图灵汇官网

数据获取的相关技术——自然语言处理

自然语言处理（Natural Language Processing，简称NLP）是一种使计算机能够理解和生成人类自然语言的技术。在RPA（Robotic Process Automation，机器人流程自动化）的应用中，NLP主要应用于以下几个场景：

1. 非结构化信息处理：当机器人接收到的信息不是结构化的数据字段或扫描图像，而是人类自然语言表达的文字时，NLP可以从这些文字中提取关键信息，并自动录入系统或与系统中的信息进行对比。

2. 文本优化处理：OCR（Optical Character Recognition，光学字符识别）技术识别信息后，NLP技术可以进一步优化文本，找出最符合逻辑的词汇，进行文字修正。

3. 信息检索与分类：当需要处理大量信息时，RPA可以借助NLP进行信息检索或分类处理。

4. 自然语言反馈：NLP技术还可以在RPA处理完成后，以自然语言的形式反馈给用户。

NLP主要由两部分组成：自然语言理解和自然语言生成。

• 自然语言理解：其主要目的是帮助机器更好地理解人类的语言。

• 自然语言生成：其主要目标是帮助机器生成人类能够理解的语言。

NLP技术在很大程度上依赖于语言特性，例如，由于中文和英文在词汇和语法上的差异，导致NLP所采用的算法技术也有所不同。

在自动化应用领域，NLP不仅可以配合RPA使用，还可以与OCR技术结合，从而提高文字识别的准确性。例如，银行信用卡中心的RPA客服机器人会收到客户请求，如“明天，请将我的个人信用卡额度多调整1万元”。这句话需要借助NLP来解析和理解。

机器人结合领域知识，将这句话转化为业务信息。比如，“明天”指的是计算机获取的当前日期加一天；“信用卡”是主语；“我的”作为定语，可以根据客户的请求来源确定Customer ID；再通过Customer ID查询到具体的信用卡卡号；“额度调整”是动作；“1万元”是金额。因此，机器人最终获取的信息格式为{Customer ID: XXXXXX | Card No: XXXX-XXXX-XXX | Action: Credit Limit Adjustment | Amount: 10,000 RMB | Daytime: 2018-11-20}。接下来，机器人将自动打开相关界面，录入信息并执行相应操作。

虽然实际的自然语言理解过程可能更加复杂，因为自然语言中包含了大量口语现象，如省略、指代、更正、重复、强调、倒序等，但RPA的应用场景通常在商业环境中，话术相对规范且范围明确。为了配合RPA的应用，企业还可以从管理角度规范沟通话术。