RPA與AI認知-Microsoft Text Analysis

1

背景概要

隨著企業實施其數字化轉型願景，由於數據消費增加而導致的技術複雜性仍然是需要解決的最大挑戰之一，目前我們已經知道如何管理大量的數據，而現在的目標是管理其複雜性。如果將人工智慧和機器人過程自動化（RPA）結合起來，將會推動客戶參與的創新方法，擴大員工能力和探索新的商業模式方面發揮至關重要的作用。

2

理解RPA與認知技術的融合

軟體機器人在具有明確規則和重複度高的流程方面做得非常出色，如果在提高準確性的同時，模擬人類行為，那麼RPA將會變得更加智能，以後也可以完成認知智能和預測能力的任務。

NLP（自然語言處理），機器學習等組件可以讓機器人主動向人類學習。以前由人類進行的基於感知和判斷的活動現在可以通過共享的方式完成，或者在某些情況下僅通過機器人完成。 AI技術與RPA技術的結合有助於克服RPA的局限性，因為它可以從歷史數據建立知識庫，並將其用於行為決策和預測。與機器學習相結合，推動節約和提高效率的可能性是無止境的。雖然這些組合技術構成了一個強大的自動化解決方案，但還需要完成一些工作才能讓最終用戶訪問。但是，憑藉正確的專業知識，企業可以實現真正智能的自動化解決方案，從而獲得他們一直在尋找的結果。

3

UiPath中的認知組件

主要參考： https://forum.uipath.com/t/uipath-cognitive-service-activities-tutorial/1066/23

其中以下四個都是需要Key的

Google Text Translate

Google Text Analysis

IBM watson Text Analysis

Microsoft Text Analysis

本篇文章主要介紹如何使用Microsoft Text Analysis

4

UiPath中使用Microsoft Text Analysis

1. 登錄Microsoft Azure並選擇需要的API

可以參考https://forum.uipath.com/t/uipath-cognitive-service-activities-tutorial/1066/6這個回復，主要介紹如何登錄Microsoft並選擇免費的API。

Microsoft Azure登錄地址：https://azure.microsoft.com/en-us/services/cognitive-services/

2. 獲取API密鑰

在完成註冊登錄Microsoft Azure之後，就可以獲取到想用API密鑰

3. 在UiPath中調用Microsoft Text Analysis

調用Microsoft Text Analysis組件，需要填入以下幾個屬性值：

Key: 即API的密鑰。這裡我是使用GetPassword來取得密鑰；

Text： 需要分析的語句；

ServiceURL： 介面。這裡一定要注意，在鏈接後面加上；

Analysis Type: 下拉框選項，選擇需要分析的內容。

注意：如果沒有內容輸入的話，可以列印出Raw Result結果，這個結果中，有調用控制項的詳細信息。

4. 測試結果

在分析之後，會有三個結果信息：

Language:語言檢測，如果你對你不知道你將要分析的文本是何種語言，那麼久可以使用此結果，以確定在輸入文檔中使用哪種語言。同時，還會返回一個反映模型置信度的分數（介於0和1之間的值，1表示準確）。

Sentiment:情緒分析，這個功能主要在檢測社交媒體，用來分析用戶評論和論壇中的正面和負面情緒。通過使用機器學習分類演算法來生成介於0和1之間的情緒分值。接近1表示積極的情緒，接近0表示消極的情緒。

Key Phrases：關鍵詞/句提取，這個功能可以快速識別文檔中的要點。這個在文本較多的情況下比較準確，情緒分析是在文本較少的情況下比較準確。

Raw Result: 返回介面調用之後的所有信息，在調試時候比較適用。

目前，關鍵詞提取和情感分析支持英語，德語，西班牙語和日語，還有一些在預覽版本中，但是在預覽版中，也不支持中文！

以下就是代碼運行之後的結果：

5. 代碼獲取

代碼已放在github上，有需要的小夥伴自行下載，順便點個Star再走：

https://github.com/sombie007/RPA/tree/master/AI Cognitive_microsoft text analyis

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！