[发明专利]基于RPA及AI的公文文件分发方法、装置、设备及介质

权利要求书

1.一种基于机器人流程自动化RPA及人工智能AI的公文文件分发方法，应用于RPA机器人，其特征在于，包括：

S1、对公文文件的内容进行识别，得到关键信息，所述关键信息包括所述公文文件所属领域信息；

S2、根据所述关键信息，确定用于接收所述公文文件的目标部门信息；

S3、将所述公文文件按照对应的目标部门信息进行分发。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1具体包括：

S11、调用光学字符识别OCR组件，对公文文件进行识别，得到公文内容；

S12、根据预设公文领域关键词表，从所述公文内容中提取该公文所属领域的领域关键词，作为关键信息。

3.根据权利要求2所述的方法，其特征在于，所述步骤S12具体包括：

S121、确定所述公文内容中的段落标题；

S122、对于属于同一个段落标题的各个段落的内容，从该内容中抽取关键语句，所述关键语句中的动词符合预设公文语料库的要求；

S123、根据预设公文领域关键词表，从所述关键语句中提取该公文所属领域的领域关键词，作为关键信息。

4.根据权利要求3所述的方法，其特征在于，所述预设公文领域关键词表，通过如下方式创建：

基于自然语言处理NLP服务中的自动短语挖掘方法AutoPhrase，对预设公文语料库中公文所属领域的关键词进行挖掘，得到相似度大于第一设定阈值的候选领域关键词；

抓取公文网页中的关键词，并对其中的领域关键词进行标注；

基于标注结果，从所述候选领域关键词中筛选出与所述标注结果的相似度大于第二设定阈值的关键词，以用于形成领域关键词词表。

5.根据权利要求1-4任一所述的方法，其特征在于，所述步骤S2具体包括：

S21、将所述关键信息作为训练完成的排序模型的输入，并从所述训练完成的排序模型的输出中，选择权重值最大的公文部门信息作为所述公文文件对应的目标部门信息；

其中，所述训练完成的排序模型建立了公文内容的关键信息与所属领域对应的部门信息之间的关联关系。

6.根据权利要求5所述的方法，其特征在于，所述排序模型具体通过如下方式训练得到：

从历史公文内容中提取主题关键词，并确定所述历史公文对应的历史部门信息；

将所述主题关键词和所述历史部门信息进行拼接，并将拼接后的关键信息作为部分训练样本；

从经过人工修正后的历史公文的分发意见信息中，确定该历史公文对应的历史目标部门信息；

根据所述历史公文与所述历史目标部门信息之间的对应关系，生成正样本和负样本，所述正样本表示所述历史公文与所述历史目标部门信息为正确的对应关系，所述负样本表示所述历史公文与所述历史目标部门信息为错误的对应关系；

基于所述部分训练样本、所述正样本和负样本，对初始排序模型进行训练，得到所述训练完成的排序模型。

7.根据权利要求6所述的方法，其特征在于，所述分发意见信息还包括：

基于人工修改建议生成的修改例句库，以及，基于人工对公文内容的修改日志生成的短语纠错白名单。

8.一种基于RPA及AI的公文文件分发装置，其特征在于，包括：

关键信息确定模块，被配置为对公文文件的内容进行识别，得到关键信息，所述关键信息包括所述公文文件所属领域信息；

目标部门信息确定模块，被配置为根据所述关键信息，确定用于接收所述公文文件的目标部门信息；

公文文件分发模块，被配置为将所述公文文件按照对应的目标部门信息进行分发。

9.根据权利要求8所述的装置，其特征在于，所述关键信息确定模块，包括：

公文内容识别单元，被配置为调用光学字符识别OCR组件，对公文文件进行识别，得到公文内容；

关键信息确定单元，被配置为根据预设公文领域关键词表，从所述公文内容中提取该公文所属领域的领域关键词，作为关键信息。