一种基于强化学习的RPA流程自动生成方法和装置

    公开(公告)号:CN114926151A

    公开(公告)日:2022-08-19

    申请号:CN202210704867.X

    申请日:2022-06-21

    摘要: 本发明实施例提供的一种基于强化学习的RPA流程自动生成方法和装置,该方法获取历史项目中的工作流程、项目资料、项目参数及所述历史项目的工作流程对应的RPA流程配置参数,输入至强化学习模型中训练,得到满足预设要求的控制策略模型,最终应用于可视化RPA流程自动处理平台生成可视化RPA流程。本发明利用强化学习高效的学习能力,最终产生可运行的RPA流程,实现了从流程设计文档到可执行流程文件的直接转化,使用户能够根据业务需求来自动生成RPA流程,减少企业人力、物力、财力的消耗,也节约RPA项目实施中的开发成本。

    一种基于多维度语义联合学习的文本匹配方法和装置

    公开(公告)号:CN113392191B

    公开(公告)日:2022-01-21

    申请号:CN202110945838.8

    申请日:2021-08-18

    摘要: 本发明实施例提供的一种基于多维度语义联合学习的文本匹配方法和装置,该方法将待匹配的文本语句对进行多维语义预处理,获得包含多维语义信息的文本序列;然后将文本序列输入至transformer编码器进行编码,得到每个所述文本序列对应的多维向量表征,再根据所述多维向量表征和对应标签构建损失函数;通过所述损失函数对深度学习模型进行训练,得到多维度语义联合学习模型;将待匹配的预测文本语句对输入至所述多维度语义联合学习模型进行计算,判断所述预测文本语句对是否匹配。本发明对文本语句对分别从多个角度获得语义信息,然后再根据多维语义信息进行深度模型学习,提高了模型训练的准确度,实现了对文本多维度端到端的高效匹配。

    一种基于多维度语义联合学习的文本匹配方法和装置

    公开(公告)号:CN113392191A

    公开(公告)日:2021-09-14

    申请号:CN202110945838.8

    申请日:2021-08-18

    摘要: 本发明实施例提供的一种基于多维度语义联合学习的文本匹配方法和装置,该方法将待匹配的文本语句对进行多维语义预处理,获得包含多维语义信息的文本序列;然后将文本序列输入至transformer编码器进行编码,得到每个所述文本序列对应的多维向量表征,再根据所述多维向量表征和对应标签构建损失函数;通过所述损失函数对深度学习模型进行训练,得到多维度语义联合学习模型;将待匹配的预测文本语句对输入至所述多维度语义联合学习模型进行计算,判断所述预测文本语句对是否匹配。本发明对文本语句对分别从多个角度获得语义信息,然后再根据多维语义信息进行深度模型学习,提高了模型训练的准确度,实现了对文本多维度端到端的高效匹配。