开箱即用包

UiPath 在 AI Fabric 上提供了许多开箱即用的机器学习功能。一个显著的例子是 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 Fabric。

注意：在 AI Fabric 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 和 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。

Open Source (OS) packages are ready-to-use packages provided by UiPath engineers through the Open Source Data Science Community. In order to be used within your workflows in Studio, you first have to deploy them as skills in AI Fabric, as presented below:

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》。