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

• Implementation of an Automated Learning System for Non-experts [26.776682627968476]
  本稿では,YMIRと呼ばれる自動機械学習システムの実装について詳述する。 トレーニング/検証データをシステムにインポートした後、AI知識のないユーザは、データをラベル付けし、モデルをトレーニングし、単にボタンをクリックするだけでデータマイニングと評価を行うことができる。 システムのコードはGitHubにすでにリリースされている。
  論文  参考訳（メタデータ） (2022-03-26T00:28:29Z)
• What is wrong with you?: Leveraging User Sentiment for Automatic Dialog Evaluation [73.03318027164605]
  本稿では,次のユーザの発話から自動的に抽出できる情報をプロキシとして利用して,前のシステム応答の質を測定することを提案する。 本モデルは,実際のユーザおよび有償ユーザから収集した音声と書面の両方のオープンドメインダイアログコーパスを一般化する。
  論文  参考訳（メタデータ） (2022-03-25T22:09:52Z)
• Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
  モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。 特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
  論文  参考訳（メタデータ） (2022-03-06T10:12:56Z)
• An Automated Robotic Arm: A Machine Learning Approach [0.0]
  現代の産業は、手動によるシステムの制御から自動化へと急速にシフトしている。 コンピュータベースのシステムは、品質と生産性を向上させることができるが、作業には柔軟性がない。 工業的重要性の1つは、ある場所から別の場所へ物を選んで配置することである。
  論文  参考訳（メタデータ） (2022-01-07T10:33:01Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• Learning Language-Conditioned Robot Behavior from Offline Data and Crowd-Sourced Annotation [80.29069988090912]
  本研究では,ロボットインタラクションの大規模なオフラインデータセットから視覚に基づく操作タスクを学習する問題について検討する。 クラウドソースの自然言語ラベルを用いたオフラインロボットデータセットの活用を提案する。 提案手法は目標画像仕様と言語条件付き模倣技術の両方を25%以上上回っていることがわかった。
  論文  参考訳（メタデータ） (2021-09-02T17:42:13Z)
• EmailSum: Abstractive Email Thread Summarization [105.46012304024312]
  我々は,メールスレッド要約(EmailSum)データセットを抽象化的に開発する。 このデータセットには、人間による注釈付きショート(30ワード)と、2549のメールスレッドからなるロング(100ワード)のサマリーが含まれている。 本研究は,現在の抽象的要約モデルの課題を明らかにするものである。
  論文  参考訳（メタデータ） (2021-07-30T15:13:14Z)
• On (co-lex) Ordering Automata [2.800608984818919]
  言語Lを受け入れる正準、最小幅、部分的に順序付けられたオートマトンを提示できることを示す。 Hを用いて、言語を認識する最小限のオートマトンから、言語幅を効果的に計算できることを証明する。
  論文  参考訳（メタデータ） (2021-06-04T07:41:58Z)
• AURSAD: Universal Robot Screwdriving Anomaly Detection Dataset [80.6725125503521]
  本報告では,UR3eシリーズロボットとOnRobot Screwdriverを用いて作成したデータセットについて述べる。 その結果得られたデータは、正常および異常なロボット動作の2042のサンプルを含んでいる。 このデータを使用した短いMLベンチマークも提供されており、さらなる分析と実験のためのデータの適合性と可能性を示している。
  論文  参考訳（メタデータ） (2021-02-02T09:59:23Z)
• AutoDS: Towards Human-Centered Automation of Data Science [20.859067294445985]
  本稿では,データサイエンスプロジェクトを支援する自動機械学習(AutoML)システムであるAutoDSを紹介する。 予想通り、autodsは生産性を向上させる。しかし驚くべきことに、autods groupが生成するモデルは品質が高く、エラーが少ないが、人間の信頼度スコアは低い。
  論文  参考訳（メタデータ） (2021-01-13T08:35:14Z)
• Phishing Detection through Email Embeddings [2.099922236065961]
  機械学習技術によるフィッシングメール検出の問題点は文献で広く議論されている。 本稿では,電子メールの埋め込みによってこれらの手がかりが捉えられるか無視されるかを調べるために,同様の指標を用いたフィッシングと正当性メールのセットを構築した。 以上の結果から,eメール埋め込み手法は,メールをフィッシングあるいは正当に分類するのに有効であることが示された。
  論文  参考訳（メタデータ） (2020-12-28T21:16:41Z)

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。