【技术实现步骤摘要】
本申请涉及计算机，特别是一种生成自动化流程的方法、装置及介质。
技术介绍
1、机器人流程自动化(robotic process automation，rpa)是一种自动化技术，使用软件机器人或"机器人工作者"来执行重复性、低价值和规律性的任务，以代替人工操作。这些机器人可以在不进行任何代码编写的情况下配置和训练，通过模拟人类用户的操作来自动化业务流程，例如数据录入、信息整理和电子邮件回复等。但是，现有技术中制作一个rpa的耗时较长，自动化流程的生成效率低。因此，如何提高自动化流程的生成效率，成为当前所需解决的技术问题。
技术实现思路
1、鉴于上述问题，本专利技术的目的在于提供一种生成自动化流程的方法、装置及介质，以提高自动化流程的生成效率，具体方案如下：
2、第一方面，本申请实施例公开了一种生成自动化流程的方法，所述方法包括：
3、获取动作预测模型；
4、监测当前操作页面，确定当前执行动作信息；
5、根据所述当前执行动作信息，确定所述当前操作页面的潜在操作元素信息；
6、根据所述动作预测模型和所述当前操作页面的潜在操作元素信息，生成当前预测执行动作信息；
7、根据所述当前预测执行动作信息，从预设组件库中确定用于执行所述当前预测执行动作信息的组件，并将所述组件存储至组件集中；
8、根据所述当前预测执行动作信息，对所述当前操作页面进行更新，得到更新页面；
9、检测所述动作预测模型是否能够根据
10、若是，则根据所述更新页面的潜在操作元素对所述当前操作页面的潜在操作元素信息进行更新；
11、若否，则根据所述组件集中的各个组件和各个所述当前预测执行动作信息，生成自动化流程。
12、可选的，所述根据所述当前执行动作信息，确定所述当前操作页面的潜在操作元素信息，包括：
13、获取所述当前操作页面的页面底层代码和预设事件；
14、将所述当前执行动作信息与所述预设事件进行比对，确定所述当前操作页面的潜在操作元素；
15、根据所述页面底层代码，确定所述当前操作页面中的潜在操作元素的边界信息、潜在操作元素的位置信息和潜在操作元素的所属类别信息；
16、将所述当前操作页面中的潜在操作元素的边界信息、潜在操作元素的位置信息和潜在操作元素的所属类别信息，作为所述潜在操作元素信息。
17、可选的，所述根据所述动作预测模型和所述潜在操作元素信息，生成当前预测执行动作信息，包括：
18、对所述潜在操作元素信息进行预处理，得到处理元素信息；
19、将所述处理元素信息输入至所述动作预测模型，生成所述当前预测执行动作信息；所述当前预测执行动作信息包括预测执行动作，以及所述预测执行动作的位置信息。
20、可选的，所述获取动作预测模型，包括：
21、获取训练数据集；
22、根据所述训练数据集对预设神经网络进行训练，得到训练结果；
23、根据长短期记忆递归神经网络，对所述训练结果进行修正，生成所述动作预测模型。
24、可选的，所述训练数据集包括多个动作数据和多个状态数据；所述根据所述训练数据集对预设神经网络进行训练，得到训练结果，包括：
25、根据所述多个动作数据和所述多个状态数据，生成多个页面状态数据；所述页面状态数据包括同一时刻下的动作数据和状态数据；
26、从所述多个页面状态数据中选择具有页面转换关系的n个页面状态数据作为训练数据；n大于或等于2；
27、根据所述训练数据对所述预设神经网络进行训练，得到训练结果。
28、第二方面，本申请实施例公开了一种生成自动化流程的装置，所述装置包括：
29、获取模块，用于获取动作预测模型；
30、监测模块，用于监测当前操作页面，确定当前执行动作信息；
31、确定模块，用于根据所述当前执行动作信息，确定所述当前操作页面的潜在操作元素信息；
32、生成模块，用于根据所述动作预测模型和所述当前操作页面的潜在操作元素信息，生成当前预测执行动作信息；
33、所述确定模块，还用于根据所述当前预测执行动作信息，从预设组件库中确定用于执行所述当前预测执行动作信息的组件，并将所述组件存储至组件集中；
34、更新模块，用于根据所述当前预测执行动作信息，对所述当前操作页面进行更新，得到更新页面；
35、检测模块，用于检测所述动作预测模型是否能够根据所述更新页面，确定所述更新页面的潜在操作元素；若是，则根据所述更新页面的潜在操作元素对所述当前操作页面的潜在操作元素信息进行更新；若否，则根据所述组件集中的各个组件和各个所述当前预测执行动作信息，生成自动化流程。
36、可选的，所述生成模块，包括：
37、预处理单元，用于对所述潜在操作元素信息进行预处理，得到处理元素信息；
38、生成单元，用于将所述处理元素信息输入至所述动作预测模型，生成所述当前预测执行动作信息；所述当前预测执行动作信息包括预测执行动作，以及所述预测执行动作的位置信息。
39、可选的，所述获取模块，包括：
40、数据集获取单元，用于获取训练数据集；
41、训练单元，用于根据所述训练数据集对预设神经网络进行训练，得到训练结果；
42、修正单元，用于根据长短期记忆递归神经网络，对所述训练结果进行修正，生成所述动作预测模型。
43、可选的，所述训练数据集包括多个动作数据和多个状态数据；所述训练单元，包括：
44、生成子单元，用于根据所述多个动作数据和所述多个状态数据，生成多个页面状态数据；所述页面状态数据包括同一时刻下的动作数据和状态数据；
45、选择子单元，用于从所述多个页面状态数据中选择具有页面转换关系的n个页面状态数据作为训练数据；n大于或等于2；
46、训练子单元，用于根据所述训练数据对所述预设神经网络进行训练，得到训练结果。
47、第三方面，本申请实施例公开了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任意一种生成自动化流程的方法。
48、相对于现有技术，本申请实施例具有以下有益效果：
49、通过监测当前操作页面，确定当前执行动作信息。根据当前执行动作信息，确定当前操作页面的潜在操作元素信息，根据动作预测模型和当前操作页面的潜在操作元素信息，生成当前预测执行动作信息。根据当前预测执行动作信息，从预设组件库中确定用于执行当前预测执行动作信息的组件，并将组件存储至组件集中。根据当前预测执行动作信息，对当前操作页面进行更新，得到更新页面。检测动作预测模型是否能够根据更新页面，确定更新页面的潜在操作元素，若是，则根据更新页面本文档来自技高网...
【技术保护点】
1.一种生成自动化流程的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述当前执行动作信息，确定所述当前操作页面的潜在操作元素信息，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述动作预测模型和所述潜在操作元素信息，生成当前预测执行动作信息，包括：
4.根据权利要求1所述的方法，其特征在于，所述获取动作预测模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述训练数据集包括多个动作数据和多个状态数据；所述根据所述训练数据集对预设神经网络进行训练，得到训练结果，包括：
6.一种生成自动化流程的装置，其特征在于，所述装置包括：
7.根据权利要求6所述的装置，其特征在于，所述生成模块，包括：
8.根据权利要求6所述的装置，其特征在于，所述获取模块，包括：
9.根据权利要求8所述的装置，其特征在于，所述训练数据集包括多个动作数据和多个状态数据；所述训练单元，包括：
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程
...【技术特征摘要】
1.一种生成自动化流程的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述当前执行动作信息，确定所述当前操作页面的潜在操作元素信息，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述动作预测模型和所述潜在操作元素信息，生成当前预测执行动作信息，包括：
4.根据权利要求1所述的方法，其特征在于，所述获取动作预测模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述训练数据集包括多个动作数据和多个状态数据；所述根据所述训练数据集对预设神经网...
【专利技术属性】
技术研发人员：刘旻轩，何川，李春林，
申请(专利权)人：亚信科技中国有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。