概述
在 Communications Mining 中配置生成式提取 (GenEx)，该提取使用生成式 AI 预测单个消息中多个请求中的数据点。
生成式提取 (GenEx)是 UiPath™ Communications Mining™ 的一项创新性新功能，它利用生成式 AI 来理解多个请求与处理这些请求所需的数据点之间的复杂关系。
An email can contain multiple requests, with each one requiring multiple fields extracted to enable automation. Automating this end-to-end requires more than just correctly extracting the field itself, but also an understanding of how each of these elements is related to one another. GenEx significantly advances the scope of what’s possible for communications-based automation.
生成式提取利用最新的 NLP 功能，还提供企业所需的必要防护措施，以便为业务流程实施基于通信的复杂自动化。。
包含多个不同请求的更复杂流程和通信现在也可以成为自动化的主要候选者。
对于某些用例，提取内容可以在没有训练的情况下生成，并且可以使用少量训练数据进行进一步微调。
生成式提取的核心功能
-
识别关系- 生成式提取有助于识别通信中不同概念和数据点之间的关系。例如，识别保单地址更改请求、需要更新的保单的保单编号、旧地址以及要更新到的新地址。
-
使用生成式模型- 使用最先进的生成式大型语言模型 (LLM) 来预测特定意图并映射与这些意图相关的每个数据点，并在结构化架构中提取意图以实现自动化 — 所有这些操作只需最少的训练。
-
自动化多个请求- 这可以在单次通信中自动化多个请求 - 无论是对不同数据点重复的同一请求，还是许多不同的请求类型（每个请求都具有自动化处理所需的数据点架构）。
使用生成式提取的端到端流程
The following steps describe the end-to-end process of validating extractions. Each step is covered in more detail in the subsequent sections.
- 定义提取架构：
- 确定哪些流程要自动化，哪些标签要自动化，以及哪些数据点要捕获以启用自动化，这些数据点是字段。
- 创建相应的提取架构。
- 生成提取:
- 生成提取可用于显着加快查找和关联数据的流程。对于某些用例，平台不需要训练示例即可生成提取内容。
- 使用平台的生成式功能来创建初始提取。
- 验证并更正提取内容：
- 查看平台的提取内容，如果准确则接受，如果不准确则更正。
- 该平台灵活易用，您可以在训练流程中的任意位置添加新的提取模式。
- 检查提取的验证：
- 在“验证”选项卡中验证提取的性能。
- 确定提取所处于的性能级别是否适合您的用例。
生成式提取的工作原理
下图从总体上说明了生成式提取的工作方式。 您可以检查标签、提取内容以及端到端自动化流程所需的相应字段之间的关系。
GenEx支持需要了解概念和数据点之间关系的复杂流程的自动化。训练适当的标签后，会生成提取。如果您需要有关 GenEx 工作方式的其他详细信息，请查看附录 A。
生成式提取工作流
设置提取架构时，您需要决定要自动化的流程（即标签）。
为了使平台了解流程与需要提取的数据点之间的关系，平台会提示您提供适当的数据点。“配置字段”部分更详细地介绍了最佳实践及其具体工作方式。
在下图的示例中，请求者在同一消息中询问两个不同的主题，每个请求都调用不同的数据点进行提取和操作。