
CN116450917B (zh) | 信息搜索方法及装置、电子设备和介质 | |
Petrović et al. | ChatGPT in IoT Systems: Arduino Case Studies | |
CN112732379A (zh) | 智能终端上应用程序的运行方法、终端和存储介质 | |
CN109002498A (zh) | 人机对话方法、装置、设备及存储介质 | |
CN110390102A (zh) | 一种情感分析的方法和相关装置 | |
CN114281964A (zh) | 对话技能服务的确定方法、装置、电子设备及存储介质 | |
CN114118937A (zh) | 基于任务的信息推荐方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |