CN111724909A - 一种结合rpa和ai的疫情排查方法和装置 - Google Patents
一种结合rpa和ai的疫情排查方法和装置 Download PDFInfo
- Publication number
- CN111724909A CN111724909A CN202010598087.2A CN202010598087A CN111724909A CN 111724909 A CN111724909 A CN 111724909A CN 202010598087 A CN202010598087 A CN 202010598087A CN 111724909 A CN111724909 A CN 111724909A
- Authority
- CN
- China
- Prior art keywords
- epidemic situation
- investigation
- dialect
- rpa
- rpa system
- 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
- 238000011835 investigation Methods 0.000 title claims abstract description 156
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004891 communication Methods 0.000 claims abstract description 49
- 238000013024 troubleshooting Methods 0.000 claims description 70
- 230000011218 segmentation Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 15
- 238000005457 optimization Methods 0.000 abstract description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000036760 body temperature Effects 0.000 description 5
- 238000003058 natural language processing Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000004801 process automation Methods 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000001755 vocal effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 241000132536 Cirsium Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/005—Language recognition
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Public Health (AREA)
- Acoustics & Sound (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及一种结合RPA和AI的疫情排查方法和装置,涉及人工智能技术领域,具体公开的技术方案为:RPA***获取待排查人的通信目录,并生成疫情排查表;RPA***通过外呼***按照通信目录依次拨打待排查人的电话,并语音播报疫情排查问题合成语音;RPA***获取待排查人针对疫情排查问题合成语音的回复语音;RPA***对回复语音进行识别以生成候选识别结果,对候选结果进行方言优化后将目标识别结果自动填入疫情排查表中与疫情排查问题所对应的待填项;以及RPA***根据疫情排查表进行疫情排查。由此,基于RPA和外呼技术实现疫情排查,提高排查效率,降低排查成本和风险,且对待排查人的回复语音进行了方言优化,保证了排查结果的可靠性。
Description
技术领域
本申请涉及人工智能技术领域,特别涉及一种结合RPA和AI的疫情排查方法和装置。
背景技术
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。
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、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***的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家***等。
随着疫情的大范围爆发,对被传染人的快速排查隔离成为控制疫情的重点,相关技术中,由医护人员或者是社区人员进行人工电话排查,来定位到有可能被感染的高危人群。
然而,上述疫情的排查方式,一方面,效率较低,排查的效率直接影响疫情的控制速度,因此,对疫情的有效控制具有不利影响,另一方面,人工排查会导致疫情的感染,风险较高,还一方面,当待排查人属于方言严重地区,则很有可能有关社区人员对排查结果的记录出现偏差。
发明内容
本申请提供一种结合RPA和AI的疫情排查方法和装置,以解决现有技术中疫情排查效率低,以及风险高的技术问题。
本申请实施例提供一种结合RPA和AI的疫情排查方法,包括:RPA***获取待排查人的通信目录,并生成疫情排查表,其中,所述疫情排查表包括多个疫情排查问题及所述多个疫情排查问题分别对应的多个待填项;所述RPA***根据所述疫情排查问题清单生成疫情排查问题合成语音;所述RPA***通过外呼***按照所述通信目录依次拨打所述待排查人的电话,并语音播报所述疫情排查问题合成语音;所述RPA***获取所述待排查人针对所述疫情排查问题合成语音的回复语音;所述RPA***对所述回复语音进行识别以生成候选识别结果和方言类型;所述RPA***识别所述候选识别结果中与所述方言类型对应的方言分词,并将所述候选识别结果中的所述方言分词替换为标准分词后生成目标识别结果;所述RPA***将所述目标识别结果,自动填入所述疫情排查表中与所述疫情排查问题所对应的待填项;以及所述RPA***根据所述疫情排查表进行疫情排查。
本申请另一实施例提供一种结合RPA和AI的疫情排查装置,所述装置应用在RPA***,包括:第一生成模块,用于获取待排查人的通信目录,并生成疫情排查表,其中,所述疫情排查表包括多个疫情排查问题及所述多个疫情排查问题分别对应的多个待填项;第二生成模块,用于根据所述疫情排查问题清单生成疫情排查问题合成语音;播报模块,用于通过外呼***按照所述通信目录依次拨打所述待排查人的电话,并语音播报所述疫情排查问题合成语音;第一获取模块,用于获取所述待排查人针对所述疫情排查问题合成语音的回复语音;识别模块,用于对所述回复语音进行识别以生成候选识别结果和方言类型;替换模块,用于识别所述候选识别结果中与所述方言类型对应的方言分词,并将所述候选识别结果中的所述方言分词替换为标准分词后生成目标识别结果;表格填入模块,用于将所述目标识别结果,自动填入所述疫情排查表中与所述疫情排查问题所对应的待填项;以及排查模块,用于根据所述疫情排查表进行疫情排查。
本申请又一实施例提供一种计算机设备,包括处理器和存储器;其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如上述实施例所述的结合RPA和AI的疫情排查方法。
本申请还一实施例提供一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例所述的结合RPA和AI的疫情排查方法。
本申请实施例提供的技术方案可以包括以下有益效果:
RPA***获取待排查人的通信目录,并生成疫情排查表,其中,疫情排查表包括多个疫情排查问题及多个疫情排查问题分别对应的多个待填项后,根据疫情排查问题清单生成疫情排查问题合成语音,并且,通过外呼***按照通信目录依次拨打待排查人的电话,并语音播报疫情排查问题合成语音,获取待排查人针对疫情排查问题合成语音的回复语音后,对回复语音进行识别以生成候选识别结果,并将候选识别结果进行方言优化后,将得到的目标识别结果自动填入疫情排查表中与疫情排查问题所对应的待填项,以根据疫情排查表进行疫情排查。由此,基于RPA和外呼技术实现疫情排查,提高排查效率,降低排查成本和风险,且对待排查人的回复语音进行了方言优化,保证了排查结果的可靠性。
本申请的附加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,或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本申请一个实施例的结合RPA和AI的疫情排查方法的流程图;
图2是根据本申请一个实施例的疫情排查表示意图;
图3是根据本申请一个实施例的排查问题合成生成界面示意图;
图4-1是根据本申请一个实施例的疫情排查问题合成语音包含内容的场景示意图;
图4-2是根据本申请另一个实施例的疫情排查问题合成语音包含内容的场景示意图;
图5是根据本申请另一个实施例的结合RPA和AI的疫情排查方法的流程图;
图6是根据本申请又一个实施例的结合RPA和AI的疫情排查方法的流程图;
图7是根据本申请一个实施例的疫情排查方法的网络架构示意图;
图8是根据本申请一个实施例的结合RPA和AI的疫情排查装置的结构示意图;以及
图9是根据本申请一个实施例的计算机设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述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,仅用于解释本申请,而不能理解为对本申请的限制。
在本申请的描述中,需要理解的是,术语“多个”指两个或两个以上;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。
本申请的申请人提供一种使用机器人来进行疫情排查的思路,利用人工智能来进行疫情排查是本申请实现疫情排查的主要方式。
具体而言,本申请中结合机器人流程自动化(Robotic Process Automation,RPA)和外呼技术的结合,实现大并发的自动外呼,外呼机器人代替人工,与随访者进行真实有效的沟通,并根据沟通结果来实现疫情排查。其中,机器人流程自动化(Robotic ProcessAutomation,RPA)技术指的是通过特定的“机器人软件”,模拟人在计算机上的操作,按郭泽自动执行流程任务的自动化处理技术。
由于自动外呼机器人只要有数据就可以7*24小时不间断工作,而且没有任何情绪化,完全按照规范的话术进行回答,这样可以大大地降低人工成本,提高工作效率,且无需人工排查,降低了疫情的排查风险。
并且,在本申请中,考虑到在实际应用中,由于方言的影响可能会对用户的回复语音转译错误,因此,在本申请中,还涉及到对方言的优化,保证排查结果的可靠性。
下面结合具体的实施例来描述结合RPA和AI的疫情排查方法和装置。
图1是根据本申请一个实施例的结合RPA和AI的疫情排查方法的流程图,如图1所示,该方法包括:
步骤1,RPA***获取待排查人的通信目录,并生成疫情排查表,其中,疫情排查表包括多个疫情排查问题及多个疫情排查问题分别对应的多个待填项。
其中,待排查人可以根据场景需要的不同对应不同的敏感人群,比如,对应于一个社区的敏感人群,比如对应于终极风险以上的区域的敏感人群等。该敏感人群的方式可以由用户主动上传,也可以是获取多人预设时间段之内的历史位置信息,历史位置信息可以是RPA***与运行商等服务器通信得到的等,进而,RPA***获取敏感地区信息,该敏感地区信息可以由相关单位指定,也可由对当前感染人数所在地区统计得到,当历史位置信息与敏感地区信息重合时,所述RPA***将人作为敏感人群。
当然,在一些场景中,即使历史位置信息与敏感地区信息重合,也不代表对应人必然会有感染风险,比如该对应人属于携带抗体者,或者该对应人已经进行了病原检测发现没有携带病毒等,因此,可以获取敏感人群之中人的当前状态信息,该当前状态信息可以包括对应人的抗体检测报告等,若是对应人的当前状态信息判断属于非排查条件,比如,属于携带抗体者,则RPA***将所述人从敏感人群之中删除,从而进一步提高疫情的排查效率。
RPA***确定敏感人群后,获取RPA***确定敏感人群的通信信息(比如通信号码、社交账号)等,来生成带待排查人的通信目录,其中,RPA***确定敏感人群对应的通信信息的方式,可以是相关工作人员主动上传,也可以是与相关平台通信获取的,比如,可以通过和通信运行商的存储服务器提供获取等。
另外,如图2所示,为了能够精确的进行疫情排查,该疫情排查表对应于与疫情排查有关的多个疫情排查问题及多个疫情排查问题分别对应的多个待填项,其中,待填项为与疫情排查问题有关的提问元素,比如,当疫情排查问题为“您最近啥时候去过A地区啊”,则待填项可以包括提问元素“是否去过A地”,以及提问元素“去A地的时间”等。其中,一个疫情排查问题可以对应至少一个待填项。
步骤2,RPA***根据疫情排查问题清单生成疫情排查问题合成语音。
具体的,RPA***根据疫情排查问题清单生成疫情排查问题合成语音,该疫情排查问题合成语音包括对应的疫情排查问题的提问语音,以疫情排查问题合成语音替代传统的工作人员人工询问,可以多次重复,而且完全按照规范的话术表达,提高了服务的专业性。
该疫情排查问题合成语音可以是根据自然语言处理技术,生成与每个疫情排查问题的提问语音后生成的,目的是为了让疫情排查问题在表达时,可以更加自然真实。
需要说明的是,在不同的应用场景下,RPA***根据疫情排查问题清单生成疫情排查问题合成语音的方式不同,示例说明如下:
示例一:
在本示例中,预先根据大量样本数据训练问题表达模型,该问题表达模型可以根据输入的疫情排查问题得到对应话术的表达文本,比如,当输入的疫情排查问题为“最近一周的到访地点”,则问题表达模型根据该疫情排查问题得到的话术表达文本为“请问您最近这一周都去过哪些地方啊”,从而根据话术表达文本生成对应的语音以得到每个疫情排查问题对应的排查问题语音,其中,为了进一步提高智能感,在生成排查问题语音时,可以以不同的语调与每个疫情排查问题对应的多个排查问题语音,比如,以卡通音调、女人音调、男人音调等,从而,后续在排查问题合成语音播放时,可以随机选择语调来播放,或者可以根据待排查人的年龄特征来选择语调播放。
示例二:
在本示例中,如图3所示,构建排查问题合成语音的生成界面,在该生成界面上,包含针对每个疫情排查问题的问题文本输入框和语调选择框,用户可以在问题文本输入框输入问题文本,在语调选择框选择语调,从而生成每个疫情排查问题的排查问题语音。
需要强调的是,本实施例中的疫情排查问题合成语音包含了疫情排查问题清单对应的多个疫情排查问题对应的多个排查问题语音,为了给待排查人留出足够的回答时间,保证清晰的采集到待排查人的回答语音,作为一种可能的实现方式,如图4-1所示,顺序播放多个疫情排查问题的排查问题语音,在每个排查问题语音后停顿一定时间,其中,该一定时间可相同,也可以根据排查问题语音设置不同的时间,比如,预先根据实验数据标注排查问题语音的难度值,排查问题语音的难度值越高,则对应的停顿的一定时间越长等。也就是说,本实施例中的疫情排查问题合成语音包含多个疫情排查问题的排查问题语音,以及排查问题语音之间的播放时间间隔。
作为另一种可能的实现方式,如图4-2所示,顺序播放多个疫情排查问题的排查问题语音,在每个排查问题语音播放后,判断是否满足播放切换条件,比如,监测待排查人的语音停顿时长,若是在预设时长内没有检测到待排查人的语音,则切换下一个排查问题语音。也就是说,本实施例中的疫情排查问题合成语音包含多个疫情排查问题的排查问题语音,以及排查问题语音之间的播放切换条件。
步骤3,RPA***通过外呼***按照通信目录依次拨打待排查人的电话,并语音播报疫情排查问题合成语音。
在本申请的一个实施例中,为了进一步提升待排查人的接听体验,还可以在语音播报疫情排查问题合成语音时,采集待排查人侧的环境噪音和待排查人的声纹特征,根据声纹特征分析待排查人的年龄,根据环境噪音和年龄播报实时调整疫情排查问题合成语音的音量,当环境噪音越大,待排查人的年龄越大,则播报疫情排查问题合成语音的音量越大。
步骤4,RPA***获取待排查人针对疫情排查问题合成语音的回复语音。
具体的,RPA***通过外呼***按照通信目录依次拨打待排查人的电话,,并且语音播报疫情排查问题合成语音,以便采集待排查人基于疫情排查问题清单的回复语音。
在本申请的一个实施例中,可以通过RPA***监测待排查人的电话的接听状态,当接听状态为接通时,RPA***开启录音功能以开始录音,当接听状态为挂断时,RPA***关闭录音功能并获取录音数据,提取录音数据中待排查人的回复语音。
为了便于后续追溯,继续参照图2,疫情排查表还可以包括回复语音的存储路径项,当用户获取到回复语音后,将回复语音存储在预设位置生成存储路径后,将对应的存储路径存放在对应的存储路径项中,其中,继续参照图2,该疫情排查表的待填项还可以包括接听状态项、接听时间项等,以便于记录每一次待排查人的电话拨通状态。
步骤5,RPA***对回复语音进行识别以生成候选识别结果和方言类型。
应当理解的是,生成候选识别结果时可能会由于方言的影响,导致生成的候选识别结果出现转译错误,因此,比如,当疫情排查问题是“好的好的,这边还有最后一个问题,请问您平时居住的地方是属于哪个区县呢,是和平、河东、河西、南开、津南还是蓟州”呢?,排查人回复语音是“蓟州”,由于天津方言的原因,候选识别结果为“伊州”;又比如,当疫情排查问题是“好的好的,这边还有最后一个问题,请问您平时居住的地方是属于哪个区县呢,是和平、河东、河西、南开、津南还是蓟州”呢?,排查人回复语音是“河西”,由于方言的原因,候选识别结果为“和谐”。
为了避免上述提到的方言表达导致的转译错误,本申请中RPA***对回复语音进行识别以生成候选识别结果后,并不直接根据该候选识别结果来作为排查结果,而是获取方言类型,其中,方言类型根据目前划分的方言片区确定,包括上海方言、粤语、天津话、华北方言、西北方言等。
需要说明的是,在不同的应用场景下,步骤5的实现方式不同,示例如下
示例一:
在本示例中,如图5所示,步骤5包括:
步骤51:RPA***对回复语音进行文本识别,生成候选识别结果。
在实际操作时,可以基于自动语音识别(Automatic Speech Recognition,ASR)技术进行文字转换,获取候选识别结果。
在本实施例中,RPA***对文字结果进行语义识别以生成候选识别结果,从而,将文字结果处理为语义表达结果,去除语言表达上的噪音干扰,比如,当文字识别结果为“我刚刚从北京回来了”,则语音识别后的候选识别结果为“2020年6月20日到访北京”。
步骤52:RPA***提取候选识别结果中的归属地关键词。
具体的,本申请中提取候选识别结果中的归属地关键词,该归属地关键词可以理解为对用户当前电话号码的归属地关键号码,可以理解为用户居住地关键词等。
步骤53:RPA***根据归属地关键词确定方言类型。
由于归属地关键词与用户所属的方言类型有关,因此,可以根据归属地关键词确定方言类型,当归属地关键词有多个,且对应的方言类型也有多个时,可以将相同的方言类型的归属地关键词数量最多的方言类型,作为最后的方言类型。
示例二:
在本示例中,如图6所示,步骤5包括:
步骤54,RPA***对回复语音进行文本识别,生成候选识别结果。
在实际操作时,可以基于自动语音识别(Automatic Speech Recognition,ASR)技术进行文字转换,获取候选识别结果。
在本实施例中,RPA***对文字结果进行语义识别以生成候选识别结果,从而,将文字结果处理为语义表达结果,去除语言表达上的噪音干扰,比如,当文字识别结果为“我刚刚从北京回来了”,则语音识别后的候选识别结果为“2020年6月20日到访北京”。
步骤55,RPA***提取回复语音中的语调特征。
步骤56,RPA***根据语调特征确定方言类型。
由于不同的方言类型语调特征是不一样的,该语调特征可以包括回复语音中语调的变化、平翘舌的组成等,因此,在本实施例中,根据语调特征确定方言类型。
步骤6,RPA***识别候选识别结果中与方言类型对应的方言分词,并将候选识别结果中的方言分词替换为标准分词后生成目标识别结果。
具体的,为了保证后续排查结果的可靠性,RPA***识别候选识别结果中与方言类型对应的方言分词,并将候选识别结果中的方言分词替换为标准分词后生成目标识别结果。比如,对于上述实施例提出的场景而言,将候选识别结果中的“和谐”替换为“河西”。
在本申请的一个实施例中,RPA***对候选识别结果切词处理,生成多个第一分词,RPA***查询与方言类型对应的对应关系表,在多个第一分词中确定属于对应关系表的方言分词,其中,方言类型对应的关系表中,存储有在该方言类型下方言分词和标准分词的对应关系,比如,存储有标准分词:“河西”和在对应方言类型下错误的方言分词"贺喜","和谐"的对应冠词,因此,RPA***查询对应关系表,确定与方言分词对应的标准分词,并将候选识别结果中的方言分词替换为标准分词后生成目标识别结果。
在本申请的另一个实施例中,预先针对候选结果中与每个疫情排查问题对应的方言词典,该方言词典中对应与每个疫情排查问题对应的可能翻译的结果(包括正确的结果和错误的结果)及对应的正确结果。
比如,继续以上述疫情排查问题是“好的好的,这边还有最后一个问题,请问您平时居住的地方是属于哪个区县呢,是和平、河东、河西、南开、津南还是蓟州”呢?,对应的方言词典包括{"和平":["和平","喝瓶"],"河东":["河东","回答"],"河西":["河西","贺喜","和谐"],"南开":["南开","那块"],"蓟州":["蓟州","济州","伊州"]},从而,根据词典遍历的方式确定针对当前疫情排查问题对应的候选结果中的识别错误的分词,并将对应的分词替换成正确的识别结果。
步骤7,RPA***将目标识别结果,自动填入疫情排查表中与疫情排查问题所对应的待填项。
具体的,在获取到RPA***对回复语音后,实际上就获取到了排查结果,本申请中,RPA***对回复语音进行识别以生成候选识别结果,并将候选识别结果方言优化处理后,将生成的目标识别结果自动填入疫情排查表中与疫情排查问题所对应的待填项,以完成对排查结果的整理,便于对疫情排查,由于本申请中以疫情排查表的形式统计目标识别结果,便于后续的疫情结果的整理等。
需要说明的是,在不同的应用场景下,步骤7的实现方式不同,示例如下:
示例一:
在本实施例中,RPA***对目标识别结果切词处理生成多个第二分词,RPA***对多个识别结果中的每个第二分词进行属性分析,确定每个第二分词的属性信息,该属性信息区别现有技术中的属性,对应于待填项的属性,比如该分词是地点名词、还是时间名词还是体温名词等,进而,每个待填项设置对应的属性,RPA***根据属性信息确定每个第二分词对应的待填项,并将每个第二分词填入对应的待填项。
示例二:
在本示例中,预先训练神经网络模型,对目标识别结果切词处理后,获取与目标识别结果对应的分词,将多个分词输入神经网络模型,获取与每个分词与每个待填项的匹配值,根据匹配值确定与待填项匹配的分词,并填入对应的待填项。
步骤8,RPA***根据疫情排查表进行疫情排查。
具体的,参照图2,疫情排查表清晰的反应出待排查人员的排查结果,由此,RPA***根据疫情排查表进行疫情排查,避免人为排查导致的效率较低的问题。
其中,在实际执行中,在不同的应用场景中,可以采用不同的实现方式来控制RPA***根据疫情排查表进行疫情排查,示例说明如下:
示例一:
在本示例中,预先针对待填项的内容设置排查要求,RPA***判断待填项之中的内容是否符合排查要求,如果符合排查要求,则确定待排查人属于高风险人,如果不符合排查要求,则确定待排查人属于低风险人。
在一些可能的实现方式中,RPA***获取待填项之中的活动地点信息,RPA***判断活动地点信息是否属于预设风险地区,若是属于预设风险地区,则待填项的内容符合排查要求。
在另一些可能的实现方式中,RPA***获取待填项之中的体温信息,RPA***判断体温信息是否大于等于预设温度,若是大于预设温度,则待填项的内容符合排查要求。
由此,本申请实施例的结合RPA和AI的疫情排查方法,应用在机器人中,机器人使用了RPA和自动外呼技术,RPA负责获取外呼待排查人、疫情排查表整理、新建外呼任务、上传疫情排查表、启动外呼任务、下载外呼的回复语音、生成疫情排查表的报告及发送给有关人员,大大提高了疫情的排查效率,比如,社区三名工作人员每天要外呼约300名待排查人,每通电话约5分钟(包含信息记录时间),每天要花费4小时记录并统计待排查人身体状况,时间紧张、工作强度大。
并且,在本实施例中,相对于现有技术中,在自动外呼时,只能通过意图判别来自动生成外呼表单,只能够询问一些答案为肯定或否定的问题,而对于一些开放型的问题诸如询问年龄、学历、体温、区域等,则无法判别意图,也就无法自动生成表单,所以外呼***通常不做包含开放性问题的话术询问,大大限制了外呼***的应用场景。
本申请巧妙的结合RPA技术,如图7所示,在本申请的实施例中,实现疫情排查方法包括业务***侧、RPA侧和外呼平台,其中业务***侧包括客户端软件、邮箱、网页、数据库、EXCEL表格等,利用RPA数据采集能力从客户的业务***中自动采集通信信息(比如电话号码等),比如基于数据库读取通信信息,并按照外呼***要求生成通信目录,根据预先设定的规则自动登陆外呼***创建外呼话术及任务、导入外呼名单及开启外呼任务;待外呼完成后,RPA机器人提取待排查人的关于疫情排查问题清单生成疫情排查问题合成语音;RPA***通过外呼***按照通信的回复语音,在进行方言优化处理后,进而自动生成疫情排查表,最后RPA既可以通过邮件、IM等方式将外呼报表推送给客户端侧的相关人员,也可以将疫情排查表的内容回写至客户的业务***中。
RPA侧从业务***中抓取到相关数据后,将相关存放在内存中,需要进行数据清洗和数据筛选,提取外呼平台所需的通信目录,,将通信目录写入到疫情排查表中,并按照一定的数据清洗规则及筛选条件,制定RPA流程,RPA自动后台完成数据处理工作。RPA需要完成登陆外呼平台、新建外呼任务、上传用户表格及开启外呼任务等动作。其中,RPA自动打开网页,输入用户名、密码、验证码,触发登陆按钮登陆,进而根据接收到的通信目录和当前业务需求生成疫情排查表,构建对待排查人的呼叫任务,呼叫规则等,进而触发外呼平台进行外呼。RPA侧的相关业务可以按照基于人工智能的处理策略,基于技术,通过特定的“机器人软件”来模拟人在计算机上的操作,按照规则自动执行上述流程任务。
其中,为了理解待排查用户的回复语音,参照图7,本申请中的外呼平台包括也可以包括人工智能模块,该人工智能模块包括自动语音识别技术(Automatic SpeechRecognition,ASR)模块,自然语言处理(Natural Language Processing,NLP)模块,从文本到语音(TextToSpeech,TTS)模块,还包括IP多媒体子***,用来协调语音识别和语音合成等功能。其中,外呼平台利用自动外呼技术实现批量自动外呼,利用TTS技术模拟人声向被叫对象播报疫情排查问题合成语音,利用NLP引擎实现人机多轮对话,整个通话过程都被录音。通话完成后,外呼平台利用ASR技术进行录音到对话文本的转译工作。
由此,本实施例中的机器人可以节省社区人员大量的时间,社区人员只要把原始的通信目录等发送到指定设备,然后等待接收排查结果即可。如果一个社区有300名待排查人需要外呼,使用机器人只要15分钟即可完成所有操作,提取待排查人的问答回复,并根据问答恢复生成疫情排查表等发送给社区人员,实现端到端的自动化。将固化、繁琐、重复的业务使用RPA机器人来自动化完成,以达到优化中心部分工作流程、减少成本、提高工作效率、降低操作失误率的目标。通过RPA+外呼+方言优化模型,可以较轻松的解决外呼中遇到的方言问题,提高外呼结果的准确率及调研中的有效样本率,使得外呼业务可以在大多数方言严重的城市进行开展,极大的拓展了区域范围。
综上,本申请实施例的结合RPA和AI的疫情排查方法,RPA***获取待排查人的通信目录,并生成疫情排查表,其中,疫情排查表包括多个疫情排查问题及多个疫情排查问题分别对应的多个待填项后,根据疫情排查问题清单生成疫情排查问题合成语音,并且,通过外呼***按照通信目录依次拨打待排查人的电话,并语音播报疫情排查问题合成语音,获取待排查人针对疫情排查问题合成语音的回复语音后,对回复语音进行识别以生成候选识别结果,并将候选识别结果进行方言优化后,将得到的目标识别结果自动填入疫情排查表中与疫情排查问题所对应的待填项,以根据疫情排查表进行疫情排查。由此,基于RPA和外呼技术实现疫情排查,提高排查效率,降低排查成本和风险,且对待排查人的回复语音进行了方言优化,保证了排查结果的可靠性。
为了实现上述实施例,本申请还提出了一种结合RPA和AI的疫情排查装置。图8是根据本申请一个实施例的结合RPA和AI的疫情排查装置的结构示意图,如图8所示,该结合RPA和AI的疫情排查装置包括:第一生成模块10、第二生成模块20、播报模块30、第一获取模块40、识别模块50、替换模块60、表格填入模块70和排查模块80,其中,
第一生成模块10,用于获取待排查人的通信目录,并生成疫情排查表,其中,疫情排查表包括多个疫情排查问题及多个疫情排查问题分别对应的多个待填项;
第二生成模块20,用于根据疫情排查问题清单生成疫情排查问题合成语音;
播报模块30,用于通过外呼***按照通信目录依次拨打待排查人的电话,并语音播报疫情排查问题合成语音;
第一获取模块40,用于获取待排查人针对疫情排查问题合成语音的回复语音;
识别模块50,用于对回复语音进行识别以生成候选识别结果和方言类型;
替换模块60,用于识别候选识别结果中与方言类型对应的方言分词,并将候选识别结果中的方言分词替换为标准分词后生成目标识别结果;
表格填入模块70,用于将目标识别结果,自动填入疫情排查表中与疫情排查问题所对应的待填项;以及
排查模块80,用于根据疫情排查表进行疫情排查。
在本申请的一个实施例中,识别模块50,具体用于:对回复语音进行文本识别,生成候选识别结果;
提取候选识别结果中的归属地关键词;
根据归属地关键词确定方言类型。
在本申请的一个实施例中,识别模块50,具体用于:对回复语音进行文本识别,生成候选识别结果;
提取回复语音中的语调特征;
根据语调特征确定方言类型。
在本申请的一个实施例中,替换模块60,具体用于:
对候选识别结果切词处理,生成多个第一分词;
查询与方言类型对应的对应关系表,在多个第一分词中确定属于对应关系表的方言分词;
查询对应关系表,确定与方言分词对应的标准分词,并将候选识别结果中的方言分词替换为标准分词后生成目标识别结果。
在本申请的一个实施例中,表格填入模块70,具体用于:
对目标识别结果切词处理生成多个第二分词;
对多个第二分词中的每个第二分词进行属性分析,确定每个第二分词的属性信息;
根据属性信息确定每个第二分词对应的待填项,并将每个第二分词填入对应的待填项。
在本申请的一个实施例中,排查模块70,具体用于:
判断待填项之中的内容是否符合排查要求;
在符合排查要求时,确定待排查人属于高风险人;
在不符合排查要求时,确定待排查人属于低风险人。
需要说明的是,前述对结合RPA和AI的疫情排查方法实施例的解释说明也适用于该实施例的结合RPA和AI的疫情排查装置,本申请结合RPA和AI的疫情排查装置实施例中未公布的细节,此处不再赘述。
综上,本申请实施例的结合RPA和AI的疫情排查装置,RPA***获取待排查人的通信目录,并生成疫情排查表,其中,疫情排查表包括多个疫情排查问题及多个疫情排查问题分别对应的多个待填项后,根据疫情排查问题清单生成疫情排查问题合成语音,并且,通过外呼***按照通信目录依次拨打待排查人的电话,并语音播报疫情排查问题合成语音,获取待排查人针对疫情排查问题合成语音的回复语音后,对回复语音进行识别以生成候选识别结果,并将候选识别结果进行方言优化后,将得到的目标识别结果自动填入疫情排查表中与疫情排查问题所对应的待填项,以根据疫情排查表进行疫情排查。由此,基于RPA和外呼技术实现疫情排查,提高排查效率,降低排查成本和风险,且对待排查人的回复语音进行了方言优化,保证了排查结果的可靠性。
为了实现上述实施例,本申请还提出了一种计算机设备,图9是根据本申请一个实施例的计算机设备的结构示意图。如图9所示,存储器21、处理器22及存储在存储器21上并可在处理器22上运行的计算机程序。
处理器22执行所述程序时实现上述实施例中提供的语音交互方法。
进一步地,计算机设备还包括:
通信接口23,用于存储器21和处理器22之间的通信。
存储器21,用于存放可在处理器22上运行的计算机程序。
存储器21可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。
处理器22,用于执行所述程序时实现上述实施例所述的结合RPA和AI的疫情排查方法。
如果存储器21、处理器22和通信接口23独立实现,则通信接口21、存储器21和处理器22可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器21、处理器22及通信接口23,集成在一块芯片上实现,则存储器21、处理器22及通信接口23可以通过内部接口完成相互间的通信。
处理器22可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
为了实现上述实施例,本申请还提出一种非临时性计算机可读存储介质,当所述存储介质中的指令由处理器被执行时,使得能够执行如上述实施例所述的结合RPA和AI的疫情排查方法。
为了实现上述实施例,本申请还提出一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,执行如上述实施例所述的结合RPA和AI的疫情排查方法。
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申请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。
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至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (17)
1.一种结合RPA和AI的疫情排查方法,其特征在于,包括:
RPA***获取待排查人的通信目录,并生成疫情排查表,其中,所述疫情排查表包括多个疫情排查问题及所述多个疫情排查问题分别对应的多个待填项;
所述RPA***根据所述疫情排查问题清单生成疫情排查问题合成语音;
所述RPA***通过外呼***按照所述通信目录依次拨打所述待排查人的电话,并语音播报所述疫情排查问题合成语音;
所述RPA***获取所述待排查人针对所述疫情排查问题合成语音的回复语音;
所述RPA***对所述回复语音进行识别以生成候选识别结果和方言类型;
所述RPA***识别所述候选识别结果中与所述方言类型对应的方言分词,并将所述候选识别结果中的所述方言分词替换为标准分词后生成目标识别结果;
所述RPA***将所述目标识别结果,自动填入所述疫情排查表中与所述疫情排查问题所对应的待填项;以及
所述RPA***根据所述疫情排查表进行疫情排查。
2.如权利要求1所述的疫情排查方法,其特征在于,所述所述RPA***对所述回复语音进行识别以生成候选识别结果和方言类型,包括:
所述RPA***对所述回复语音进行文本识别,生成所述候选识别结果;
所述RPA***提取所述候选识别结果中的归属地关键词;
所述RPA***根据所述归属地关键词确定所述方言类型。
3.如权利要求1所述的疫情排查方法,其特征在于,所述所述RPA***对所述回复语音进行识别以生成候选识别结果和方言类型,包括:
所述RPA***对所述回复语音进行文本识别,生成所述候选识别结果;
所述RPA***提取所述回复语音中的语调特征;
所述RPA***根据所述语调特征确定所述方言类型。
4.如权利要求1所述的疫情排查方法,其特征在于,所述所述RPA***识别所述候选识别结果中与所述方言类型对应的方言分词,并将所述候选识别结果中的所述方言分词替换为标准分词后生成目标识别结果,包括:
所述RPA***对所述候选识别结果切词处理,生成多个第一分词;
所述RPA***查询与所述方言类型对应的对应关系表,在所述多个第一分词中确定属于所述对应关系表的所述方言分词;
所述RPA***查询所述对应关系表,确定与所述方言分词对应的标准分词,并将所述候选识别结果中的所述方言分词替换为标准分词后生成所述目标识别结果。
5.如权利要求1所述的疫情排查方法,其特征在于,在所述RPA***获取待排查人的通信目录之前,包括:
所述RPA***确定敏感人群;
所述RPA***获取所述敏感人群的通信信息,并生成所述待排查人的通信目录。
6.如权利要求5所述的疫情排查方法,其特征在于,所述RPA***确定敏感人群,包括:
所述RPA***获取多个人预设时间段之内的历史位置信息;
所述RPA***获取敏感地区信息;以及
当所述历史位置信息与所述敏感地区信息重合时,所述RPA***将所述人作为所述敏感人群。
7.如权利要求5所述的疫情排查方法,其特征在于,还包括:
所述RPA***获取所述敏感人群之中人的当前状态信息;
如果根据所述人的当前状态信息判断属于非排查条件,则所述RPA***将所述人从所述敏感人群之中删除。
8.如权利要求1所述的疫情排查方法,其特征在于,所述所述RPA***将所述目标识别结果,自动填入所述疫情排查表中与所述疫情排查问题所对应的待填项,包括:
所述RPA***对所述目标识别结果切词处理生成多个第二分词;
所述RPA***对所述多个第二分词中的每个第二分词进行属性分析,确定所述每个第二分词的属性信息;
所述RPA***根据所述属性信息确定所述每个第二分词对应的待填项,并将所述每个第二分词填入对应的待填项。
9.如权利要求1所述的疫情排查方法,其特征在于,所述RPA***根据所述疫情排查表进行疫情排查,包括:
所述RPA***判断所述待填项之中的内容是否符合排查要求;
如果符合所述排查要求,则确定所述待排查人属于高风险人;
如果不符合所述排查要求,则确定所述待排查人属于低风险人。
10.一种结合RPA和AI的疫情排查装置,其特征在于,所述装置应用在RPA***,包括:
第一生成模块,用于获取待排查人的通信目录,并生成疫情排查表,其中,所述疫情排查表包括多个疫情排查问题及所述多个疫情排查问题分别对应的多个待填项;
第二生成模块,用于根据所述疫情排查问题清单生成疫情排查问题合成语音;
播报模块,用于通过外呼***按照所述通信目录依次拨打所述待排查人的电话,并语音播报所述疫情排查问题合成语音;
第一获取模块,用于获取所述待排查人针对所述疫情排查问题合成语音的回复语音;
识别模块,用于对所述回复语音进行识别以生成候选识别结果和方言类型;
替换模块,用于识别所述候选识别结果中与所述方言类型对应的方言分词,并将所述候选识别结果中的所述方言分词替换为标准分词后生成目标识别结果;
表格填入模块,用于将所述目标识别结果,自动填入所述疫情排查表中与所述疫情排查问题所对应的待填项;以及
排查模块,用于根据所述疫情排查表进行疫情排查。
11.如权利要求10所述的疫情排查装置,其特征在于,所述识别模块,具体用于:
对所述回复语音进行文本识别,生成所述候选识别结果;
提取所述候选识别结果中的归属地关键词;
根据所述归属地关键词确定所述方言类型。
12.如权利要求11所述的疫情排查装置,其特征在于,所述识别模块,具体用于:
对所述回复语音进行文本识别,生成所述候选识别结果;
提取所述回复语音中的语调特征;
根据所述语调特征确定所述方言类型。
13.如权利要求11所述的疫情排查装置,其特征在于,所述替换模块,具体用于:
对所述候选识别结果切词处理,生成多个第一分词;
查询与所述方言类型对应的对应关系表,在所述多个第一分词中确定属于所述对应关系表的所述方言分词;
查询所述对应关系表,确定与所述方言分词对应的标准分词,并将所述候选识别结果中的所述方言分词替换为标准分词后生成所述目标识别结果。
14.如权利要求10所述的疫情排查装置,其特征在于,所述表格填入模块,具体用于:
对所述目标识别结果切词处理生成多个第二分词;
对所述多个第二分词中的每个第二分词进行属性分析,确定所述每个第二分词的属性信息;
根据所述属性信息确定所述每个第二分词对应的待填项,并将所述每个第二分词填入对应的待填项。
15.如权利要求10所述的疫情排查装置,其特征在于,所述排查模块,具体用于:
判断所述待填项之中的内容是否符合排查要求;
在符合所述排查要求时,确定所述待排查人属于高风险人;
在不符合所述排查要求时,确定所述待排查人属于低风险人。
16.一种计算机设备,其特征在于,包括处理器和存储器;
其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如权利要求1-9中任一项所述的结合RPA和AI的疫情排查方法。
17.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-9中任一项所述的结合RPA和AI的疫情排查方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010598087.2A CN111724909A (zh) | 2020-06-28 | 2020-06-28 | 一种结合rpa和ai的疫情排查方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010598087.2A CN111724909A (zh) | 2020-06-28 | 2020-06-28 | 一种结合rpa和ai的疫情排查方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111724909A true CN111724909A (zh) | 2020-09-29 |
Family
ID=72569517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010598087.2A Pending CN111724909A (zh) | 2020-06-28 | 2020-06-28 | 一种结合rpa和ai的疫情排查方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111724909A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529620A (zh) * | 2020-12-07 | 2021-03-19 | 北京来也网络科技有限公司 | 基于rpa和ai的电力应收报表的生成方法及装置 |
CN114040056A (zh) * | 2021-11-09 | 2022-02-11 | 上海浦东发展银行股份有限公司 | 一种自动核查用户信息的方法、装置及存储介质 |
WO2024046433A1 (zh) * | 2022-09-01 | 2024-03-07 | 北京来也网络科技有限公司 | 结合rpa和ai实现ia的防疫监督方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018149326A1 (zh) * | 2017-02-16 | 2018-08-23 | 阿里巴巴集团控股有限公司 | 一种自然语言问句答案的生成方法、装置及服务器 |
CN108986921A (zh) * | 2018-07-04 | 2018-12-11 | 泰康保险集团股份有限公司 | 疾病预测方法、装置、介质及电子设备 |
CN110069605A (zh) * | 2017-10-12 | 2019-07-30 | 天津深思维科技有限公司 | 一种带流程的电话机器人主动问询*** |
CN110489534A (zh) * | 2019-07-26 | 2019-11-22 | 美的置业集团有限公司 | 一种语音在线报事报单管理方法、装置、介质及终端设备 |
CN110909134A (zh) * | 2018-09-18 | 2020-03-24 | 奇酷互联网络科技(深圳)有限公司 | 语音转换的方法、移动终端和可读存储介质 |
CN111339992A (zh) * | 2020-03-12 | 2020-06-26 | 邓国豪 | 人员监控方法及*** |
-
2020
- 2020-06-28 CN CN202010598087.2A patent/CN111724909A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018149326A1 (zh) * | 2017-02-16 | 2018-08-23 | 阿里巴巴集团控股有限公司 | 一种自然语言问句答案的生成方法、装置及服务器 |
CN110069605A (zh) * | 2017-10-12 | 2019-07-30 | 天津深思维科技有限公司 | 一种带流程的电话机器人主动问询*** |
CN108986921A (zh) * | 2018-07-04 | 2018-12-11 | 泰康保险集团股份有限公司 | 疾病预测方法、装置、介质及电子设备 |
CN110909134A (zh) * | 2018-09-18 | 2020-03-24 | 奇酷互联网络科技(深圳)有限公司 | 语音转换的方法、移动终端和可读存储介质 |
CN110489534A (zh) * | 2019-07-26 | 2019-11-22 | 美的置业集团有限公司 | 一种语音在线报事报单管理方法、装置、介质及终端设备 |
CN111339992A (zh) * | 2020-03-12 | 2020-06-26 | 邓国豪 | 人员监控方法及*** |
Non-Patent Citations (1)
Title |
---|
许宝成: "疫情当前 易米云通智能语音机器人到岗就位", 《计算机与网络》, vol. 46, no. 3, pages 72 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529620A (zh) * | 2020-12-07 | 2021-03-19 | 北京来也网络科技有限公司 | 基于rpa和ai的电力应收报表的生成方法及装置 |
CN114040056A (zh) * | 2021-11-09 | 2022-02-11 | 上海浦东发展银行股份有限公司 | 一种自动核查用户信息的方法、装置及存储介质 |
CN114040056B (zh) * | 2021-11-09 | 2024-05-28 | 上海浦东发展银行股份有限公司 | 一种自动核查用户信息的方法、装置及存储介质 |
WO2024046433A1 (zh) * | 2022-09-01 | 2024-03-07 | 北京来也网络科技有限公司 | 结合rpa和ai实现ia的防疫监督方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111724908A (zh) | 基于机器人流程自动化rpa的疫情排查方法和装置 | |
CN111724909A (zh) | 一种结合rpa和ai的疫情排查方法和装置 | |
CN109344237A (zh) | 一种用于人机交互的信息处理的方法及装置 | |
CN109360550A (zh) | 语音交互***的测试方法、装置、设备和存储介质 | |
CN111182162A (zh) | 基于人工智能的电话质检方法、装置、设备和存储介质 | |
CN109272993A (zh) | 语音类别的识别方法、装置、计算机设备和存储介质 | |
CN102339606B (zh) | 一种抑郁情绪电话自动语音识别筛查*** | |
CN113297365B (zh) | 一种用户意向判定方法、装置、设备及存储介质 | |
CN107240394A (zh) | 一种动态自适应语音分析技术以用于人机口语考试的方法及*** | |
CN111597818A (zh) | 呼叫质检方法、装置、计算机设备和计算机可读存储介质 | |
CN112232276A (zh) | 一种基于语音识别和图像识别的情绪检测方法和装置 | |
CN113312468A (zh) | 基于对话模式的话术推荐方法、装置、设备及介质 | |
US10674952B1 (en) | Detection and management of memory impairment | |
CN110556098B (zh) | 语音识别结果测试方法、装置、计算机设备和介质 | |
Pandeya et al. | Sound event detection in cowshed using synthetic data and convolutional neural network | |
WO2022000141A1 (zh) | 基于机器人流程自动化rpa的疫情排查方法和装置 | |
CN111124925B (zh) | 基于大数据的场景提取方法、装置、设备和存储介质 | |
CN117370512A (zh) | 回复对话的方法、装置、设备及存储介质 | |
Glass et al. | Data collection and performance evaluation of spoken dialogue systems: the MIT experience. | |
CN116860938A (zh) | 一种基于大语言模型的语音问答构建方法、装置及介质 | |
WO2022000140A1 (zh) | 结合rpa和ai的疫情排查方法和装置 | |
CN113808709B (zh) | 一种基于文本分析的心理弹性预测方法及*** | |
CN114462376A (zh) | 基于rpa和ai的庭审笔录生成方法、装置、设备及介质 | |
CN111061852A (zh) | 数据处理方法、装置及*** | |
CN111538822B (zh) | 一种智能客户服务机器人训练数据的生成方法和*** |
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 |