开箱即用包

UiPath 在 AI Center 上提供了许多开箱即用的机器学习功能。一个显着的例子是Document Understanding 。此外，由 UiPath 构建或开放源代码的模型（仅提供服务且可重新训练）会持续添加到 AI Center。

注意：在 AI Center 中创建 ML 包时，不能使用任何 Python 保留关键字命名，例如class 、 break 、 from 、 finally 、 global 、 None等。请务必选择其他名称。列出的示例不完整，因为class <pkg-name>和import <pck-name>使用了包名称。

使用开箱即用的包

您可以根据“ 开箱即用包” 部分中提供的包创建自己的包。通过从此列表中选择包，系统会在技术上克隆所提供的包，并准备好使用您提供的数据集进行训练。

为此，请按照以下步骤操作：

创建数据集。有关如何构建数据集的更多信息，请参阅“管理数据集”。
转到“ ML 包”>“开箱即用包” ，然后选择所需的包。
填写所需信息：
- 包名称
- 选择包版本
- 描述
- 输入说明
- 输出说明
单击“提交”。

有关每个包所需信息的更多信息，请查看本指南中的各个页面。

开源 (OS) 包是由 UiPath 工程师通过开源数据科学社区提供的即用型包。为了在 Studio 的工作流中使用，您首先必须在 AI Center 中将这些包部署为技能，如下所示：

情感分析

此模型可预测英语文本的情感。此模型由 Facebook 研究院开放源代码。可能的预测包括“非常消极”、“消极”、“中性”、“积极”和“非常积极”。我们已使用 Amazon 产品评论数据对此模型进行训练，因此，对于不同的数据分布，模型预测可能会产生一些意外结果。一个常见的用例是根据文本的情感路由非结构化语言内容（例如电子邮件）。

它基于 Joulin 等人的研究论文《Bag of Tricks for Efficient Text Classification》。

问答

此模型会根据某些段落上下文预测英语文本问题的答案。它由 ONNX 开放源代码。一个常见的用例是在 KYC 中或处理财务报表时，其中常见问题可以应用于一组标准的半结构化文档。它基于先进的 BERT（基于变换器的双向编码器表示）。此模型将流行的注意力模型“变换器”应用到语言建模中，以生成输入的编码，然后针对问题回答任务进行训练。

它基于研究论文《BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding》（BERT：预训练用于语言理解的深度双向变换器）。

语言识别

此模型可预测文本输入的语言。可能的预测为以下 176 种语言之一：

语言
af als am an arz asast av az azb ba bar bcl be bg bh bn bo bpy br bs bxr ca cbk ce ceb ckb co cs cv cy da de diq dsb dty dv el eml en eo es et eu fa fi fr frr fy ga gd gl gn gom gu gv he hi hif hr hsb ht hu hy ia id ie ilo io io is it ja jbo jv ka kk km kn ko krc ku kv kw ky la lb lez li lmo lo lrc lt lv mai mg mhr min mk ml mn mr mrj ms mt mwl my myv mzn nah nap nds ne new nl nn no oc 或 os pa pam pfl pl pms pnb ps pt qu rm ro ru rue sa sah sc scn sco sd sh si sk sl so sq sr su sv sw ta te tg th tk tl tr tt tyv ug uk ur uz vec vep vi vls vo wa war wuu xal xmf yi yo yue zh

语言

af als am an arz asast av az azb ba bar bcl be bg bh bn bo bpy br bs bxr ca cbk ce ceb ckb co cs cv cy da de diq dsb dty dv el eml en eo es et eu fa fi fr frr fy ga gd gl gn gom gu gv he hi hif hr hsb ht hu hy ia id ie ilo io io is it ja jbo jv ka kk km kn ko krc ku kv kw ky la lb lez li lmo lo lrc lt lv mai mg mhr min mk ml mn mr mrj ms mt mwl my myv mzn nah nap nds ne new nl nn no oc 或 os pa pam pfl pl pms pnb ps pt qu rm ro ru rue sa sah sc scn sco sd sh si sk sl so sq sr su sv sw ta te tg th tk tl tr tt tyv ug uk ur uz vec vep vi vls vo wa war wuu xal xmf yi yo yue zh

此模型由 Facebook 研究院开放源代码。此模型根据知识共享署名份额许可证 3.0，使用来自维基百科、Tatoeba 和 SETimes 的数据进行训练。一个常见的用例是根据文本的语言将非结构化语言内容（例如电子邮件）路由到相应的响应者。

它基于 Joulin 等人的研究论文《Bag of Tricks for Efficient Text Classification》。