ERPA：面向智能文档处理的高效RPA模型集成OCR与大语言模型
计算机视觉与模式识别
2024-12-31 v1 人机交互
信息检索
摘要
本文提出ERPA，一款创新的机器人流程自动化（Robotic Process Automation, RPA）模型，旨在增强移民流程中身份证数据的提取能力，并优化光学字符识别（Optical Character Recognition, OCR）任务。传统RPA解决方案在处理大量文档时常面临性能瓶颈，导致效率低下。ERPA通过集成大语言模型（Large Language Model, LLM）来提高提取文本的准确性和清晰度，有效处理模糊字符和复杂结构。与领先平台如UiPath和Automation Anywhere进行基准测试比较，ERPA将处理时间缩短最高可达94%，身份证数据提取仅需9.94秒。上述结果凸显了ERPA在文档自动化领域的潜力，为当前RPA解决方案提供了更快捷且更可靠的替代方案。
引用
@article{arxiv.2412.19840,
title = {ERPA: Efficient RPA Model Integrating OCR and LLMs for Intelligent Document Processing},
author = {Osama Abdellaif and Abdelrahman Nader and Ali Hamdi},
journal= {arXiv preprint arXiv:2412.19840},
year = {2024}
}
备注
6 pages , 2 figures, 1 algorithm