数据获取的相关技术—自然语言处理
自然语言处理(NaturalLanguageProcessing，NLP)是研究如何让计算机理解并生成人类自然语言的一种技术。在RPA的应用过程中，NLP的应用场景主要有以下几种情况。
当机器人接收到的要处理的信息不是结构化字段，也不是待OCR处理的扫描图像，而是一段人类自然语言表达的文字时，这就需要NLP从中提取出关键的字段信息，然后自动录入系统或者与系统中的信息做比对。
在OCR技术识别完信息之后，NLP技术可用来做优化处理，在识别完的文字中找出最合乎逻辑的词，做出文字修正。
当需要处理大量信息时，RPA可以利用NLP进行检索或分类处理。
NLP技术可以在RPA处理完成以后以自然语言的方式反馈给用户。
NLP由两项主要技术完成，包括自然语言理解和自然语言生成。
自然语言理解
自然语言理解的主要目标是帮助机器更好地理解人的语言。
自然语言生成
自然语言生成的主要目标是帮助机器生成人类能够理解的语言。
NLP是典型受制于语言特性的一项技术，如由于中文和英文在用词和语法的差异，造成NLP所使用的算法技术具有很大差异。
在自动化应用领域，NLP一方面配合RPA来使用，另一方面也可以配合OCR来使用，协助提高文字识别率。例如，银行信用卡中心的RPA客服机器人收到这样的一份客户请求，“明天，请将我的个人信用卡额度多调整1万元”，这句话是不能被机器人所理解的，需要借助NLP。机器人结合领域知识将句子转换为业务信息，时间(Daytime)是“明天”，即“计算机获取的今天日期+1”，假设得到明天的日期是“-11-20”；主语是“信用卡”；定语是“我的”，依据客户的请求来源可以得到CustomerID，再依据CustomerID查询该客户名下拥有的信用卡(CardNo)；动作(Action)是“额度调整”；金额(Amount)是“1万元”。
通过这样的处理后，机器人获得的信息就变成了{CustomerID:XXXXXX
CardNo:XXXX-XXXX-XXX
Action:CreditLimitAdjustment
Amount:10,RMB
Daytime:-11-20}，然后按照对应的动作自动打开相应的界面，直接录入相关信息进行操作。当然，机器人可能接收到的信息是“从明天起，我的信用卡额度增加1万元”或“我的信用卡额度从明天起请求提升1万元”，但是这样的话术调整，并不会影响处理结果。这只是一个较为简单的示例，真实的自然语言理解具有的难度更大，因为自然语言包含大量的口语语言现象，如省略、指代、更正、重复、强调、倒序等，所以中文的NLP仍然被公认为是最难的。
但是我们必须澄清一点，RPA的应用领域主要是在商业环境中的业务办理环节，话术是相对规范和标准的，而且范围也是相对狭窄和明确的。为了配合RPA的使用企业也可以从管理角度规范双方沟通的话术。
转载请注明：http://www.0431gb208.com/sjszlfa/1238.html
