[发明专利]用于机器人流程自动化的机器学习模型再训练流水线

权利要求书

1.一种用于实现用于机器人流程自动化(RPA)的机器学习(ML)模型再训练流水线的计算机实现的方法，包括：

由RPA机器人调用机器学习(ML)模型；

由所述RPA机器人接收来自所述ML模型的执行的结果；

由所述RPA机器人确定一个或多个触发条件是否被满足以供标记针对所述ML模型的数据；以及

当所述一个或多个触发条件被满足时：

由所述RPA机器人提示用户提供经标记的数据以供训练或再训练所述ML模型，并且向服务器发送所述经标记的数据以供训练或再训练所述ML模型，或者

由所述RPA机器人将与来自所述ML模型的所述结果相关的信息添加至队列以供后续标记。

2.根据权利要求1所述的计算机实现的方法，其中所述一个或多个触发条件包括：降至低于置信度阈值的ML模型性能、偏离统计分布的ML模型结果、落在先前观察到的范围之外的ML模型结果、或者上述的任何组合。

3.根据权利要求1所述的计算机实现的方法，其中所述一个或多个触发条件包括用于收集所述经标记的数据的发起命令的接收。

4.根据权利要求1所述的计算机实现的方法，还包括：

由所述服务器接收所述经标记的数据；以及

由所述服务器将所述经标记的数据存储在数据库中。

5.根据权利要求1所述的计算机实现的方法，还包括：

当一个或多个训练标准被满足时，由所述服务器使用所述经标记的数据来训练所述ML模型，以产生所述ML模型的新版本；以及

由所述服务器部署所述ML模型的所述新版本。

6.根据权利要求5所述的计算机实现的方法，其中

所述ML模型的所述训练附加地包括：使用先前训练数据，所述先前训练数据用于对在所述ML模型的所述新版本之前训练的所述ML模型的版本进行训练。

7.根据权利要求5所述的计算机实现的方法，其中所述一个或多个训练标准包括：经过的预定时间段、接收到的预定量的训练数据、接收到的预定数量的训练数据样本、落在数据分布之外的所述数据、或者上述的任何组合。

8.根据权利要求5所述的计算机实现的方法，其中所述ML模型的所述新版本替换所述ML模型的先前版本。

9.根据权利要求5所述的计算机实现的方法，还包括：

修改所述RPA机器人的工作流，以调用所述ML模型的所述新版本。

10.根据权利要求5所述的计算机实现的方法，还包括：

修改所述RPA机器人的工作流，以调用所述ML模型的多个版本，所述多个版本包括所述ML模型的所述新版本。

11.根据权利要求10所述的计算机实现的方法，还包括：

由所述RPA机器人调用所述ML模型的所述新版本；以及

当所述一个或多个触发条件未被满足时，由所述RPA机器人调用所述ML模型的先前版本，并且从所述ML模型的所述当前版本和所述ML模型的所述先前版本中选择最佳结果。

12.根据权利要求10所述的计算机实现的方法，还包括：

由所述RPA机器人调用所述ML模型的所述新版本和所述ML模型的至少一个先前版本；以及

由所述RPA机器人从所述ML模型的所述当前版本和所述ML模型的所述至少一个先前版本中选择最佳结果。

13.根据权利要求1所述的计算机实现的方法，其中对于由多个RPA机器人调用的多个ML模型，所述经标记的数据的收集和所述ML模型的所述新版本的训练是统一的。