机器人过程自动化中常规日志的准确且抗噪提取（扩展版）

机器人过程矢业关注通过用户界面识别人力资源所执行的常规类型，从而发现常规类型的模型以实现机器人过程自动化。常规类型模型的发现需要提供常规日志。不幸的是，绝大多数现有工作并不直接致力于实现模型发现，仅限于提取组成常规动作的动作集合。它们也没有在常规执行不一致（即噪声）的场景中进行评估，后者反映了人力绩效的自然变异和偶发错误。本文提出了一种基于聚类的技术，旨在提取常规日志。实验在九个来自文献的 UI 日志上进行，包含不同水平的注入噪声。我们的技术与现有技术进行了比较，后者大多数不旨在发现常规日志，而是被改编用于此目的。结果通过标准的准入最先进指标进行评估，表明我们能够比现有技术能够从尤其是在噪声存在的情况下提取更准确的常规日志。