CN113268431A - 一种rpa机器人软件的学习方法 - Google Patents

一种rpa机器人软件的学习方法 Download PDF

Info

Publication number
CN113268431A
CN113268431A CN202110701228.3A CN202110701228A CN113268431A CN 113268431 A CN113268431 A CN 113268431A CN 202110701228 A CN202110701228 A CN 202110701228A CN 113268431 A CN113268431 A CN 113268431A
Authority
CN
China
Prior art keywords
rpa robot
robot software
learning
work
software
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.)
Granted
Application number
CN202110701228.3A
Other languages
English (en)
Other versions
CN113268431B (zh
Inventor
金德鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Knet Technology Co ltd
Original Assignee
Shenzhen Knet Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Knet Technology Co ltd filed Critical Shenzhen Knet Technology Co ltd
Priority to CN202110701228.3A priority Critical patent/CN113268431B/zh
Publication of CN113268431A publication Critical patent/CN113268431A/zh
Application granted granted Critical
Publication of CN113268431B publication Critical patent/CN113268431B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3684—Test management for test design, e.g. generating new test cases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3688—Test management for test execution, e.g. scheduling of test suites
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3692—Test management for test results analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Numerical Control (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种RPA机器人软件的学习方法，包括软件初始化、单项工作流程记录、工作任务测试、多项工作流程记录并测试、制作学习样本库、学习相似度检索模型、检查运行结果、完善RPA机器人软件以及重复以上学习步骤。本方法设计的学习方法在录入多项工作流程时，首先选择一件项目进行录入和测试，从而测试RPA机器人软件是否存在故障，以及判断录入的工作流程是否出现错误，进而提高了学习的效率；本方法设计的学习方法包括制作学习样本库，通过随机抽取学习样本库内的输入数据或问题来输入到RPA机器人软件中，能够更好地学习RPA机器人软件，从而保证进入正式工作的RPA机器人软件在往后的工作中能够“举一反三”，对于类似的问题能够顺利解决。

Description

一种RPA机器人软件的学习方法
技术领域
本发明涉及一种RPA机器人软件，具体是一种RPA机器人软件的学习方法，属于RPA机器人软件技术领域。
背景技术
RPA机器人软件又名：机器人流程自动化软件，它是一种应用程序，它能通过模仿最终用户在电脑的手动操作方式，提供了另一种方式来使最终用户手动操作流程自动化，在传统的工作流自动化技术工具中，会由程序员产生自动化任务的动作列表，并且会用内部的应用程序接口或是专用的脚本语言作为和后台***之间的界面，机器人流程自动化会监视使用者在应用软件中图形用户界面（GUI）所进行的工作，并且直接在GUI上自动重复这些工作。
然而，在RPA机器人软件的使用过程中，企业直接通过RPA机器人软件录入某项工作的工作流程便开始使用RPA机器人软件进行正式工作，并没有对RPA机器人软件进行必要的学习，从而容易导致RPA机器人软件的运行结果准确率较低，反而降低了工作效率。
发明内容
本发明的目的就在于为了解决上述问题而提供一种RPA机器人软件的学习方法。
本发明通过以下技术方案来实现上述目的，一种RPA机器人软件的学习方法，包括如下步骤：
S1、首先在计算机上安装RPA机器人软件，并打开RPA机器人软件，软件初始化，然后根据企业的实际情况以及RPA机器人软件分配的任务情况对RPA机器人软件进行基础参数设置。
S2、单项工作流程记录，根据为RPA机器人软件分配的实际工作项目，人工在计算机上对完成工作项目所需要的全部流程进行演示，并通过RPA机器人软件自带的记录工具记录下完整的操作流程。
S3、工作任务测试，记录下工作项目的操作流程之后，在RPA机器人软件输入端输入关于该工作的数据或问题，然后运行RPA机器人软件，查看运行结果，人工检测运行结果是否准确，如若不准确，重新完善工作项目的操作流程并通过RPA机器人软件重新记录，直至RPA机器人软件运行结果准确。
S4、多项工作流程记录并测试，完成单项工作流程记录后，将其他多项工作流程逐一录入RPA机器人软件，录入完毕后在RPA机器人软件输入端逐一输入关于每份工作的数据或问题，并运行直至RPA机器人软件每项工作的运行结果均准确。
S5、制作学习样本库，通过大数据收集与RPA机器人软件录入的工作项目相关的数据或问题，并根据工作项目的种类进行匹配，最后制成学习样本库。
S6、学习相似度检索模型，抽取学习样本库中与任意工作项目相匹配的数据或问题输入到RPA机器人软件的输入端，RPA机器人软件通过内部的相似度检索模型判断输入的数据或问题与自身存储的工作项目之间的相似度，选择与其相似度最大的工作项目开始运行并得到运行结果。
S7、检查运行结果，人工检测RPA机器人软件的运行结果是否准确，若准确则重复S6步骤对RPA机器人软件进行多次学习，直至所有运行结果均准确时，即结束对RPA机器人软件的学习。
S8、完善RPA机器人软件，当S7检查的运行结果与人工得出的结果有所不同时，需要重新完善RPA机器人软件的软件代码。
S9、重复以上学习步骤，在完善RPA机器人软件之后，根据S1-S8步骤对RPA机器人软件进行重复学习。
优选的，所述S1中基础参数设置包括录入企业基础档案以及工作项目初始数据。
优选的，所述S2中记录工具采用记录仪。
优选的，所述S2及S4录入的工作流程均存储至RPA机器人软件项目库中。
优选的，所述项目库中存储的工作流程通过RPA机器人软件控制端进行命名或添加标签。
优选的，所述S6中的相似度计算方法采用TF-IDF算法。
优选的，所述S6中采用相似度检索模型将输入的数据或问题与自身存储的工作项目的名字或标签进行文本相似度对比。
优选的，所述S7中重复S6步骤至少3次。
本发明的有益效果是：
1、本发明设计的学习方法在录入多项工作流程时，首先选择一件项目进行录入和测试，从而测试RPA机器人软件是否存在故障，以及判断录入的工作流程是否出现错误，当RPA机器人软件运行结果准确后再将其他项目的工作流程全部录入，防止一次性全部录入项目工作流程后出现运行结果错误时，难以判断错误的原因，进而提高了学习的效率。
2、本发明设计的学习方法包括制作学习样本库，基于大数据制成的学习样本库包含的输入数据或问题更多，通过随机抽取学习样本库内的输入数据或问题来输入到RPA机器人软件中，能够更好地学习RPA机器人软件内部包含的相似度检索模型，从而保证进入正式工作的RPA机器人软件在往后的工作中能够“举一反三”，对于类似的问题能够顺利解决，无需多次更改RPA机器人软件软件代码。
附图说明
为了更清楚地说明本发明实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它的附图。
图1为本发明的方法步骤示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
实施例一。
请参阅图1所示，一种RPA机器人软件的学习方法，包括如下步骤：
S1、首先在计算机上安装RPA机器人软件，并打开RPA机器人软件，软件初始化，然后根据企业的实际情况以及RPA机器人软件分配的任务情况对RPA机器人软件进行基础参数设置。
S2、单项工作流程记录，根据为RPA机器人软件分配的实际工作项目，人工在计算机上对完成工作项目所需要的全部流程进行演示，并通过RPA机器人软件自带的记录工具记录下完整的操作流程。
S3、工作任务测试，记录下工作项目的操作流程之后，在RPA机器人软件输入端输入关于该工作的数据或问题，然后运行RPA机器人软件，查看运行结果，人工检测运行结果是否准确，如若不准确，重新完善工作项目的操作流程并通过RPA机器人软件重新记录，直至RPA机器人软件运行结果准确。
S4、制作学习样本库，通过大数据收集与RPA机器人软件录入的工作项目相关的数据或问题，并根据工作项目的种类进行匹配，最后制成学习样本库。
S5、学习相似度检索模型，抽取学习样本库中与任意工作项目相匹配的数据或问题输入到RPA机器人软件的输入端，RPA机器人软件通过内部的相似度检索模型判断输入的数据或问题与自身存储的工作项目之间的相似度，选择与其相似度最大的工作项目开始运行并得到运行结果。
S6、检查运行结果，人工检测RPA机器人软件的运行结果是否准确，若准确则重复S6步骤对RPA机器人软件进行多次学习，直至所有运行结果均准确时，即结束对RPA机器人软件的学习。
S7、完善RPA机器人软件，当S7检查的运行结果与人工得出的结果有所不同时，需要重新完善RPA机器人软件的软件代码。
S8、重复以上学习步骤，在完善RPA机器人软件之后，根据S1-S8步骤对RPA机器人软件进行重复学习。
具体的，所述S1中基础参数设置包括录入企业基础档案以及工作项目初始数据。
具体的，所述S2中记录工具采用记录仪，记录仪是RPA机器人软件的配置软件，可以记录用户界面（UI）里发生的每一次鼠标动作和键盘输入，保证项目工作流程的准确录入。
具体的，所述S2录入的工作流程均存储至RPA机器人软件项目库中。
具体的，所述项目库中存储的工作流程通过RPA机器人软件控制端进行命名或添加标签，根据存储的项目用处或相关进行命名或添加标签，保证名称或标签的准确性。
具体的，所述S5中的相似度计算方法采用TF-IDF算法，TF-IDF算法简单，采用TF-IDF算法能够保证计算结果的快速与准确性。
具体的，所述S5中采用相似度检索模型将输入的数据或问题与自身存储的工作项目的名字或标签进行文本相似度对比。
具体的，所述S6中重复S5步骤至少3次。
上述方法为输入单项工作流程的学习方法，在录入项目工作流程之后，通过工作任务测试来测试RPA机器人软件是否存在故障，以及判断录入的工作流程是否出现错误，在确认RPA机器人软件本身以及录入的工作流程均不存在错误后，再对RPA机器人软件内部的相似度检索模型进行学习，从而保证整个学习结果的有效性；上述方法包含制作学习样本库，基于大数据制成的学习样本库包含的输入数据或问题更多，通过随机抽取学习样本库内的输入数据或问题来输入到RPA机器人软件中，能够更好地学习RPA机器人软件内部包含的相似度检索模型，从而保证进入正式工作的RPA机器人软件在往后的工作中能够“举一反三”，对于类似的问题能够顺利解决，无需多次更改RPA机器人软件软件代码。
实施例二。
请参阅图1所示，一种对RPA机器人软件的学习方法，包括如下步骤：
S1、软件初始化，首先在计算机上安装RPA机器人软件，并打开RPA机器人软件，然后根据企业的实际情况以及RPA机器人软件分配的任务情况对RPA机器人软件进行基础参数设置。
S2、单项工作流程记录，根据为RPA机器人软件分配的实际工作项目，人工在计算机上对完成工作项目所需要的全部流程进行演示，并通过RPA机器人软件自带的记录工具记录下完整的操作流程。
S3、工作任务测试，记录下工作项目的操作流程之后，在RPA机器人软件输入端输入关于该工作的数据或问题，然后运行RPA机器人软件，查看运行结果，人工检测运行结果是否准确，如若不准确，重新完善工作项目的操作流程并通过RPA机器人软件重新记录，直至RPA机器人软件运行结果准确。
S4、多项工作流程记录并测试，完成单项工作流程记录后，将其他多项工作流程逐一录入RPA机器人软件，录入完毕后在RPA机器人软件输入端逐一输入关于每份工作的数据或问题，并运行直至RPA机器人软件每项工作的运行结果均准确。
S5、制作学习样本库，通过大数据收集与RPA机器人软件录入的工作项目相关的数据或问题，并根据工作项目的种类进行匹配，最后制成学习样本库。
S6、学习相似度检索模型，抽取学习样本库中与任意工作项目相匹配的数据或问题输入到RPA机器人软件的输入端，RPA机器人软件通过内部的相似度检索模型判断输入的数据或问题与自身存储的工作项目之间的相似度，选择与其相似度最大的工作项目开始运行并得到运行结果。
S7、检查运行结果，人工检测RPA机器人软件的运行结果是否准确，若准确则重复S6步骤对RPA机器人软件进行多次学习，直至所有运行结果均准确时，即结束对RPA机器人软件的学习。
S8、完善RPA机器人软件，当S7检查的运行结果与人工得出的结果有所不同时，需要重新完善RPA机器人软件的软件代码。
S9、重复以上学习步骤，在完善RPA机器人软件之后，根据S1-S8步骤对RPA机器人软件进行重复学习。
具体的，所述S1中基础参数设置包括录入企业基础档案以及工作项目初始数据。
具体的，所述S2中记录工具采用记录仪，记录仪是RPA机器人软件的配置软件，可以记录用户界面（UI）里发生的每一次鼠标动作和键盘输入，保证项目工作流程的准确录入。
具体的，所述S2及S4录入的工作流程均存储至RPA机器人软件项目库中。
具体的，所述项目库中存储的工作流程通过RPA机器人软件控制端进行命名或添加标签，根据存储的项目用处或相关进行命名或添加标签，保证名称或标签的准确性。
具体的，所述S6中的相似度计算方法采用TF-IDF算法，TF-IDF算法简单，采用TF-IDF算法能够保证计算结果的快速与准确性。
具体的，所述S6中采用相似度检索模型将输入的数据或问题与自身存储的工作项目的名字或标签进行文本相似度对比。
具体的，所述S7中重复S6步骤至少3次。
上述方法包含的学习方法关于录入多项工作流程时的学习方法，通过预先选择一件项目进行录入和测试，从而测试RPA机器人软件是否存在故障，以及判断录入的工作流程是否出现错误，当RPA机器人软件运行结果准确后再将其他项目的工作流程全部录入，防止一次性全部录入项目工作流程后出现运行结果错误时，难以判断错误的原因，进而提高了学习的效率；上述设计的学习方法包括制作学习样本库，基于大数据制成的学习样本库包含的输入数据或问题更多，通过随机抽取学习样本库内的输入数据或问题来输入到RPA机器人软件中，能够更好地学习RPA机器人软件内部包含的相似度检索模型，从而保证进入正式工作的RPA机器人软件在往后的工作中能够“举一反三”，对于类似的问题能够顺利解决，无需多次更改RPA机器人软件软件代码。

Claims (8)

1.一种RPA机器人软件的学习方法，其特征在于：包括如下步骤：
S1、首先在计算机上安装RPA机器人软件，并打开RPA机器人软件，软件初始化，然后根据企业的实际情况以及RPA机器人软件分配的任务情况对RPA机器人软件进行基础参数设置；
S2、单项工作流程记录，根据为RPA机器人软件分配的实际工作项目，人工在计算机上对完成工作项目所需要的全部流程进行演示，并通过RPA机器人软件自带的记录工具记录下完整的操作流程；
S3、工作任务测试，记录下工作项目的操作流程之后，在RPA机器人软件输入端输入关于该工作项目的数据或问题，然后运行RPA机器人软件，查看运行结果，人工检测运行结果是否准确，如若不准确，重新完善工作项目的操作流程并通过RPA机器人软件重新记录，直至RPA机器人软件运行结果准确；
S4、多项工作流程记录并测试，完成单项工作流程记录后，将其他多项工作流程逐一录入RPA机器人软件，录入完毕后在RPA机器人软件输入端逐一输入关于每份工作的数据或问题，并运行直至RPA机器人软件每项工作的运行结果均准确；
S5、制作学习样本库，通过大数据收集与RPA机器人软件录入的工作项目相关的数据或问题，并根据工作项目的种类进行匹配，最后制成学习样本库；
S6、学习相似度检索模型，抽取学习样本库中与任意工作项目相匹配的数据或问题输入到RPA机器人软件的输入端，RPA机器人软件通过内部的相似度检索模型判断输入的数据或问题与自身存储的工作项目之间的相似度，选择与其相似度最大的工作项目开始运行并得到运行结果；
S7、检查运行结果，人工检测RPA机器人软件的运行结果是否准确，若准确则重复S6步骤对RPA机器人软件进行多次学习，直至所有运行结果均准确时，即结束对RPA机器人软件的学习；
S8、完善RPA机器人软件，当S7检查的运行结果与人工得出的结果有所不同时，需要重新完善RPA机器人软件的软件代码；
S9、重复以上学习步骤，在完善RPA机器人软件之后，根据S1-S8步骤对RPA机器人软件进行重复学习。
2.根据权利要求1所述的一种RPA机器人软件的学习方法，其特征在于：所述S1中基础参数设置包括录入企业基础档案以及工作项目初始数据。
3.根据权利要求1所述的一种RPA机器人软件的学习方法，其特征在于：所述S2中记录工具采用记录仪。
4.根据权利要求1所述的一种RPA机器人软件的学习方法，其特征在于：所述S2及S4录入的工作流程均存储至RPA机器人软件项目库中。
5.根据权利要求4所述的一种RPA机器人软件的学习方法，其特征在于：所述项目库中存储的工作流程通过RPA机器人软件控制端进行命名或添加标签。
6.根据权利要求1所述的一种RPA机器人软件的学习方法，其特征在于：所述S6中的相似度计算方法采用TF-IDF算法。
7.根据权利要求1所述的一种RPA机器人软件的学习方法，其特征在于：所述S6中采用相似度检索模型将输入的数据或问题与自身存储的工作项目的名字或标签进行文本相似度对比。
8.根据权利要求1所述的一种RPA机器人软件的学习方法，其特征在于：所述S7中重复S6步骤至少3次。
CN202110701228.3A 2021-06-24 2021-06-24 一种rpa机器人软件的学习方法 Expired - Fee Related CN113268431B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110701228.3A CN113268431B (zh) 2021-06-24 2021-06-24 一种rpa机器人软件的学习方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110701228.3A CN113268431B (zh) 2021-06-24 2021-06-24 一种rpa机器人软件的学习方法

Publications (2)

Publication Number Publication Date
CN113268431A true CN113268431A (zh) 2021-08-17
CN113268431B CN113268431B (zh) 2022-08-19

Family

ID=77235744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110701228.3A Expired - Fee Related CN113268431B (zh) 2021-06-24 2021-06-24 一种rpa机器人软件的学习方法

Country Status (1)

Country Link
CN (1) CN113268431B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160259717A1 (en) * 2015-03-03 2016-09-08 Software Robotics Corporation Limited Software robots for programmatically controlling computer programs to perform tasks
DE102017000063A1 (de) * 2016-01-14 2017-07-20 Fanuc Corporation Robotereinrichtung mit Lernfunktion
EP3418896A1 (en) * 2017-06-23 2018-12-26 Accenture Global Solutions Limited Self-learning robotic process automation
CN110515835A (zh) * 2019-07-30 2019-11-29 上海云扩信息科技有限公司 一种基于机器视觉和dom树结构的测试方法
CN110908913A (zh) * 2019-11-26 2020-03-24 阳光保险集团股份有限公司 一种回访机器人的测试方法、装置，电子设备及存储介质
US20200285856A1 (en) * 2019-02-19 2020-09-10 Amaris.Ai Pte. Ltd. Video robot systems
CN111813676A (zh) * 2020-07-08 2020-10-23 炬星科技（深圳）有限公司 机器人软件测试方法、设备及存储介质
CN111897938A (zh) * 2020-06-30 2020-11-06 北京来也网络科技有限公司 结合rpa和ai的对话机器人回复方法、模型训练方法及装置
CN112549014A (zh) * 2019-09-26 2021-03-26 发那科株式会社 机器人***、控制方法、机器学习装置以及机器学习方法
FR3101165A1 (fr) * 2019-09-23 2021-03-26 Ponant Technologies Procédé d’enregistrement de séquences de commande et de contrôle d’un robot de test, logiciel pour mise en œuvre de ce procédé
US20210109487A1 (en) * 2019-10-15 2021-04-15 UiPath, Inc. Media-to-workflow generation using artificial intelligence (ai)
US20210165639A1 (en) * 2019-11-28 2021-06-03 UiPath, Inc. Intelligent workflow design for robotic process automation
CN113015956A (zh) * 2019-10-14 2021-06-22 尤帕斯公司 用于机器人流程自动化的活动目标选择的***和方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160259717A1 (en) * 2015-03-03 2016-09-08 Software Robotics Corporation Limited Software robots for programmatically controlling computer programs to perform tasks
DE102017000063A1 (de) * 2016-01-14 2017-07-20 Fanuc Corporation Robotereinrichtung mit Lernfunktion
EP3418896A1 (en) * 2017-06-23 2018-12-26 Accenture Global Solutions Limited Self-learning robotic process automation
US20200285856A1 (en) * 2019-02-19 2020-09-10 Amaris.Ai Pte. Ltd. Video robot systems
CN110515835A (zh) * 2019-07-30 2019-11-29 上海云扩信息科技有限公司 一种基于机器视觉和dom树结构的测试方法
FR3101165A1 (fr) * 2019-09-23 2021-03-26 Ponant Technologies Procédé d’enregistrement de séquences de commande et de contrôle d’un robot de test, logiciel pour mise en œuvre de ce procédé
CN112549014A (zh) * 2019-09-26 2021-03-26 发那科株式会社 机器人***、控制方法、机器学习装置以及机器学习方法
CN113015956A (zh) * 2019-10-14 2021-06-22 尤帕斯公司 用于机器人流程自动化的活动目标选择的***和方法
US20210109487A1 (en) * 2019-10-15 2021-04-15 UiPath, Inc. Media-to-workflow generation using artificial intelligence (ai)
CN110908913A (zh) * 2019-11-26 2020-03-24 阳光保险集团股份有限公司 一种回访机器人的测试方法、装置，电子设备及存储介质
US20210165639A1 (en) * 2019-11-28 2021-06-03 UiPath, Inc. Intelligent workflow design for robotic process automation
CN111897938A (zh) * 2020-06-30 2020-11-06 北京来也网络科技有限公司 结合rpa和ai的对话机器人回复方法、模型训练方法及装置
CN111813676A (zh) * 2020-07-08 2020-10-23 炬星科技（深圳）有限公司 机器人软件测试方法、设备及存储介质

Also Published As

Publication number Publication date
CN113268431B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN106844217B (zh) 对应用的控件进行埋点的方法及装置、可读存储介质
Blackburn et al. Why model-based test automation is different and what you should know to get started
Ould et al. Testing in software development
US6587960B1 (en) System model determination for failure detection and isolation, in particular in computer systems
ben Fadhel et al. Search-based detection of high-level model changes
CN105955889A (zh) 一种图形界面自动化测试方法
CN111597122B (zh) 一种基于历史缺陷数据挖掘的软件故障注入方法
US20200327043A1 (en) System and a method for automated script generation for application testing
US20220327452A1 (en) Method for automatically updating unit cost of inspection by using comparison between inspection time and work time of crowdsourcing-based project for generating artificial intelligence training data
Eldh et al. Analysis of mistakes as a method to improve test case design
CN113268431B (zh) 一种rpa机器人软件的学习方法
Huo et al. An exploratory study of process enactment as input to software process improvement
CN109840191B (zh) 一种基于步骤提示的安卓众包测试反馈方法
Schuh et al. Event log-based weaknesses detection in business processes
Patidar et al. Survey on manual and automation testing strategies and tools for software application
Ibrahim et al. Finite State Machine-Model Based Testing on Website Application
CN113886262A (zh) 软件自动化测试方法、装置、计算机设备和存储介质
CN114841663A (zh) Gps设备安装质量的核验方法、装置、设备及存储介质
Véras et al. A benchmarking process to assess software requirements documentation for space applications
Průcha Aspect optimalization of robotic process automation
Leyesa et al. Project cost processing system for electronics systems integrator
Borner et al. The testing process-a decision based approach
RIZWAN et al. Testing The Information System Software Using Behavior Driven Development Method
Wang et al. Verification and validation of simulation models and applications: A methodological approach
Deuter et al. Measuring the software size of sliced V-model projects

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220819