論文の概要: E-Mail Assistant -- Automation of E-Mail Handling and Management using Robotic Process Automation

• arxiv url: http://arxiv.org/abs/2205.05882v1
• Date: Thu, 12 May 2022 05:21:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-13 13:05:28.568470
• Title: E-Mail Assistant -- Automation of E-Mail Handling and Management using Robotic Process Automation
• Title（参考訳）: 電子メールアシスタント-ロボットプロセス自動化を用いた電子メール処理と管理の自動化
• Authors: Arpit Khare, Sudhakar Singh, Richa Mishra, Shiv Prakash, Pratibha Dixit
• Abstract要約: このボットには、ストレスのない仕事でメールを処理できる多くの機能が備わっている。 セキュアなチャンネルを通じてメールボックスに自動的にログインし、便利なメールと役に立たないメールを区別し、添付ファイルをダウンロードし、異なるディレクトリを作成し、ダウンロードしたファイルを関連するディレクトリに格納する。 このボットは、システムの性能を改善するためにUiPathツールを使って設計およびテストされている。
• 参考スコア（独自算出の注目度）: 2.4936576553283283
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, a workflow for designing a bot using Robotic Process Automation (RPA), associated with Artificial Intelligence (AI) that is used for information extraction, classification, etc., is proposed. The bot is equipped with many features that make email handling a stress-free job. It automatically login into the mailbox through secured channels, distinguishes between the useful and not useful emails, classifies the emails into different labels, downloads the attached files, creates different directories, and stores the downloaded files into relevant directories. It moves the not useful emails into the trash. Further, the bot can also be trained to rename the attached files with the names of the sender/applicant in case of a job application for the sake of convenience. The bot is designed and tested using the UiPath tool to improve the performance of the system. The paper also discusses the further possible functionalities that can be added on to the bot.
• Abstract（参考訳）: 本稿では、情報抽出、分類等に使用される人工知能(AI)に関連するロボットプロセス自動化(RPA)を用いてロボットを設計するためのワークフローを提案する。 このボットには、メールをストレスのない仕事にする多くの機能がある。 セキュアなチャンネルを通じてメールボックスに自動的にログインし、有用で役に立たないメールを区別し、メールを異なるラベルに分類し、添付ファイルをダウンロードし、異なるディレクトリを作成し、ダウンロードしたファイルを関連するディレクトリに格納する。 役に立たないメールをゴミ箱に移す。 また、使い勝手のよいジョブ申請の場合は、送信者/申請者の名前で添付ファイルを改名するように訓練することもできる。 このボットは、システムの性能を改善するためにUiPathツールを使って設計およびテストされている。 この論文は、ボットに追加可能なさらなる機能についても論じている。

関連論文リスト

• POST: Email Archival, Processing and Flagging Stack for Incident Responders [0.9790236766474201]
  フィッシングは主要な妥協点の1つであり、メールのセキュリティと認識は2022年の50-100億ドルと見積もられている。 Postは、大小を問わず、API駆動のサーバレスEメールアーカイブ、処理、フラグ付けワークフローである。 メールのあらゆる側面の完全なメール検索を可能にし、最大68.6%のコスト削減を提供する。
  論文  参考訳（メタデータ） (2024-07-01T16:23:45Z)
• Analysis and prevention of AI-based phishing email attacks [0.0]
  生成AIを使用して、潜在的な犠牲者それぞれに異なるメールを送ることができる。 我々は、AIが生成するフィッシングメールを識別する自動テキスト分析機能をテストするために、さまざまな機械学習ツールを使用します。 また、AIが生成したフィッシングメールのコーパスを公開している。
  論文  参考訳（メタデータ） (2024-05-08T21:40:49Z)
• ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
  LLM(Large Language Models)は、人間のような知性を持つ言語である。 本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。 そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
  論文  参考訳（メタデータ） (2023-11-02T14:32:16Z)
• Large Language Models for Automated Data Science: Introducing CAAFE for Context-Aware Automated Feature Engineering [52.09178018466104]
  データセットのセマンティックな特徴を生成するために、コンテキスト認識自動特徴工学(CAAFE)を導入する。 方法論的には単純だが、CAAFEは14のデータセットのうち11のパフォーマンスを改善している。 我々は,AutoMLシステムの範囲をセマンティックなAutoMLに拡張できるコンテキスト認識ソリューションの重要性を強調した。
  論文  参考訳（メタデータ） (2023-05-05T09:58:40Z)
• Scaling Systematic Literature Reviews with Machine Learning Pipelines [57.82662094602138]
  体系的なレビューは、科学的文書からデータを抽出する。 これらの側面をそれぞれ自動化するパイプラインを構築し、多くの人間時間対システム品質トレードオフを実験します。 人間の専門的アノテーションの2週間だけで、パイプラインシステム全体の驚くほどの精度と一般性が得られることが分かりました。
  論文  参考訳（メタデータ） (2020-10-09T16:19:42Z)
• Induction and Exploitation of Subgoal Automata for Reinforcement Learning [75.55324974788475]
  本稿では,Regressed Learning (RL)タスクにおけるサブゴールの学習と活用のためのISAを提案する。 ISAは、タスクのサブゴールによってエッジがラベル付けされたオートマトンであるサブゴールオートマトンを誘導することで強化学習をインターリーブする。 サブゴールオートマトンはまた、タスクの完了を示す状態と、タスクが成功せずに完了したことを示す状態の2つの特別な状態で構成されている。
  論文  参考訳（メタデータ） (2020-09-08T16:42:55Z)
• Learning with Weak Supervision for Email Intent Detection [56.71599262462638]
  本稿では,メールの意図を検出するために,ユーザアクションを弱い監視源として活用することを提案する。 メール意図識別のためのエンドツーエンドの堅牢なディープニューラルネットワークモデルを開発した。
  論文  参考訳（メタデータ） (2020-05-26T23:41:05Z)
• Smart To-Do : Automatic Generation of To-Do Items from Emails [41.77035468305908]
  我々は、送信者がアクションを実行することを約束したメールからTo-Doアイテムを自動的に生成する新しいタスクとデータセットを導入する。 ニューラルテキスト生成とシーケンス・ツー・シーケンス学習の最近の進歩を活用した2段階のプロセスの設計を行う。 われわれの知る限りでは、メールからTo-Doアイテムを作るという問題に対処する最初の取り組みだ。
  論文  参考訳（メタデータ） (2020-05-05T02:21:40Z)
• Detecting and Characterizing Bots that Commit Code [16.10540443996897]
  著者名,コミットメッセージ,コミットによって修正されたファイル,オムミットに関連するプロジェクトを用いて,ボットを検出するための体系的なアプローチを提案する。 私たちは、発見した461のボット(全員が1000以上のコミットを持っている)と13,762,430のコミットに関する詳細な情報を含む、共有可能なデータセットをコンパイルしました。
  論文  参考訳（メタデータ） (2020-03-02T21:54:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。