知財求人 - 知財ポータルサイト「IP Force」
特表2024-508825クライアント・サポート・プロフェッショナルにリアルタイム案件アシスタンスを提供するためにロボティック・プロセス自動化を使用する方法及びシステム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-02-28
(54)【発明の名称】クライアント・サポート・プロフェッショナルにリアルタイム案件アシスタンスを提供するためにロボティック・プロセス自動化を使用する方法及びシステム
(51)【国際特許分類】
G06F 8/30 20180101AFI20240220BHJP
G06F 18/211 20230101ALI20240220BHJP
G06N 3/042 20230101ALI20240220BHJP
G06F 18/241 20230101ALI20240220BHJP
【ＦＩ】
G06F8/30
G06F18/211
G06N3/042
G06F18/241
【審査請求】有
【予備審査請求】未請求
(21)【出願番号】P 2023552001
(86)(22)【出願日】2022-02-25
(85)【翻訳文提出日】2023-10-19
(86)【国際出願番号】 US2022017836
(87)【国際公開番号】W WO2022182950
(87)【国際公開日】2022-09-01
(31)【優先権主張番号】63/154,390
(32)【優先日】2021-02-26
(33)【優先権主張国・地域又は機関】US
(31)【優先権主張番号】17/680,584
(32)【優先日】2022-02-25
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
(71)【出願人】
【識別番号】521214713
【氏名又は名称】リミニ ストリート、インコーポレイテッド
(74)【代理人】
【識別番号】110000855
【氏名又は名称】弁理士法人浅村特許事務所
(72)【発明者】
【氏名】サーニ、プラベーン
(72)【発明者】
【氏名】クマール、ニティン
(72)【発明者】
【氏名】クロッツ、エリッサ ジー．
【テーマコード（参考）】
5B376
【Ｆターム（参考）】
5B376BC23
5B376BC38
5B376BC79
(57)【要約】
大量の、現在オープン案件に類似する履歴的クライアント案件に関連するデータ、類似のクライアント案件と関連付けられた熟練エキスパートに関連するデータ、及びビジネス例外に関連するデータを分析するために、ロボティック・プロセス自動化（ＲＰＡ）技術を利用する、案件アシスタントはクライアント・サポート・プロフェッショナルに提供される。その数個が、様々な機械学習技術を利用する、ベクトル・データ・コレクタ、トークナイザ、ストップ・ワード・リムーバ、関連性ファインダ、及び類似性ファインダを利用するドキュメント類似性ファインダを含む、数個のプロセスが、クライアント・サポート・プロフェッショナルにこのデータを提供するために利用される。追加のプロセスは、熟練エキスパート・ファインダ及びビジネス例外ファインダを含む。
【特許請求の範囲】
【請求項1】
コンピューティング・システムによって実施される方法であって、サービス・プロバイダの１つ以上のクライアントと関連付けられた案件データを含むクライアント・サービス・システムにユーザ・インタフェースを提供することと、
現在オープン案件を表す現在オープン案件データを取得することと、
前記サービス・プロバイダと関連付けられた履歴的クローズ済み案件を表す履歴的クローズ済み案件データを取得することと、
１つ以上の機械学習プロセスを使用して、前記現在オープン案件データ及び前記履歴的クローズ済み案件データを処理するように、１つ以上のＲＰＡワーカを訓練することと、
前記現在オープン案件データ及び前記履歴的クローズ済み案件データを処理するように、前記１つ以上の訓練済みＲＰＡワーカを構成することと、
前記現在オープン案件に類似する履歴的クローズ済み案件を識別し、ランク付け済み類似案件データを生成すること、
前記現在オープン案件に類似する前記履歴的クローズ済み案件に熟練したエキスパートを識別し、ランク付け済み熟練エキスパート・データを生成すること、
前記現在オープン案件と関連付けられたビジネス実施例外を識別し、ビジネス例外データを生成すること、及び
前記クライアント・サービス・システムの前記ユーザ・インタフェースを通じて、類似案件、熟練エキスパート、及びビジネス例外のうちの１つ以上に関連するデータを提供すること、
のうちの１つ以上を実行するために、前記構成された訓練済みＲＰＡワーカを利用することと、
を含む、コンピューティング・システムによって実施される方法。
【請求項2】
前記構成された訓練済みＲＰＡワーカの機能は、ほぼリアルタイムで実行される、請求項１に記載のコンピューティング・システムによって実施される方法。
【請求項3】
前記サービス・プロバイダと関連付けられた履歴的クローズ済み案件を表す前記履歴的クローズ済み案件データは、百以上の履歴的クローズ済み案件と関連付けられたデータを含む、請求項１に記載のコンピューティング・システムによって実施される方法。
【請求項4】
前記現在オープン案件に類似する履歴的クローズ済み案件を識別し、ランク付け済み類似案件データを生成することは、集約されたオープン案件ベクトル・データを生成するように、前記取得された現在オープン案件データを集約及び処理することと、
集約されたクローズ済み案件ベクトル・データを生成するように、前記取得された履歴的クローズ済み案件データを集約及び処理することと、
トークン化されたオープン案件ベクトル・データを生成するように、前記集約されたオープン案件ベクトル・データをトークンへとパースすることと、
トークン化されたクローズ済み案件ベクトル・データを生成するように、前記集約されたクローズ済み案件ベクトル・データをトークンへとパースすることと、
前記現在オープン案件データによって表される前記現在オープン案件の前記コンテキストを判定する際に有益でない前記トークン化されたオープン案件ベクトル・データのトークンを識別し、フィルタされたオープン案件ベクトル・データを生成することと、
前記履歴的クローズ済み案件データによって表される前記履歴的クローズ済み案件の前記コンテキストを判定する際に有益でない前記トークン化されたクローズ済み案件ベクトル・データのトークンを識別し、フィルタされたクローズ済み案件ベクトル・データを生成することと、
重み付けられたオープン案件ベクトル・データを生成するように、関連性重みを、前記フィルタされたオープン案件ベクトル・データの各々のトークンに割り振ることと、
重み付けられたクローズ済み案件ベクトル・データを生成するように、関連性重みを、前記フィルタされたクローズ済み案件ベクトル・データの各々のトークンに割り振ることと、
前記現在オープン案件に類似する履歴的クローズ済み案件のリストを生成するように、１つ以上の類似性プロセスに、前記重み付けられたオープン案件ベクトル・データ及び前記重み付けられたクローズ済み案件ベクトル・データを提供することと、
類似の履歴的クローズ済み案件の前記リスト内の各々の履歴的クローズ済み案件に類似性ランク付けを割り振り、ランク付け済み類似案件データを生成することと、
を更に含む、請求項１に記載のコンピューティング・システムによって実施される方法。
【請求項5】
１つ以上の機械学習モデルは、前記現在オープン案件データによって表される前記現在オープン案件の前記コンテキストを判定する際に有益でない前記トークン化されたオープン案件ベクトル・データのトークンを識別することと、
前記履歴的クローズ済み案件データによって表される前記履歴的クローズ済み案件の前記コンテキストを判定する際に有益でない前記トークン化されたクローズ済み案件ベクトル・データのトークンを識別することと、
前記フィルタされたオープン案件ベクトル・データの各々のトークンに関連性重みを割り振ることと、
前記フィルタされたクローズ済み案件ベクトル・データの各々のトークンに関連性重みを割り振ることと、
類似の履歴的クローズ済み案件の前記リスト内の各々の履歴的クローズ済み案件に類似性ランク付けを割り振ることと、
のうちの１つ以上を実行するように訓練される、請求項４に記載のコンピューティング・システムによって実施される方法。
【請求項6】
前記現在オープン案件データによって表される前記現在オープン案件の前記コンテキストを判定する際に有益でない前記トークン化されたオープン案件ベクトル・データのトークンを識別することと、前記履歴的クローズ済み案件データによって表される前記履歴的クローズ済み案件の前記コンテキストを判定する際に有益でない前記トークン化されたクローズ済み案件ベクトル・データのトークンを識別することとは、１つ以上のカスタマイズされたストップ・ワード除去プロセスを構築するために、機械学習技術を利用することを含む、請求項５に記載のコンピューティング・システムによって実施される方法。
【請求項7】
１つ以上のカスタマイズされたストップ・ワード除去プロセスを構築するために、機械学習技術を利用することは、前記生成されフィルタされたオープン案件ベクトル・データから除去されるべき前記トークン化されたオープン案件ベクトル・データ内のトークを識別するように、１つ以上の機械学習モデルを訓練することと、
前記トークン化されたオープン案件ベクトル・データから除去されるべきでなかったトークンを識別するように、１つ以上の機械学習モデルを訓練し、前記生成されフィルタされたオープン案件ベクトル・データにそれらのトークンを追加することと、
前記生成されフィルタされたクローズ済み案件ベクトル・データから除去されるべき前記トークン化されたクローズ済み案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練することと、
前記トークン化されたクローズ済み案件ベクトル・データから除去されるべきでなかったトークンを識別するように、１つ以上の機械学習モデルを訓練し、前記生成されフィルタされたクローズ済み案件ベクトル・データにそれらのトークンを追加することと、
のうちの１つ以上を含む、請求項６に記載のコンピューティング・システムによって実施される方法。
【請求項8】
前記フィルタされたオープン案件ベクトル・データの各々のトークンに関連性重みを割り振ることと、前記フィルタされたクローズ済み案件ベクトル・データの各々のトークンに関連性重みを割り振ることとは、１つ以上のカスタマイズされた関連性ファインダ・プロセスを構築するために、機械学習技術を利用することを含む、請求項５に記載のコンピューティング・システムによって実施される方法。
【請求項9】
１つ以上のカスタマイズされた関連性プロセスを構築するために、機械学習技術を利用することは、前記フィルタされたオープン案件ベクトル・データ内の他のトークンよりも高い又は低い関連性値が割り振られるべき、前記フィルタされたオープン案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練するために、ＴＦ－ＩＤＦ技術を利用することと、
前記フィルタされたクローズ済み案件ベクトル・データ内の他のトークンよりも高い又は低い関連性値が割り振られるべき、前記フィルタされたクローズ済み案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練するために、ＴＦ－ＩＤＦ技術を利用することと、
前記トークンの識別されたビジネス・コンテキストに基づいて、前記フィルタされたオープン案件ベクトル・データ内の他のトークンよりも高い又は低い関連性値が割り振られるべき、前記フィルタされたオープン案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練することと、
前記トークンの識別されたビジネス・コンテキストに基づいて、前記フィルタされたクローズ済み案件ベクトル・データ内の他のトークンよりも高い又は低い関連性値が割り振られるべき、前記フィルタされたクローズ済み案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練することと、
のうちの１つ以上を含む、請求項８に記載のコンピューティング・システムによって実施される方法。
【請求項10】
前記１つ以上の類似性プロセスは、コサイン類似性アルゴリズムと、
Ｊａｃｃａｒｄ類似性アルゴリズムと、
ＬＳＡ類似性アルゴリズムと、
を含む、請求項４に記載のコンピューティング・システムによって実施される方法。
【請求項11】
前記現在オープン案件に類似する履歴的クローズ済み案件の前記リストを生成するために使用される前記類似性プロセスは、データ処理の間に動的に選択される、請求項１０に記載のコンピューティング・システムによって実施される方法。
【請求項12】
前記類似性プロセスは、前記現在オープン案件の前記コンテキストと、
前記履歴的クローズ済み案件の前記コンテキストと、
比較される現在の及び履歴的案件ドキュメントの数と、
比較される前記現在の及び履歴的案件ドキュメントの各々におけるサイズと、
比較される前記現在の及び履歴的案件ドキュメントの各々におけるページの数と、
比較される前記現在の及び履歴的案件ドキュメントの各々における段落の数と、
比較される前記現在の及び履歴的案件ドキュメントの各々におけるワードの数と、
比較される前記現在の及び履歴的案件ドキュメントの各々のファイル・タイプと、
比較される前記現在の及び履歴的ドキュメントの各々に対して発見された関連するワードの数と、
のうちの１つ以上に基づいて動的に選択される、請求項１１に記載のコンピューティング・システムによって実施される方法。
【請求項13】
前記現在オープン案件に類似する前記履歴的クローズ済み案件に熟練したエキスパートを識別し、ランク付け済み熟練エキスパート・データを生成することは、初期従業員スキル・セット・データ、動的従業員スキル・セット・データ、及び従業員ＨＲデータを取得することと、
集約済み従業員スキル・セット・データを生成するように、前記初期従業員スキル・セット・データ、前記動的従業員スキル・セット・データ、及び前記従業員ＨＲデータを集約することと、
前記現在オープン案件と関連付けられた前記クライアントについてのクライアント・データを取得することと、
現在オープン案件スキル・セット・ベクトル・データを生成するように、前記現在オープン案件データ及び前記クライアント・データを処理することと、
１つ以上のスキル・セットが合致した従業員を表す初期スキル・セット合致従業員データを生成するように、前記集約済み従業員スキル・セット・データ及び前記現在オープン案件スキル・セット・ベクトル・データを処理することと、
各々のスキル・セットが合致した従業員に対し、スキル・セットが合致した従業員と関連付けられた正規化された従業員スキル・セット・データ及びスキル・セット特徴に基づいて、正規化済み従業員スキル・セット・ベクトル・データを生成することと、
ランク付け済みスキル合致従業員データを生成するように、機械学習プロセスに、各々のスキル・セットが合致した従業員についての前記正規化済み従業員スキル・セット・ベクトル・データ及び前記現在オープン案件スキル・セット・ベクトル・データを提供することと、
ランク付け済み熟練エキスパート・データを生成するように、前記ランク付け済みスキル合致従業員データを前記ランク付け済み類似案件データとマージすることと、
を更に含む、請求項１に記載のコンピューティング・システムによって実施される方法。
【請求項14】
コンピューティング・システムによって実施される方法であって、サービス・プロバイダの１つ以上のクライアントと関連付けられた案件データを含むクライアント・サービス・システムにユーザ・インタフェースを提供することと、
現在オープン案件を表す現在オープン案件データを取得することと、
前記サービス・プロバイダと関連付けられた履歴的クローズ済み案件を表す履歴的クローズ済み案件データを取得することと、
１つ以上の機械学習プロセスを使用して、前記現在オープン案件データ及び前記履歴的クローズ済み案件データを処理するように、１つ以上のＲＰＡワーカを訓練することと、
前記現在オープン案件データ及び前記履歴的クローズ済み案件データを処理するように、前記１つ以上の訓練済みＲＰＡワーカを構成することと、
集約されたオープン案件ベクトル・データを生成するように、前記取得された現在オープン案件データを集約し、処理し、及びフィルタすること、
集約されたクローズ済み案件ベクトル・データを生成するように、前記取得された履歴的クローズ済み案件データを集約し、処理し、及びフィルタすること、
トークン化されたオープン案件ベクトル・データを生成するように、前記集約されたオープン案件ベクトル・データをトークンへとパースすること、
トークン化されたクローズ済み案件ベクトル・データを生成するように、前記集約されたクローズ済み案件ベクトル・データをトークンへとパースすること、
前記現在オープン案件データによって表される前記現在オープン案件の前記コンテキストを判定する際に有益でない前記トークン化されたオープン案件ベクトル・データのトークンを識別し、フィルタされたオープン案件ベクトル・データを生成すること、
前記履歴的クローズ済み案件データによって表される前記履歴的クローズ済み案件の前記コンテキストを判定する際に有益でない前記トークン化されたクローズ済み案件ベクトル・データのトークンを識別し、フィルタされたクローズ済み案件ベクトル・データを生成すること、
重み付けられたオープン案件ベクトル・データを生成するように、前記フィルタされたオープン案件ベクトル・データの各々のトークンに関連性重みを割り振ること、
重み付けられたクローズ済み案件ベクトル・データを生成するように、前記フィルタされたクローズ済み案件ベクトル・データの各々のトークンに関連性重みを割り振ること、
前記現在オープン案件に類似する履歴的クローズ済み案件のリストを生成するように、１つ以上の類似性プロセスに、前記重み付けられたオープン案件ベクトル・データ及び前記重み付けられたクローズ済み案件ベクトル・データを提供すること、
類似する履歴的クローズ済み案件の前記リスト内の各々の履歴的クローズ済み案件に類似性ランク付けを割り振り、ランク付け済み類似案件データを生成すること、及び
前記クライアント・サービス・システムの前記ユーザ・インタフェースを通じて、前記ランク付け済み類似案件データの全て又は一部を提供することと、
のうちの１つ以上を実行するために、前記構成された訓練済みＲＰＡワーカを利用することと、
を含む、コンピューティング・システムによって実施される方法。
【請求項15】
前記構成された訓練済みＲＰＡワーカの機能は、ほぼリアルタイムで実行される、請求項１４に記載のコンピューティング・システムによって実施される方法。
【請求項16】
前記サービス・プロバイダと関連付けられた履歴的クローズ済み案件を表す前記履歴的クローズ済み案件データは、百以上の履歴的クローズ済み案件と関連付けられたデータを含む、請求項１４に記載のコンピューティング・システムによって実施される方法。
【請求項17】
１つ以上の機械学習モデルは、前記現在オープン案件データによって表される前記現在オープン案件の前記コンテキストを判定する際に有益でない前記トークン化されたオープン案件ベクトル・データのトークンを識別することと、
前記履歴的クローズ済み案件データによって表される前記履歴的クローズ済み案件の前記コンテキストを判定する際に有益でない前記トークン化されたクローズ済み案件ベクトル・データのトークンを識別することと、
前記フィルタされたオープン案件ベクトル・データの各々のトークンに関連性重みを割り振ることと、
前記フィルタされたクローズ済み案件ベクトル・データの各々のトークンに関連性重みを割り振ることと、
類似の履歴的クローズ済み案件の前記リスト内の各々の履歴的クローズ済み案件に類似性ランク付けを割り振ることと、
のうちの１つ以上を実行するように訓練される、請求項１４に記載のコンピューティング・システムによって実施される方法。
【請求項18】
前記現在オープン案件データによって表される前記現在オープン案件の前記コンテキストを判定する際に有益でない前記トークン化されたオープン案件ベクトル・データのトークンを識別することと、前記履歴的クローズ済み案件データによって表される前記履歴的クローズ済み案件の前記コンテキストを判定する際に有益でない前記トークン化されたクローズ済み案件ベクトル・データのトークンを識別することとは、１つ以上のカスタマイズされたストップ・ワード除去プロセスを構築するために、機械学習技術を利用することを含む、請求項１７に記載のコンピューティング・システムによって実施される方法。
【請求項19】
１つ以上のカスタマイズされたストップ・ワード除去プロセスを構築するために、機械学習技術を利用することは、前記生成されフィルタされたオープン案件ベクトル・データから除去されるべき前記トークン化されたオープン案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練することと、
前記トークン化されたオープン案件ベクトル・データから除去されるべきでなかったトークンを識別するように、１つ以上の機械学習モデルを訓練し、前記生成されフィルタされたオープン案件ベクトル・データにそれらのトークンを追加することと、
前記生成されフィルタされたクローズ済み案件ベクトル・データから除去されるべき前記トークン化されたクローズ済み案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練することと、
前記トークン化されたクローズ済み案件ベクトル・データから除去されるべきでなかったトークンを識別するように、１つ以上の機械学習モデルを訓練し、前記生成されフィルタされたクローズ済み案件ベクトル・データにそれらのトークンを追加することと、
のうちの１つ以上を含む、請求項１８に記載のコンピューティング・システムによって実施される方法。
【請求項20】
前記フィルタされたオープン案件ベクトル・データの各々のトークンに関連性重みを割り振ることと、前記フィルタされたクローズ済み案件ベクトル・データの各々のトークンに関連性重みを割り振ることとは、１つ以上のカスタマイズされた関連性ファインダ・プロセスを構築するために、機械学習技術を利用することを含む、請求項１７に記載のコンピューティング・システムによって実施される方法。
【請求項21】
１つ以上のカスタマイズされた関連性プロセスを構築するために、機械学習技術を利用することは、前記フィルタされたオープン案件ベクトル・データ内の他のトークンよりも高い又は低い関連性値が割り振られるべき、前記フィルタされたオープン案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練するために、ＴＦ－ＩＤＦ技術を利用することと、
前記フィルタされたクローズ済み案件ベクトル・データ内の他のトークンよりも高い又は低い関連性値が割り振られるべき、前記フィルタされたクローズ済み案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練するために、ＴＦ－ＩＤＦ技術を利用することと、
前記トークンの識別されたビジネス・コンテキストに基づいて、前記フィルタされたオープン案件ベクトル・データ内の他のトークンよりも高い又は低い関連性値が割り振られるべき、前記フィルタされたオープン案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練することと、
前記トークンの識別されたビジネス・コンテキストに基づいて、前記フィルタされたクローズ済み案件ベクトル・データ内の他のトークンよりも高い又は低い関連性値が割り振られるべき、前記フィルタされたクローズ済み案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練することと、
のうちの１つ以上を含む、請求項２０に記載のコンピューティング・システムによって実施される方法。
【請求項22】
前記１つ以上の類似性プロセスは、コサイン類似性アルゴリズムと、
Ｊａｃｃａｒｄ類似性アルゴリズムと、
ＬＳＡ類似性アルゴリズムと、
を含む、請求項１４に記載のコンピューティング・システムによって実施される方法。
【請求項23】
前記現在オープン案件に類似する履歴的クローズ済み案件の前記リストを生成するために使用される前記類似性プロセスは、データ処理の間に動的に選択される、請求項２２に記載のコンピューティング・システムによって実施される方法。
【請求項24】
前記類似性プロセスは、前記現在オープン案件の前記コンテキストと、
前記履歴的クローズ済み案件の前記コンテキストと、
比較される現在の及び履歴的案件ドキュメントの数と、
比較される前記現在の及び履歴的案件ドキュメントの各々におけるサイズと、
比較される前記現在の及び履歴的案件ドキュメントの各々におけるページの数と、
比較される前記現在の及び履歴的案件ドキュメントの各々における段落の数と、
比較される前記現在の及び履歴的案件ドキュメントの各々におけるワードの数と、
比較される前記現在の及び履歴的案件ドキュメントの各々のファイル・タイプと、
比較される前記現在の及び履歴的ドキュメントの各々に対して発見された関連するワードの数と、
のうちの１つ以上に基づいて動的に選択される、請求項２３に記載のコンピューティング・システムによって実施される方法。
【請求項25】
サービス・プロバイダの１つ以上のクライアントと関連付けられた案件データを含むクライアント・サービス・システムにユーザ・インタフェースを提供することと、現在オープン案件を表す現在オープン案件データを取得することと、
前記サービス・プロバイダと関連付けられた履歴的クローズ済み案件を表す履歴的クローズ済み案件データを取得することと、
前記現在オープン案件に類似する履歴的クローズ済み案件を識別し、ランク付け済み類似案件データを生成することと、
前記現在オープン案件に類似する前記履歴的クローズ済み案件に熟練したエキスパートを識別し、ランク付け済み熟練エキスパート・データを生成することと、
前記現在オープン案件と関連付けられたビジネス実施例外を識別し、ビジネス例外データを生成することと、
前記クライアント・サービス・システムの前記ユーザ・インタフェースを通じて、類似案件、熟練エキスパート、及びビジネス例外のうちの１つ以上に関連するデータを提供することと、
のうちの１つ以上を実行することと、
を含む、コンピューティング・システムによって実施される方法。
【請求項26】
サービス・プロバイダの１つ以上のクライアントと関連付けられた案件データを含むクライアント・サービス・システムにユーザ・インタフェースを提供することと、現在オープン案件を表す現在オープン案件データを取得することと、
前記サービス・プロバイダと関連付けられた履歴的クローズ済み案件を表す履歴的クローズ済み案件データを取得することと、
集約されたオープン案件ベクトル・データを生成するように、前記取得された現在オープン案件データを集約し、処理し、及びフィルタすることと、
集約されたクローズ済み案件ベクトル・データを生成するように、前記取得された履歴的クローズ済み案件データを集約し、処理し、及びフィルタすることと、
トークン化されたオープン案件ベクトル・データを生成するように、前記集約されたオープン案件ベクトル・データをトークンへとパースすることと、
トークン化されたクローズ済み案件ベクトル・データを生成するように、前記集約されたクローズ済み案件ベクトル・データをトークンへとパースすることと、
前記現在オープン案件データによって表される前記現在オープン案件の前記コンテキストを判定する際に有益でない前記トークン化されたオープン案件ベクトル・データのトークンを識別し、フィルタされたオープン案件ベクトル・データを生成することと、
前記履歴的クローズ済み案件データによって表される前記履歴的クローズ済み案件の前記コンテキストを判定する際に有益でない前記トークン化されたクローズ済み案件ベクトル・データのトークンを識別し、フィルタされたクローズ済み案件ベクトル・データを生成することと、
重み付けられたオープン案件ベクトル・データを生成するように、関連性重みを、前記フィルタされたオープン案件ベクトル・データの各々のトークンに割り振ることと、
重み付けられたクローズ済み案件ベクトル・データを生成するように、関連性重みを、前記フィルタされたクローズ済み案件ベクトル・データの各々のトークンに割り振ることと、
前記現在オープン案件に類似する履歴的クローズ済み案件のリストを生成するように、１つ以上の類似性プロセスに、前記重み付けられたオープン案件ベクトル・データ及び前記重み付けられたクローズ済み案件ベクトル・データを提供することと、
類似の履歴的クローズ済み案件の前記リスト内の各々の履歴的クローズ済み案件に類似性ランク付けを割り振り、ランク付け済み類似案件データを生成することと、
前記クライアント・サービス・システムの前記ユーザ・インタフェースを通じて、前記ランク付け済み類似案件データの全て又は一部を提供することと、
のうちの１つ以上を実行することと、
を含む、コンピューティング・システムによって実施される方法。
【請求項27】
クライアント・サポート・プロフェッショナルに案件アシスタンスを提供するシステムであって、少なくとも１つのプロセッサと、前記少なくとも１つのプロセッサに結合された少なくとも１つのメモリと、を備え、前記少なくとも１つのメモリは、前記１つ以上のプロセッサのいずれかのセットによって実行されるとき、プロセスを実行する記憶された命令を有し、前記プロセスは、クライアント・サービス・システム内のサービス・プロバイダのクライアントと関連付けられた履歴的クライアント案件を表す履歴的案件ベクトル・データを取得することと、
前記履歴的案件ベクトル・データをトークンへとパースすることと、
前記履歴的案件の前記コンテキストを判定することに関連するトークンを識別することと、
前記履歴的案件の前記コンテキストを判定することに関連しないトークンを除去することと、
前記履歴的案件の前記コンテキストを判定することに関連するとして識別された各々のトークンに関連性重みを割り振ることと、
クライアント・サービス・システム内のサービス・プロバイダのクライアントと関連付けられた現在のクライアント案件を表す現在の案件ベクトル・データを取得することと、
前記履歴的案件ベクトル・データ及び前記現在の案件ベクトル・データに基づいて、２つ以上の類似性アルゴリズムのセットから類似性アルゴリズムを動的に選択することと、
少なくとも１つの履歴的クライアント案件が前記クライアント・サービス・システム内の少なくとも１つの現在のクライアント案件に類似するかどうかを判定するために、前記トークンの前記類似性アルゴリズム及び前記関連性重みを利用することと、
少なくとも１つの履歴的クライアント案件が少なくとも１つの現在のクライアント案件に類似すると判定すると、少なくとも１つのクライアント・サポート・プロフェッショナルに通知することと、
前記少なくとも１つのクライアント・サポート・プロフェッショナルに通知を提供すると、前記クライアント・サービス・システムにおいて少なくとも１つのアクションを取ることと、
を含む、システム。
【請求項28】
１つ以上の機械学習モデルは、前記履歴的案件の前記コンテキストを判定することに関連するトークンを識別することと、
前記履歴的案件の前記コンテキストを判定することに関連しないトークンを除去することと、
前記履歴的案件の前記コンテキストを判定することに関連するとして識別された各々のトークンに関連性重みを割り振ることと、
前記履歴的案件ベクトル・データ及び前記現在の案件ベクトル・データに基づいて、２つ以上の類似性アルゴリズムのセットから類似性アルゴリズムを動的に選択することと、
のうちの１つ以上を実行するように訓練される、請求項２７に記載のシステム。
【発明の詳細な説明】
【技術分野】
【0001】
関連出願
本出願は、本明細書で完全に示されたように、参照によってその全体で以下に組み込まれる、２０２１年２月２６日に出願され、「ＭＥＴＨＯＤ ＡＮＤ ＳＹＳＴＥＭ ＦＯＲ ＵＳＩＮＧ ＲＯＢＯＴＩＣ ＰＲＯＣＥＳＳ ＡＵＴＯＭＡＴＩＯＮ ＴＯ ＰＲＯＶＩＤＥ ＣＡＳＥ ＡＳＳＩＳＴＡＮＣＥ ＴＯ ＣＬＩＥＮＴ ＳＵＰＰＯＲＴ ＰＲＯＦＥＳＳＩＯＮＡＬＳ」と題する米国仮特許出願第６３／１５４，３９０号の利益を主張する。
本出願は、本明細書で完全に示されたように、参照によってその全体で以下に組み込まれる、２０２１年２月２６日に出願され、「ＭＥＴＨＯＤ ＡＮＤ ＳＹＳＴＥＭ ＦＯＲ ＵＳＩＮＧ ＲＯＢＯＴＩＣ ＰＲＯＣＥＳＳ ＡＵＴＯＭＡＴＩＯＮ ＴＯ ＰＲＯＶＩＤＥ ＣＡＳＥ ＡＳＳＩＳＴＡＮＣＥ ＴＯ ＣＬＩＥＮＴ ＳＵＰＰＯＲＴ ＰＲＯＦＥＳＳＩＯＮＡＬＳ」と題する米国仮特許出願第６３／１５４，３９０号の利益を主張する。
【0002】
本出願は、本明細書で完全に示されたように、参照によってその全体で以下に組み込まれる、２０１８年１１月１９日に出願され、２０２１年１１月２３日に米国特許第１１，１８２，７０７号として発行された、「ＭＥＴＨＯＤ ＡＮＤ ＳＹＳＴＥＭ ＦＯＲ ＰＲＯＶＩＤＩＮＧ Ａ ＭＵＬＴＩ－ＤＩＭＥＮＳＩＯＮＡＬ ＨＵＭＡＮ ＲＥＳＯＵＲＣＥ ＡＬＬＯＣＡＴＩＯＮ ＡＤＶＩＳＥＲ」と題するＳａｈｎｉらの米国特許出願第１６／１９５，６６８号に関連する。
【背景技術】
【0003】
ビジネスに直面する、特に、クライアントにプロフェッショナル・サービスを提供するビジネスに直面する主な課題の１つは、案件解決（case resolution）の品質及び速度を改善するために、ビジネスのリソース及びデータ・アセットを効果的且つ効率的に利用する方法を発見することである。クライアントにプロフェッショナル・サービスを提供する多くのビジネスは、数千のクライアント・サポート・プロフェッショナルを採用し、数千の専門化された技術製品及び製品モジュールを利用するクライアントから構成された莫大なクライアント基盤を有する。よって、それらのビジネスによって採用されたクライアント・サポート・プロフェッショナルは、エンジニア、技術者、又は他の技術的プロフェッショナルなど、高度に熟練し及び／又は専門化された人員であることが多い。
【0004】
クライアント案件を解決するために、多くのビジネスは、それらの従業員によって実行される様々なジョブ、タスク、及びプロジェクトに関するデータを収集し、追跡し、及び分析するために、１つ以上の慣習的なクライアント・サービス・システム又はクライアント管理システムを利用する。それらの慣習的なクライアント・サービス・システムを使用して、クライアントが解決を必要とするプロジェクト又は問題を有するとき、クライアント案件がシステム内で作成され、案件データが収集され、案件が解決され又は終了するまで、各々の案件が追跡される。しかしながら、慣習的なクライアント・サービス・システムは、いくつかの技術的な欠点を有し、いくつかの技術的な欠点は、それらがビジネスのリソース及びデータ・アセットの全潜在能力を利用することが可能であることを妨げる。
【0005】
効果的且つ効率的な案件解決を有効にすることは、クライアント・サポート・プロフェッショナルにリアルタイム案件アシスタンスを提供することを必要とし、リアルタイム案件アシスタンスは、クライアント案件の解決に関連する、多種多様な別個の、なおも相互接続された因子を考慮に入れる。最も慣習的であり且つ現在のクライアント・サービス・システムは、実用的且つ具体的な現実世界の、リアルタイムな結果を提供する方法において、それらの因子の間の微妙であり且つ高度に複雑な相互接続を分析及び処理する技術的能力を欠いている。例えば、個々のサポート・プロフェッショナルとサポート・プロフェッショナルのチームとの両方のための莫大な量の動的に変化するスキル・セット・データの詳細なリアルタイム分析を必要とするだけでなく、それは、莫大な量の関連する案件履歴データ、過去、現在、及び潜在的な従業員の協働機会に関連するデータ、ビジネス実施例外に関連するデータの詳細なリアルタイム分析、潜在的なスキル・ギャップ及び潜在的な解決策の識別と共に、案件の問題範囲及び積極的な案件解決機会の識別を必要とし、それらの全ては、把握するのにヒューマン・マインドの能力を超えている。よって、案件解決によりクライアント・サポート・プロフェッショナルをリアルタイムで支援するための効果的且つ効率的なシステム及び方法の開発は、高度に複雑であり、技術的解決策を必要とする、課題のある技術的な問題である。
【0006】
１つの特定の例示的な例として、クライアントによって利用される様々なエンタプライズ・リソース・プランニング（ＥＲＰ：Enterprise Resource Planning）関連ソフトウェアシステムに対する様々なサポート・サービスを提供するサービス・プロバイダは、それらのクライアントの各々に対して実行されるジョブと関連付けられた数千の案件記録を含むデータ・リポジトリを有する、数百のクライアントを潜在的に有することができる。オープン案件の効率的な解決は、オープン案件記録と同様であるクローズ済み案件記録を急速に識別することが可能であることに依存することが多い。更に、各々の案件は、解決するのに多数の且つ可変のスキルを必要とし得、オープン案件を支援するために最良に適合したクライアント・サポート・プロフェッショナルを識別することが、不可能なタスクでない場合、気の遠くなるような場合がある。
【0007】
ビジネスのクライアントに、それらのクライアントによって利用される様々なエンタプライズ・リソース・プランニング（ＥＲＰ）関連システムに対するエンジニアリング及びサポート・サービスを提供するために、エンジニアリング・プロフェッショナルを採用するビジネスを考える。この特定の例示的な例では、各々のエンジニアリング・プロフェッショナルは、多数の特定の製品、製品モジュール、並びにそれらの製品及び製品モジュールと関連付けられた特徴及び能力と共に、多数の専門化されたスキル及び経験を潜在的に有する。更に、各々のエンジニアリング・プロフェッショナルの専門化されたスキルは、静的でない。各々のエンジニアが様々な案件に対して取り組むので、それらは、オンザジョブ及びオフザジョブの両方で、新たなスキルを連続して開発しており、よって、多くの状況において、ヒューマン・マインドがエンジニアリング・プロフェッショナルの連続して変化するスキル・セットを検出し、処理し、及び追跡することが可能でない。各々のエンジニアリング・プロフェッショナルが潜在的に数百の製品及び製品サブ・システムと関連付けられた潜在的に数千のスキルを有することができることを仮定して、それは、単一のエンジニアリング・プロフェッショナルのスキル・セットが数百又は更には数千の個々の、動的に変化するスキルを含むことができる案件であることが多い。
【0008】
加えて、１つよりも多いクライアント・サポート・プロフェッショナルがクライアント案件に割り振られる必要があるとき、問題がより複雑になる。解決するのに十人の従業員のチームを必要とするクライアント案件を考える。個々のクライアント・サポート・プロフェッショナルの各々のためのスキル・セット・データが分析される必要があるだけでなく、個々のクライアント・サポート・プロフェッショナルの各々のためのスキル・セット・データも、他の個々のクライアント・サポート・プロフェッショナルの各々のためのスキル・セット・データに関連して分析される必要がある。加えて、それらに限定されないが、他のプロフェッショナルとの組み合わせで前に取り組まれた案件に対するクライアント・サポート・プロフェッショナルの過去の実行に関連する案件履歴データと共に、サポート・プロフェッショナル作業負荷及び可用性に関連して起こり得る例外など、スキル・セットに加えて他の因子が説明される必要がある。その結果、案件解決によりクライアント・サポート・プロフェッショナルをリアルタイムで支援するための効果的且つ効率的なシステム及び方法を開発することは、急速に複雑化されることがあり、気の遠くなるような技術的タスクになる場合があり、それは、殊に、慣習的なデータ処理システムの固定された性質を仮定して、ヒューマン・マインドによって実行される能力を有さない。
【0009】
確かに、技術的な問題は、それが実用的でないほどに複雑になる場合があり、ほとんどの案件では、人類が、その各々が潜在的に数百の又は更には数千の個々の、動的に変化するスキルを有する、複数の、更には数千のサポート・プロフェッショナルの間の繰り返し及び関係と、それらのプロジェクト／案件の各々が次いで、潜在的に数百の又は更には数千のジョブスキル・セット要件並びに契約実行要件及び制約を有する、潜在的に数百のビジネスのクライアントのためのプロジェクト／案件の要件を正確に識別及び把握することが可能でない。加えて、各々の資格のあるサポート・プロフェッショナルに対する可用性及び作業負荷も考慮に入れられるべきであるとき、問題が更に複雑化される。
【0010】
結果は、クライアント・サポート・プロフェッショナルがより急速且つ成功してクライアント案件を解決することができるように、クライアント・サポート・プロフェッショナルにリアルタイム案件アシスタンスを効果的且つ効率的に提供するために必要な因子の全ての間の有意な関係及び相互接続を人類が認識することを不可能にする問題の複雑度である。上述したように、多くのビジネスによって採用されるクライアント・サポート・プロフェッショナルが、プロフェッショナルが様々なプロジェクトに割り振られ、様々なタスクを完了するにつれて連続して変化しているスキル・セット及び経験を有し、それによって、新たなスキル及び貴重な経験を取得するという事実に部分的に起因して、クライアント・サポート・プロフェッショナルにリアルタイム案件アシスタンスを効果的且つ効率的に提供する現在の技術的な問題は、継続中であり、動的に変化する問題である。
【0011】
クライアント・サポート・プロフェッショナルにリアルタイム案件アシスタンスを効果的且つ効率的に提供することを試みるときに遭遇する現在の困難は、それらの従業員の生産性を高めることを望むビジネスに対してのみ問題であるのではなく、クライアント・サポート・プロフェッショナルに案件アシスタンスを効果的且つ効率的に提供することができないことが、実行される取り組みの品質及びその取り組みを完了するのに要する時間に悪影響を及ぼす場合があるという点で、ビジネスのクライアントに対しても問題である。その結果、クライアント・サポート・プロフェッショナルにリアルタイム案件アシスタンスを提供する効果的且つ効率的なシステム及び方法を欠く長年の技術的な問題は、ビジネス雇用者にとって弊害であると共に、そのビジネスの従業員及びクライアントにとって弊害であり、期限の徒過及びベンチマーク、失われた工数、コスト超過、及びより低い品質の取り組みを潜在的に結果としてもたらす。更に、上記説明された困難は、様々な進行中の労働不足によって増幅されることが多い。
【0012】
したがって、必要であるものは、クライアント案件をより急速且つ成功して解決するように、プロフェッショナルの能力を高めるために、クライアント・サポート・プロフェッショナルにリアルタイム案件アシスタンスを効果的且つ効率的に提供する長年の技術的な問題への技術的解決策である。
【発明の概要】
【課題を解決するための手段】
【0013】
本開示の実施例は、クライアント案件をより急速且つ成功して解決するように、プロフェッショナルの能力を高めるために、クライアント・サポート・プロフェッショナルにリアルタイム案件アシスタンスを効果的且つ効率的に提供する技術的な問題への技術的解決策を提供する。
【0014】
本明細書で開示される実施例は、関連する類似のクライアント案件履歴に対してサポート・プロフェッショナルを支援及びアドバイスし、サポート・プロフェッショナルの間の協働を開始し、特定のクライアント案件に対して必要なスキルに対してサポート・プロフェッショナルをアドバイスするために、機械学習（ＭＬ・Machine Learning）技術との組み合わせでロボティック・プロセス自動化（ＲＰＡ：Robotic Process Automation）技術を利用する案件アシスタント・システムを提供する。案件アシスタントは、それらに限定されないが、サポート・プロフェッショナルがオフィスの外にいるとき、会社から出たとき、及び／又は地域的緊急状態によって影響されるとき、チーム所有者又はチームリーダを警告することなど、実施例外を起こすことも可能である。
【0015】
よって、開示される実施例は、関連する類似案件履歴に対してプロフェッショナルを積極的にアドバイスし、プロフェッショナルの中で協働を開始し、スキル・ギャップに関してチームをアドバイスし、チームを作成し、実施例外を起こすために、ＭＬ技術との組み合わせでＲＰＡ技術を利用することによって、クライアント・サポート・プロフェッショナルにリアルタイム案件アシスタンスを提供する長年の技術的な問題への技術的解決策を表す。その結果、開示される実施例を使用して、プロフェッショナルの貢献が加速化され及び高められ、よって、サポート・プロフェッショナルがクライアント案件をより急速且つ成功して解決することを可能にする。
【0016】
多くの慣習的なビジネスは、ビジネス・プロセスを合理化し、サービス品質を増大させ、ビジネス運営コストを含むために、ビジネス・プロセス自動化（ＢＰＡ：business process automation）技術を利用するが、ＢＰＡは、上記議論されたものなど、極めて複雑な問題を扱うそれらの能力に来るときにいくつかの欠陥を有する。例えば、ほとんどのＢＰＡは、事前に完全にプログラムされ、相対的に静的であり、未知の状況及び予期せぬ環境にそれらを適合させることが容易に可能でない。
【0017】
ＢＰＡ内の１つの出現する分野は、ロボティック・プロセス自動化（ＲＰＡ）であり、ＲＰＡは、典型的には、慣習的なＢＰＡの欠陥に対処するために、機械学習（ＭＬ）及び人工知能（ＡＩ：Artificial Intelligence）を利用する。本開示の実施例は、以下で追加的に詳細に議論されるように、クライアント・サポート・プロフェッショナルにリアルタイム案件アシスタンスを提供する技術的な問題を解決するために、ＲＰＡ技術を活用する。
【0018】
一実施例では、コンピューティング・システムによって実施される方法は、サービス・プロバイダの１つ以上のクライアントと関連付けられた案件データを含むクライアント・サービス・システムにユーザ・インタフェースを提供し、現在オープン案件を表す現在オープン案件データを取得し、サービス・プロバイダと関連付けられた履歴的クローズ済み案件を表す履歴的クローズ済み案件データを取得し、１つ以上の機械学習プロセスを使用して、現在オープン案件データ及び履歴的クローズ済み案件データを処理するように、１つ以上のＲＰＡワーカを訓練し、現在オープン案件データ及び履歴的クローズ済み案件データを処理するように、１つ以上の訓練済みＲＰＡワーカを構成する。
【0019】
一実施例では、構成された訓練済みＲＰＡワーカは、現在オープン案件に類似する履歴的クローズ済み案件を識別し、ランク付け済み類似案件データを生成することと、現在オープン案件に類似する履歴的クローズ済み案件に熟練したエキスパートを識別し、ランク付け済み熟練エキスパート・データを生成することと、現在オープン案件と関連付けられたビジネス実施例外を識別し、ビジネス例外データを生成することと、クライアント・サービス・システムのユーザ・インタフェースを通じて、類似案件、熟練エキスパート、及びビジネス例外のうちの１つ以上に関連するデータを提供することと、のうちの１つ以上を実行する。
【0020】
一実施例では、構成された訓練済みＲＰＡワーカの機能は、ほぼリアルタイムで実行される。一実施例では、サービス・プロバイダと関連付けられた履歴的クローズ済み案件を表す履歴的クローズ済み案件データは、百以上の履歴的クローズ済み案件と関連付けられたデータを含む。
【0021】
一実施例では、現在オープン案件に類似する履歴的クローズ済み案件を識別し、ランク付け済み類似案件データを生成することは、集約されたオープン案件ベクトル・データを生成するように、取得された現在オープン案件データを集約し、処理し、及びフィルタすることと、集約されたクローズ済み案件ベクトル・データを生成するように、取得された履歴的クローズ済み案件データを集約し、処理し、及びフィルタすることと、トークン化されたオープン案件ベクトル・データを生成するように、集約されたオープン案件ベクトル・データをトークンへとパースすることと、トークン化されたクローズ済み案件ベクトル・データを生成するように、集約されたクローズ済み案件ベクトル・データをトークンへとパースすることと、現在オープン案件データによって表される現在オープン案件のコンテキストを判定する際に有益でないトークン化されたオープン案件ベクトル・データのトークンを識別し、フィルタされたオープン案件ベクトル・データを生成することと、履歴的クローズ済み案件データによって表される履歴的クローズ済み案件のコンテキストを判定する際に有益でないトークン化されたクローズ済み案件ベクトル・データのトークンを識別し、フィルタされたクローズ済み案件ベクトル・データを生成することと、重み付けられたオープン案件ベクトル・データを生成するように、関連性重みを、フィルタされたオープン案件ベクトル・データの各々のトークンに割り振ることと、重み付けられたクローズ済み案件ベクトル・データを生成するように、関連性重みを、フィルタされたクローズ済み案件ベクトル・データの各々のトークンに割り振ることと、現在オープン案件に類似する履歴的クローズ済み案件のリストを生成するように、１つ以上の類似性プロセスに、重み付けられたオープン案件ベクトル・データ及び重み付けられたクローズ済み案件ベクトル・データを提供することと、類似の履歴的クローズ済み案件のリスト内の各々の履歴的クローズ済み案件に類似性ランク付けを割り振り、ランク付け済み類似案件データを生成することと、を更に含む。
【0022】
一実施例では、１つ以上の機械学習モデルは、現在オープン案件データによって表される現在オープン案件のコンテキストを判定する際に有益でないトークン化されたオープン案件ベクトル・データのトークンを識別することと、履歴的クローズ済み案件データによって表される履歴的クローズ済み案件のコンテキストを判定する際に有益でないトークン化されたクローズ済み案件ベクトル・データのトークンを識別することと、フィルタされたオープン案件ベクトル・データの各々のトークンに関連性重みを割り振ることと、フィルタされたクローズ済み案件ベクトル・データの各々のトークンに関連性重みを割り振ることと、類似の履歴的クローズ済み案件のリスト内の各々の履歴的クローズ済み案件に類似性ランク付けを割り振ることと、のうちの１つ以上を実行するように訓練される。
【0023】
一実施例では、現在オープン案件データによって表される現在オープン案件のコンテキストを判定する際に有益でないトークン化されたオープン案件ベクトル・データのトークンを識別することと、履歴的クローズ済み案件データによって表される履歴的クローズ済み案件のコンテキストを判定する際に有益でないトークン化されたクローズ済み案件ベクトル・データのトークンを識別することとは、１つ以上のカスタマイズされたストップ・ワード除去プロセスを構築するために、機械学習技術を利用することを含む。
【0024】
一実施例では、１つ以上のカスタマイズされたストップ・ワード除去プロセスを構築するために、機械学習技術を利用することは、生成されフィルタされたオープン案件ベクトル・データから除去されるべきトークン化されたオープン案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練することと、トークン化されたオープン案件ベクトル・データから除去されるべきでなかったトークンを識別するように、１つ以上の機械学習モデルを訓練し、生成されフィルタされたオープン案件ベクトル・データにそれらのトークンを追加することと、生成されフィルタされたクローズ済み案件ベクトル・データから除去されるべきトークン化されたクローズ済み案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練することと、トークン化されたクローズ済み案件ベクトル・データから除去されるべきでなかったトークンを識別するように、１つ以上の機械学習モデルを訓練し、生成されフィルタされたクローズ済み案件ベクトル・データにそれらのトークンを追加することと、のうちの１つ以上を含む。
【0025】
一実施例では、フィルタされたオープン案件ベクトル・データの各々のトークンに関連性重みを割り振ることと、フィルタされたクローズ済み案件ベクトル・データの各々のトークンに関連性重みを割り振ることとは、１つ以上のカスタマイズされた関連性ファインダ・プロセスを構築するために、機械学習技術を利用することを含む。
【0026】
一実施例では、１つ以上のカスタマイズされた関連性プロセスを構築するために、機械学習技術を利用することは、フィルタされたオープン案件ベクトル・データ内の他のトークンよりも高い又は低い関連性値が割り振られるべき、フィルタされたオープン案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練するために、ＴＦ－ＩＤＦ技術を利用することと、フィルタされたクローズ済み案件ベクトル・データ内の他のトークンよりも高い又は低い関連性値が割り振られるべき、フィルタされたクローズ済み案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練するために、ＴＦ－ＩＤＦ技術を利用することと、トークンの識別されたビジネス・コンテキストに基づいて、フィルタされたオープン案件ベクトル・データ内の他のトークンよりも高い又は低い関連性値が割り振られるべき、フィルタされたオープン案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練することと、トークンの識別されたビジネス・コンテキストに基づいて、フィルタされたクローズ済み案件ベクトル・データ内の他のトークンよりも高い又は低い関連性値が割り振られるべき、フィルタされたクローズ済み案件ベクトル・データ内のトークンを識別するように、１つ以上の機械学習モデルを訓練することと、のうちの１つ以上を含む。
【0027】
一実施例では、１つ以上の類似性プロセスは、コサイン類似性アルゴリズムと、Ｊａｃｃａｒｄ類似性アルゴリズムと、ＬＳＡ類似性アルゴリズムと、を含む。一実施例では、現在オープン案件に類似する履歴的クローズ済み案件のリストを生成するために使用される類似性プロセスは、データ処理の間に動的に選択される。一実施例では、類似性プロセスは、現在オープン案件のコンテキストと、履歴的クローズ済み案件のコンテキストと、比較される現在の及び履歴的案件ドキュメントの数と、比較される現在の及び履歴的案件ドキュメントの各々におけるサイズと、比較される現在の及び履歴的案件ドキュメントの各々におけるページの数と、比較される現在の及び履歴的案件ドキュメントの各々における段落の数と、比較される現在の及び履歴的案件ドキュメントの各々におけるワードの数と、比較される現在の及び履歴的案件ドキュメントの各々のファイル・タイプと、比較される現在の及び履歴的ドキュメントの各々に対して発見された関連するワードの数と、のうちの１つ以上に基づいて動的に選択される。
【0028】
一実施例では、現在オープン案件に類似する履歴的クローズ済み案件に熟練したエキスパートを識別し、ランク付け済み熟練エキスパート・データを生成することは、初期従業員スキル・セット・データ、動的従業員スキル・セット・データ、及び従業員ＨＲデータを取得することと、集約済み従業員スキル・セット・データを生成するように、初期従業員スキル・セット・データ、動的従業員スキル・セット・データ、及び従業員ＨＲデータを集約することと、現在オープン案件と関連付けられたクライアントについてのクライアント・データを取得することと、現在オープン案件スキル・セット・ベクトル・データを生成するように、現在オープン案件データ及びクライアント・データを処理することと、１つ以上のスキル・セットが合致した従業員を表す初期スキル・セット合致従業員データを生成するように、集約済み従業員スキル・セット・データ及び現在オープン案件スキル・セット・ベクトル・データを処理することと、各々のスキル・セットが合致した従業員に対し、スキル・セットが合致した従業員と関連付けられた正規化された従業員スキル・セット・データ及びスキル・セット特徴に基づいて、正規化済み従業員スキル・セット・ベクトル・データを生成することと、ランク付け済みスキル合致従業員データを生成するように、機械学習プロセスに、各々のスキル・セットが合致した従業員についての正規化済み従業員スキル・セット・ベクトル・データ及び現在オープン案件スキル・セット・ベクトル・データを提供することと、ランク付け済み熟練エキスパート・データを生成するように、ランク付け済みスキル合致従業員データをランク付け済み類似案件データとマージすることと、を更に含む。
【0029】
一実施例では、上記説明されたランク付け済み類似案件データを生成するプロセスは、他の案件アシスタント機能とは独立して実行及び利用されることができる。一実施例では、本明細書で議論される案件アシスタント機能の全て又は一部は、特別に訓練され及び構成されたＲＰＡワーカに対する必要性なしに達成されることができる。
【0030】
様々な実施例では、本明細書で開示されるドキュメント類似性ファインダは、それらに限定されないが、ベクトル・データ・コレクタ、トークナイザ、ストップ・ワード・リムーバ、関連性ファインダ、及び類似性ファインダ、などのプロセスを含み得る、数個のプロセス・サブ・システムから構成される。
【0031】
一実施例では、ドキュメント類似性ファインダのベクトル・データ・コレクタは、定義されたベクトルについて、ソース・システムからドキュメント・データを収集するコア統合プログラムである。一実施例では、トークナイザは、ドキュメント、段落、又はセンテンスを、トークンと呼ばれるより小さな単位にパースし、トークンは、個々のワード、ワードのグループ、又は用語及びフレーズのうちの１つ以上から構成された単位を含む。一実施例では、ストップ・ワード・リムーバは、案件コンテキストの導出において重要でないワードをフィルタ・アウトする。一実施例では、関連性ファインダは、どのように関連するトークンがドキュメント内にあるかに基づいて、前のステップにおいて識別された各々のコンテキスト・トークンに、０～１の数字を割り振る。一実施例では、案件ドキュメントの間の類似性を判定するために、類似性ファインダが利用される。
【0032】
一実施例では、案件アシスタントのストップ・ワード・リムーバは、ツー・パス・プロセス（two pass process）を含む。ストップ・ワード・リムーバの第１のパスは、ストップ・ワードを除去するために、ＮＬＴＫ（自然言語ツール・キット：Natural Language Tool Kit）機能を利用する。ストップ・ワード・リムーバの第２のパスは、連続して拡大する「イグノア・リスト（Ignore List）」を構築するようにモデルを訓練するために、教師あり学習方法を利用する。一実施例では、ストップ・ワード・リムーバの第２のパスはまた、ストップ・ワード・リムーバの第１のパス内で無視されたことがあるビジネス・コンテキストワードを追加する、「クオリファイヤ・リスト（Qualifier List）」を含む。
【0033】
一実施例では、案件アシスタント・プロセスの関連性ファインダは、ツー・パス・プロセスを含む。関連性ファインダの第１のパスは、ストップ・ワード・リムーバからフィルタ・アウトされないトークンに初期の重みを割り振るために、ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ－ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ（ＴＦ－ＩＤＦ）プロセスを使用する。関連性ファインダの第２のパスは、トークンの重みを更に精緻化するために、「ビジネス・コンテキスト・エンリッチメント（Business Context Enrichment）」プロセスに、関連性ファインダの第１のパスによって作成されたトークン重みリストを渡す。
【0034】
一実施例では、類似性ファインダは、それらに限定されないが、ドキュメントサイズ、ドキュメントタイプ、及びＴＦ＿ＩＤＦ合致値、などの因子に基づいて、２つ以上の類似性発見プロセスのセットから類似性発見プロセスを動的に選択する。類似性ファインダによって動的に選択された類似性発見プロセスの実例は、それらに限定されないが、コサイン類似性アルゴリズム、潜在意味解析（ＬＳＡ：Latent Semantic Analysis）類似性アルゴリズム、及びＪａｃｃａｒｄ類似性アルゴリズムを利用するプロセスを含む。
【0035】
様々な実施例では、ストップ・ワード・リムーバ、関連性ファインダ、及び類似性ファインダは各々、様々な機械学習モデルを訓練するために、機械学習技術を利用する。一実施例では、ユーザが訓練プロセスを監督することを有効にするために、様々な訓練ユーザ・インタフェースが提供される。それらに限定されないが、クライアント・サポート・プロフェッショナルなどのエンド・ユーザに、案件アシスタント・プロセス及びサブ・システムの結果を提示するために、１つ以上のエンド・ユーザ・インタフェースも提供される。
【0036】
よって、開示される実施例は、関連する類似案件履歴に関してプロフェッショナルを積極的にアドバイスし、プロフェッショナルの中で協働を開始し、スキル・ギャップに関してチームをアドバイスし、チームを作成し、実施例外を起こすために、ＲＰＡ技術を利用することによって、クライアント・サポート・プロフェッショナルにリアルタイム案件アシスタンスを提供する長年の技術的な問題への技術的解決策を表す。
【0037】
その結果、開示される実施例を使用して、プロフェッショナルの貢献が加速化され及び高められ、よって、サポート・プロフェッショナルがクライアント案件をより急速且つ成功して解決することを可能にする。
【図面の簡単な説明】
【0038】
【図1A】一実施例に係る、既存のＡＩアプリケーション・プラットフォーム上で案件アシスタント・システムがどのように構築するかを示す高レベル図である。
【図1B】一実施例に係る、より大きなアーキテクチュラル・コンテキストの一部として案件アシスタント・システム及びＡＩアプリケーション・プラットフォームを示す高レベル図である。
【図2A】一実施例に係る、案件アシスタント・システムと関連付けられた製造環境のブロック図である。
【図2B】一実施例に係る、案件アシスタント・システムによって利用される案件割り振りアドバイザと関連付けられた製造環境のブロック図である。
【図3A】一実施例に係る、案件アシスタント・システムのドキュメント類似性ファインダのブロック図である。
【図3B】一実施例に係る、案件アシスタント・システムのドキュメント類似性ファインダによって使用されるストップ・ワード・リムーバのブロック図である。
【図3C】一実施例に係る、案件アシスタント・システムのドキュメント類似性ファインダによって使用される関連性ファインダのブロック図である。
【図3D】一実施例に係る、コサイン類似性測定の例示的な表現である。
【図3E】一実施例に係る、ワード類似性を検出するために使用されるベクトル空間モデルの例示的な記述である。
【図3F】一実施例に係る、関連性ファインダ及び類似性ファインダによって利用される訓練データの例示的な実例である。
【図4A】一実施例に係る、クライアント・サポート・プロフェッショナルに案件アシスタンスを提供するプロセスのフローチャートである。
【図4B】一実施例に係る、類似案件を識別するプロセスのフローチャートである。
【図4C】一実施例に係る、熟練エキスパートを識別するプロセスのフローチャートである。
【図5】一実施例に係る、案件アシスタント・システムによって利用され得るルール＆制約構成インタフェースの実例のスクリーンショットである。
【図6】一実施例に係る、案件アシスタント・システムによって利用されるビジネス例外ファインダのビジネス・アラート構成インタフェースのスクリーンショットである。
【図7A】一実施例に係る、案件アシスタント・システムのためのダッシュボード・ユーザ・インタフェースのスクリーンショットである。
【図7C】一実施例に係る、より大きなクライアント・サービス・システムの一部として利用される案件アシスタント・ウィジェットの実例のスクリーンショットである。
【図8A】一実施例に係る、ドキュメント類似性ファインダと関連付けられたアラート・システムのスクリーンショットである。
【図8B】一実施例に係る、ドキュメント類似性ファインダによって生成された類似案件をリスティングのスクリーンショットである。
【図9A】一実施例に係る、熟練エキスパート・ファインダと関連付けられたアラート・システムのスクリーンショットである。
【図9B】一実施例に係る、熟練エキスパート・ファインダと関連付けられたアラート・システムのスクリーンショットである。
【図9C】一実施例に係る、熟練エキスパートとの協働を開始するためのインタフェースのスクリーンショットである。
【図9D】一実施例に係る、熟練エキスパート・ファインダによって生成された利用可能な熟練エキスパートのリスティングのスクリーンショットである。
【図9E】一実施例に係る、利用可能な熟練エキスパートとの協働を開始するためのインタフェースのスクリーンショットである。
【図9F】一実施例に係る、利用可能な熟練エキスパートのスキルを見るためのインタフェースのスクリーンショットである。
【図10A】一実施例に係る、ビジネス例外ファインダによって生成されたビジネス例外アラートのスクリーンショットである。
【図10B】一実施例に係る、ビジネス例外ファインダによって生成されたビジネス例外アラートのスクリーンショットである。
【発明を実施するための形態】
【0039】
図面及び詳細な説明の全体を通じて、同様の要素を示すために共通の参照符号が使用される。当業者は、上記図面が例であり、特許請求の範囲において示されるように、発明の特性及び特徴から逸脱することなく、他のアーキテクチャ、オペレーションのモード、オペレーションの順序、要素、及び機能を提供及び実装することができることを容易に認識するであろう。
【0040】
１つ以上の例示的な実施例を表す、添付図面を参照して、実施例がここで議論される。実施例は、多くの異なる形式において実装され得、本明細書で示され、図面において図示され、及び／又は以下で説明される実施例に限定するとして解釈されるべきではない。むしろ、それらの例示的な実施例は、特許請求の範囲において示されるように、発明の原理を当業者に伝える、完全な開示を可能にするために提供される。
【0041】
本明細書で開示される実施例は、関連するクライアント案件履歴に対してサポート・プロフェッショナルをアドバイスし、サポート・プロフェッショナルの間の協働を開始し、特定のクライアント案件のために必要なスキルに対してサポート・プロフェッショナルをアドバイスするために、機械学習（ＭＬ）技術との組み合わせでロボティック・プロセス自動化（ＲＰＡ）技術を利用する、案件アシスタントを提供する。案件アシスタントはまた、それらに限定されないが、サポート・プロフェッショナルがオフィスの外にいるとき、又は会社から出たとき、チーム所有者又はリーダを警告することなどの実施例外を起こすことが可能である。
【0042】
多くの慣習的なビジネスは、ビジネス・プロセスを合理化し、サービス品質を増大させ、ビジネス運営コストを含むために、ビジネス・プロセス自動化（ＢＰＡ）技術を利用するが、ＢＰＡは、上記議論されたように、ＢＰＡは、上記議論されたものなど、極めて複雑な問題を扱うそれらの能力に来るときにいくつかの欠陥を有する。例えば、ほとんどのＢＰＡは、事前に完全にプログラムされ、相対的に静的であり、未知の状況及び予期せぬ環境にそれらを適合させることが容易に可能でない。
【0043】
ＢＰＡ内の１つの出現する分野は、ロボティック・プロセス自動化（ＲＰＡ）であり、ＲＰＡは、典型的には、慣習的なＢＰＡの欠陥に対処するために、機械学習（ＭＬ）及び人工知能（ＡＩ）を利用する。本開示の実施例は、以下で追加的に詳細に議論されるように、クライアント・サポート・プロフェッショナルにリアルタイム案件アシスタンスを提供する技術的な問題を解決するために、ＲＰＡ技術を活用する。
【0044】
本明細書で使用されるように、用語「リアルタイム」は、用語「ほぼリアルタイム」と交換可能に使用され得、したがって、開示される実施例によって実行されるプロセスは、分、秒、ミリ秒、マイクロ秒、ナノ秒、又はＣＰＵがデータを現在処理する能力を有し、及び／若しくは出願後に利用可能にされた他の時間フレームにおいて処理されるプロセスを含み得る。
【0045】
よって、開示される実施例は、関連する案件履歴に対してプロフェッショナルを積極的にアドバイスし、プロフェッショナルの中で協働を開始し、スキル・ギャップに関してチームをアドバイスし、実施例外を起こすために、ＲＰＡ技術を利用することによって、クライアント・サポート・プロフェッショナルにリアルタイム案件アシスタンスを提供する長年の技術的な問題への技術的解決策を表す。その結果、開示される実施例を使用して、プロフェッショナルの貢献が加速化され及び高められ、よって、サポート・プロフェッショナルがクライアント案件をより急速且つ成功して解決することを可能にする。
【0046】
【0047】
図１Ａに示されるように、一実施例では、案件アシスタント・システム１０２は、必要とされるチームスキルを識別及び特定し、他のサポート・プロフェッショナルとの協働を開始し、ビジネス例外アラートを起こすために、案件にわたって類似の機能的問題を発見する際に、それらに限定されないが、エンジニアなどのクライアント・サポート・プロフェッショナルを支援するために、スキル・マネージャ１１０及び案件割り振りアドバイザ１０６を利用する。また、図１Ａに示されるように、一実施例では、案件アシスタント・システム１０２によって利用される数個の案件アシスタントツール１０４は、ロボティック・プロセス自動化（ＲＰＡ）と、それらに限定されないが、コサイン類似性アルゴリズムを利用するプロセスなどの１つ以上のプロセスである。一実施例では、スキル・マネージャ１１０は、それらに限定されないが、完全に安全にされ且つ統合されたスキル＆プロファイル・リポジトリを含む、スキル管理ツール１１２を利用する。一実施例では、案件割り振りアドバイザ１０６は、案件割り振りツール１０８を利用し、案件割り振りツール１０８は、それらに限定されないが、ｋ近傍法（ＫＮＮ：k-nearest neighbors）、ユークリッド距離、及びｍｉｎ－ｍａｘ正規化などのいくつかのプロセスを含む。
【0048】
様々な実施例では、案件アシスタント・システム１０２、スキル・マネージャ１１０、及び案件割り振りアドバイザ１０６は、拡大可能ＡＩ＆機械学習プラットフォーム１１４上で構築され、拡大可能ＡＩ＆機械学習プラットフォーム１１４は、案件アシスタント・システム１０２、スキル・マネージャ１１０、及び案件割り振りアドバイザ１０６に、洗練され且つ一意な機械学習エンジンを提供するために、様々なオープン・ソース技術１１６を利用する。上記示された要素の各々の追加の詳細は、以下で更に詳細に議論される。
【0049】
【0050】
図１及び図２は共に、統合され、安全にされ、且つ拡張可能なＡＩアプリケーション・プラットフォーム１１４を示し、ＡＩアプリケーション・プラットフォーム１１４は、数個の機能を実行する。最初に、一実施例では、ＡＩアプリケーション・プラットフォーム１１４は、データソース１１８などの複数のデータソースと統合する。一実施例では、ＡＩアプリケーション・プラットフォーム１１４は、スキル・マネージャ１１０及び案件割り振りアドバイザ１０６を含み、スキル・マネージャ１１０及び案件割り振りアドバイザ１０６は共に、サポート・プロフェッショナルの多次元スキルを捕捉することと、サポート・プロフェッショナルのスキルを正規化し及びランク付けして、プロフェッショナルのスキルを特定のクライアント案件を解決するために最良に適したスキルと合致するレコメンデーションを提供することを有効にするために、機械学習プロセスを使用することと、が可能である。加えて、一実施例では、ＡＩアプリケーション・プラットフォーム１１４は、データ異常及びユーザ感情を分析することによって、ビジネスについての「ニードアテンション」及び「正」信号を積極的に識別する。一実施例では、アプリケーション・プラットフォーム１１４は、統合され且つ拡大可能なプラットフォームであり、更に、案件アシスタント・システム１０２を含み、案件アシスタント・システム１０２は、その各々が以下で追加的に詳細に議論される、ドキュメント類似性発見、熟練エキスパート発見、及びビジネス例外発見などのタスクを実行するために、新たな自然言語プロセス及び機械学習プロセスを組み込む能力を有する。
【0051】
システム
図２Ａは、一実施例に係る、案件アシスタント・システムと関連付けられた製造環境２００Ａのブロック図である。
図２Ａは、一実施例に係る、案件アシスタント・システムと関連付けられた製造環境２００Ａのブロック図である。
【0052】
図２Ａに示されるように、一実施例では、製造環境２００Ａは、クライアント・サポート・プロフェッショナル２１０、サポート・プロフェッショナルコンピューティング環境２０１、サポート・プロフェッショナルコンピューティング・システム２０２、及びサービス・プロバイダ・コンピューティング環境２０５を含む。一実施例では、サービス・プロバイダ・コンピューティング環境２０５は、プロセッサ２０３、物理メモリ２０４、１つ以上の通信チャネル２０８、及びクライアント・サービス・システム２０７を含む。一実施例では、クライアント・サービス・システム２０７は、ユーザ・インタフェース２０６、案件アシスタント・システム１０２、案件割り振りアドバイザ１０６、案件受け入れ＆管理システム２４０、及びルール＆制約データベース２６０を含む。
【0053】
一実施例では、案件アシスタント・システム１０２は、ドキュメント類似性ファインダ２１６、熟練エキスパート・ファインダ２２８、ビジネス例外ファインダ２３８、ロボティック・プロセス自動化（ＲＰＡ）ワーカ２１２、類似案件データ２１３、エキスパート・データ２１４、及び例外データ２１５を含む。一実施例では、ドキュメント類似性ファインダ２１６は、ベクトル・データ・コレクタ２１８、トークナイザ２２０、ストップ・ワード・リムーバ２２２、関連性ファインダ２２４、及び類似性ファインダ２２６を含む。一実施例では、熟練エキスパート・ファインダ２２８は、ランク付けスキル合致従業員データ２３０、ランク付け類似案件データ２３２、及びランク付け熟練エキスパート・データ２３４を含む。一実施例では、ビジネス例外ファインダ２３８は、ビジネス・アラート構成２３６及びビジネス例外データ２３７を含む。
【0054】
一実施例では、案件受け入れ＆管理システム２４０は、案件受け入れ＆管理データベース２４２を含み、案件受け入れ＆管理データベース２４２は更に、クライアント・データ２４４、現在オープン案件データ２４６、及び履歴的クローズ済み案件データ２４８を含む。一実施例では、案件割り振りアドバイザ１０６は、自律的機械学習（ＭＬ）プラットフォーム２５２を含む。一実施例では、自律的ＭＬプラットフォーム２５２は、スキル・マネージャ１１０を含む。一実施例では、スキル・マネージャ１１０は、雇用者ビジネス・データベース２５６を含む。一実施例では、雇用者ビジネス・データベースは、従業員データ２５８を含む。一実施例では、ルール＆制約データベース２６０は、類似性アルゴリズム・データ２６２、製品ライン・データ２６４、サポート・チーム・データ２６６、及びＲＰＡデータ２６８を含む。上記リスト表示された要素の各々は、以下で更に詳細に議論される。
【0055】
一実施例では、案件アシスタント・システム１０２は、１つ以上のＲＰＡワーカ２１２を利用する。本明細書で開示される実施例では、用語「ＲＰＡワーカ」又は「ＲＰＡプロセス」は、多種多様なコンピューティングタスクを実行するために、サービス・プロバイダシステムのバックグラウンドにおいて連続して実施することができる、望まれる／必要な数百又は数千又はいずれかの数に増加することができるバックグラウンドプログラム／プロセスを含む。一実施例では、サービス・プロバイダ・プラットフォームがスケーリングされるように、ＲＰＡワーカを容易にクローンすることができる。一実施例では、サービス・プロバイダ・プラットフォームのビジネス・ユーザによって、ＲＰＡワーカを構成することができ、訓練することができ、及び制御することができる。
【0056】
上記議論されたように、多くの慣習的なビジネスは、ビジネス・プロセスを合理化し、サービス品質を増大させ、ビジネス運営コストを含むために、ビジネス・プロセス自動化（ＢＰＡ）技術を利用するが、ＢＰＡは、上記議論されたものなど、極めて複雑な問題を扱うそれらの能力と関連付けられたいくつかの欠陥を有する。例えば、ほとんどのＢＰＡプロセスは、特定のジョブを行うために事前に完全にプログラムされ、したがって、それらは、相対的に静的であり、未知の状況及び予期せぬ環境にそれらを適合させることが容易に可能でない。
【0057】
ＢＰＡとは異なり、ＲＰＡワーカ及び／又はプロセスは、そのようなジョブを行うための命令が与えられ、それらがジョブを実行するにつれて、それらは、それらが取り組む間に学習するために様々な機械学習技術を利用し、その結果、それらは、未知の状況及び予期せぬ環境にそれらを適合させることが容易に可能である。多くのアプリケーションが機械学習を利用すると共に、それらのほとんどは、フロントエンドＵＩアプリケーションであるのに対し、ＲＰＡワーカは、常に、クライアント・サービス・システム２０７などのシステムのバックグラウンドにおいて稼働しており、自律的に学習しており、必要であるときにシステム・ユーザにヘルプを提供するように取り組んでいるプロセスである。
【0058】
案件アシスタント・システム１０２に関連して、ＲＰＡワーカ２１２が訓練され、それらに限定されないが、ユーザ・インタフェース２０６を通じて、クライアント・サポート・プロフェッショナル２１０にアシスタンスを提供することができるエリアを識別することを含む、様々なジョブを実行するように構成され、ユーザ・インタフェース２０６は、一実施例では、クライアント・サポート・プロフェッショナルコンピューティング・システム２０２によってアクセス可能である。一実施例では、ＲＰＡワーカ２１２は、リアルタイム又はほぼリアルタイムで、クライアント・サポート・プロフェッショナル２１０にアシスタンスを積極的に提供する。
【0059】
例えば、多くのサービス・プロバイダは、毎日数百のクライアント・サポート・プロフェッショナルによって取り組まれる数千のオープン・クライアント案件を有する。案件アシスタント・システム１０２は、ＲＰＡワーカ２１２を訓練すること及び構成することを有効にし、その結果、ＲＰＡワーカ２１２は、クライアント・サポート・プロフェッショナルに割り振られたオープン・クライアント案件により、クライアント・サポート・プロフェッショナル２１０などの各々のクライアント・サポート・プロフェッショナルを補助するように、クライアント・サービス・システム２０７のバックグラウンドで連続して作用することができる。ＲＰＡワーカ２１２がバックグラウンドで連続して作用していることを理由に、クライアント・サポート・プロフェッショナルは、オープン案件を解決する、最良の解決策を発見するために、数千の履歴ドキュメントを通じて組み合わせる貴重な時間を費やす必要がない。クライアント・サポート・プロフェッショナル２１０などのクライアント・サポート・プロフェッショナルは代わりに、関連する有用情報を見出し、リアルタイム又はほぼリアルタイムでそれをクライアント・サポート・プロフェッショナル２１０の注意に向けるように、案件アシスタント・システム１０２のＲＰＡワーカ２１２に依存することができる。一実施例では、関連する有用情報は、類似案件データ２１３を含み、類似案件データ２１３は、クライアント・サポート・プロフェッショナルが、現在オープン案件への解決策を発見することに関連し得る、類似の、前に解決された案件への根本的原因及び解決策をレビューすることを有効にする。一実施例では、関連する有用情報は、エキスパート・データ２１４を含み、エキスパート・データ２１４は、クライアント・サポート・プロフェッショナルが、他のエキスパートを協働して、現在オープン案件への解決策をより容易に発見することを有効にする、前に解決された類似案件を有する熟練エキスパートを識別する。一実施例では、関連する有用情報は、例外データ２１５を含み、例外データ２１５は、チームメンバが利用不能になり、現在オープン案件を効率的に解決するために置き換えられる必要がある場合、クライアント・サポート・プロフェッショナルを警告するように機能する。
【0060】
一実施例では、クライアント・サポート・プロフェッショナル２１０は、現在オープン案件の効率的な解決によりクライアント・サポート・プロフェッショナルを支援するために、クライアント・サポートシステムのユーザ・インタフェースを通じてリアルタイムで、類似案件、熟練エキスパート、及びビジネス例外のうちの１つ以上に関連するデータが提供される。一実施例では、個々のＲＰＡワーカ２１２に割り振られたジョブは、それらに限定されないが、クライアント・サポート・プロフェッショナル２１０に割り振られた現在オープン案件に類似する履歴的クローズ済み案件ドキュメントを発見することと、クライアント・サポート・プロフェッショナル２１０に割り振られた現在オープン案件と関連付けられた特定の技術的エリア内で熟練したエキスパートを発見することと、ビジネス実施例外を発見し、ビジネス例外に関してクライアント・サポート・プロフェッショナル２１０を警告することと、などのジョブを含む。それらの３つのジョブタイプが本開示において十分に議論されると共に、必要に応じて、多くの追加のジョブタイプをＲＰＡワーカ２１２に割り振ることができることを認識されるべきである。
【0061】
よって、１つのＲＰＡワーカ２１２は、類似案件データ２１３を生成するためにドキュメント類似性ファインダ２１６を利用するように構成されることができ、１つのＲＰＡワーカ２１２は、エキスパート・データ２１４を生成するために熟練エキスパート・ファインダ２２８を利用するように構成されることができ、１つのＲＰＡワーカ２１２は、例外データ２１５を生成するためにビジネス例外ファインダ２３８を利用するように構成されることができ、追加のＲＰＡワーカは、必要に応じて他のジョブを実行するように構成されることができる。それらの３つの又はそれよりも多くのＲＰＡワーカ２１２は、それらに限定されないが、クライアント・サービス・システム２０７によって扱われる全体的な案件負荷などの因子に応じて、いずれかの所望の量においてクローンされることができる。ＲＰＡワーカ２１２は次いで、クライアント・サービス・システム２０７のユーザ・インタフェース２０６を通じて、クライアント・サポート・プロフェッショナル２１０に、類似案件データ２１３、エキスパート・データ２１４、及び例外データ２１５を積極的に提供することができる。
【0062】
その結果、ＲＰＡワーカ／プロセスの利用は、本明細書で開示されるように、案件アシスタント・システム１０２によってクライアント・サポート・プロフェッショナル２１０に提供されるアシスタンスの効率性、品質、及びスケーラビリティが増大することを結果としてもたらす。加えて、ＲＰＡワーカが本明細書で十分に議論されるが、本出願時点で既知であり、及び／又は出願後に後に開発されるように、ＲＰＡワーカとして類似の機能を実行するいずれかのタイプのプロセス、プログラム、及び／又は機能を利用することができることが当業者によって明白であるはずである。
【0063】
図２Ａに示されるように、一実施例では、案件アシスタント・システム１０２は、類似案件データ２１３、エキスパート・データ２１４、及び例外データ２１５の形式において貴重なデータを提供することによって、クライアント・サポート・プロフェッショナル２１０を支援する。一実施例では、類似案件データ２１３は、ドキュメント類似性ファインダ２１６によって生成され、エキスパート・データ２１４は、熟練エキスパート・ファインダ２２８によって生成され、例外データ２１５は、ビジネス例外ファインダ２３８によって生成され、それらの各々は、以下で追加的に詳細に議論される。
【0064】
一実施例では、案件アシスタント・システム１０２のドキュメント類似性ファインダ２１６は、クライアント・サポート・プロフェッショナル２１０によって取り組まれるオープン案件に類似する１つ以上のクライアントから、クローズ済み案件の存在に対して、クライアント・サポート・プロフェッショナル２１０などのサポート・プロフェッショナルを警告するために、１つ以上のＲＰＡワーカ２１２によって利用される。一実施例では、案件アシスタント・システム１０２のドキュメント類似性ファインダ２１６は、数個のプロセス・サブ・システムを含み、数個のプロセス・サブ・システムは共に、クライアント・サポート・プロフェッショナル２１０によって取り組まれる現在オープン案件に類似する履歴的クローズ済み案件を識別するように機能する。例えば、図２Ａに表される実施例では、ドキュメント類似性ファインダ２１６は、ベクトル・データ・コレクタ２１８、トークナイザ２２０、ストップ・ワード・リムーバ２２２、関連性ファインダ２２４、及び類似性ファインダ２２６を含み、それらの各々は、以下で追加的に詳細に議論される。
【0065】
一実施例では、案件受け入れ＆管理システム２４０は、１つ以上のコンピューティング・システム及びデータベースを表し、１つ以上のコンピューティング・システム及びデータベースを通じて、サービス・プロバイダのための販売員は、販売を理解及び記録し、履歴的タスク及び現在のタスクの両方、プロジェクト、又は案件のための契約及び実行を追跡し、新たに来るタスク、プロジェクト、又は案件を調整し、進行中の実行及びマイルストーンを追跡し、クライアントフィードバック及び満足を記録し、本明細書で議論若しくは例示されるように、及び／又は出願時に本分野において既知であるように、及び／又は出願後に既知にされ若しくは利用可能にされるようないずれかの他のクライアント受け入れ＆顧客関係管理機能を実行する。
【0066】
一実施例では、案件受け入れ＆管理システム２４０は、案件受け入れ＆管理データベース２４２を含む。一実施例では、案件受け入れ＆管理データベース２４２は、履歴的クローズ済み案件データ２４８を含む。一実施例では、履歴的クローズ済み案件データ２４８は、集約されたデータであり、それらに限定されないが、クローズ済み案件サブジェクト、クローズ済み案件記述、クローズ済み案件要約、クローズ済み案件と関連付けられた製品名、クローズ済み案件と関連付けられた製品ライン、クローズ済み案件と関連付けられたモジュール、スキル、及び経験、クローズ済み案件根本的原因、クローズ済み案件解決策、クローズ済み案件を解決する責任を有するクライアント・サポート・プロフェッショナル、クローズ済み案件通信＆コメントデータ、クローズ済み案件解決時間、クローズ済み案件と関連付けられたクライアント、クローズ済み案件クライアント満足レビュー・データ、クローズ済み案件クライアント関係管理データ、並びに／或いは、本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に既知にされ若しくは利用可能にされるようないずれかの他の履歴案件データ、などの案件履歴データを含む。
【0067】
一実施例では、案件受け入れ＆管理データベース２４２は更に、現在オープン案件データ２４６を含む。一実施例では、現在オープン案件データ２４６は、それらに限定されないが、タスク、プロジェクト、又は案件の名前；タスク、プロジェクト、又は案件が実行されることになるクライアントの名前；タスクに割り振られた１つ以上のクライアント・サポート・プロフェッショナルの名前；タスク、プロジェクト、又は案件の優先度；タスク、プロジェクト、又は案件と関連付けられたクライアントの優先度；タスク、プロジェクト、又は案件と関連付けられたジョブ機器タイプ又は製品ライン；タスク、プロジェクト、又は案件と関連付けられたジョブ機器タイプ又は製品ラインと共に含まれるいずれかの部分構成要素；タスク、プロジェクト、又は案件のタイプ；タスク、プロジェクト、又は案件の複雑度；タスク、プロジェクト、又は案件と関連付けられたクライアントがエスカレートされたクライアント又は戦略的クライアントであるかどうか；クライアント及び／若しくはタスク、プロジェクト、又は案件と関連付けられたデータのいずれかの調査又はレビュー・データの平均；クライアントの地理的位置又はタスク、プロジェクト、若しくは案件が実行されることになる地理的位置；クライアントの位置及び／又はタスク、プロジェクト、若しくは案件が実行されることになる位置と関連付けられたタイム・ゾーン；並びに／或いは、本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に利用可能にされるようないずれかの他の現在オープン案件データ、を表すデータを含む。
【0068】
一実施例では、案件受け入れ＆管理データベース２４２は更に、クライアント・データ２４４を含む。一実施例では、クライアント・データ２４４は、集約されたクライアント・データであり、それらに限定されないが、クライアントの名前；クライアントの優先度；クライアントと関連付けられた機器又は製品ラインのタイプ；クライアント及び／又はクライアントの代わりに実行されるタスク、プロジェクト、又は案件と関連付けられたいずれかの契約上の義務及び／又は要件；クライアントがエスカレートされたクライアント又は戦略的なクライアントであるかどうか；クライアントと関連付けられたいずれかの調査又はレビュー・データの平均；クライアント関係性履歴；クライアントの地理的位置；クライアントの位置と関連付けられたタイム・ゾーン；並びに／或いは、本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に利用可能にされ若しくは既知にされるようないずれかの他のクライアント・データ、を表すデータを含むことができる。
【0069】
一実施例では、それらに限定されないが、履歴的クローズ済み案件データ２４８、現在オープン案件データ２４６、及びクライアント・データ２４４の全て又は一部を含む、案件受け入れ＆管理データベース２４２に記憶されたデータの全て又は一部は、ドキュメント類似性ファインダ２１６、熟練エキスパート・ファインダ２２８、及び／又はビジネス例外ファインダ２３８など、案件アシスタント・システム１０２の他の構成要素によるアクセス及び使用のために提供される。
【0070】
一実施例では、それらに限定されないが、履歴的クローズ済み案件データ２４８、現在オープン案件データ２４６、及びクライアント・データ２４４の全て又は一部を含む、案件受け入れ＆管理データベース２４２に記憶されたデータの全て又は一部は、クライアント・サポート・プロフェッショナル２１０によって取り組まれる現在オープン案件と類似する履歴的クローズ済み案件を識別することを目的にドキュメント類似性ファインダ２１６に提供される。
【0071】
【0072】
図３Ａは、一実施例に係る、案件アシスタント・システムのドキュメント類似性ファインダ２１６のブロック図である。
【0073】
ここで、案件アシスタント・システム１０２のドキュメント類似性ファインダ２１６の一実施例を共に表す、図２Ａ及び図３Ａを参照して、ドキュメント類似性ファインダ２１６の数個のサブ・プロセスがここで議論される。
【0074】
履歴的クローズ済み案件データ２４８が有意なデータ値を載せ、有意なデータ値は、殊に、現在オープン案件データ２４６及び履歴的クローズ済み案件データ２４８が、クライアント・データ２４４によって表される同一のクライアントと関連付けられる状況では、現在オープン案件データ２４６によって表される現在オープン案件を解決するために有意であることが多い、ことに最初に留意されるべきである。案件受け入れ＆管理データベース２４２から貴重なデータ・アセットをサーチし、現在オープン案件データ２４６を履歴的クローズ済み案件データ２４８と相関付けることが、現在オープン案件のバックグラウンドを理解するための標準的なエンジニアの慣行である。しかしながら、上記議論されたように、この慣行は、非常にコストがかかることがあり、時間を要することがあり、効率的でないことがある。その結果、クライアント・データ２４４によって識別されたクライアントと関連付けられた案件のために、現在オープン案件データ２４６と並んで処理する履歴的クローズ済み案件データ２４８から類似案件データ２１３を積極的に識別するためにＲＰＡワーカ２１２を利用することは、類似案件データ２１３の識別を結果としてもたらすことができ、一実施例では、クライアント・サポート・プロフェッショナル２１０の生産性の著しい強化を提供することができる。１つの例示的な実例として、上記議論されたように、ＲＰＡワーカ２１２は、常に、クライアント・サービス・システム２０７のバックグラウンドで稼働し、クライアント・サポート・プロフェッショナル２１０によって取り組まれる現在オープン案件と類似する履歴的クローズ済み案件を探すように構成されることができ、その結果、クライアント・サポート・プロフェッショナル２１０は、類似案件データ２１３を手動で探す貴重な時間及びエネルギーを費やす必要がない。
【0075】
一実施例では、ＲＰＡワーカ２１２は、案件データ及び非案件データの両方を収集するように、クライアント・サービス・システムのバックグラウンドで連続して取り組む。一実施例では、従業員の可用性及び作業負荷などの案件／従業員因子は、案件アシスタント・システム１０２の機能性に関連する。一実施例では、従業員の可用性及び作業負荷などの案件／従業員因子は、案件アシスタント・システム１０２の機能性に関連しない。個々の案件／従業員因子が案件アシスタント・システム１０２の適切な機能性に関連するか否かに関わらず、一実施例では、集約された案件／従業員／雇用者データは、ドキュメントの間の類似性を識別するために有益であることができるベクトルを生成するように処理され、類似性は、オープン案件を効率的且つ成功して解決することにおいてクライアント・サポート・プロフェッショナルを支援する。
【0076】
案件アシスタント・システム１０２のコンテキストにおける潜在的に有益なベクトル及び／又はベクトル成分／変数の実例は、それらに限定されないが、クライアント・サポート・プロフェッショナルの有給休暇（ＰＴＯ：paid time off）の日時；クライアント・サポート・プロフェッショナルのステータスをアクティブ若しくはインアクティブとして定義する属性；並びに／又はサポート・プロフェッショナルの案件負荷及びマイルストーンを定義する属性、を含む。案件アシスタント・システム１０２のドキュメント類似性ファインダ２１６に特に重要なのは、案件記録から取り出されたドキュメント要約データであり、案件記録は、様々な実施例では、それらに限定されないが、案件サブジェクト、案件記述、案件サイズ、案件フォーマット、案件解決策、根本的原因、製品名前、及び製品モジュール、などのデータを含む。
【0077】
図３Ａによって提供される例示的な実例では、一実施例では、ドキュメント類似性ファインダ２１６の第１のサブ・プロセスは、ベクトル・データ・コレクタ２１８を含む。一実施例では、ベクトル・データ・コレクタ２１８は、クライアント・サービス・システム２０７の案件受け入れ＆管理システム２４０にアクセスする。上述したように、一実施例では、案件受け入れ＆管理システム２４０は、案件受け入れ＆管理データベース２４２を含む。一実施例では、案件受け入れ＆管理データベース２４２は、クライアント・データ２４４、現在オープン案件データ２４６、及び履歴的クローズ済み案件データ２４８を含む。
【0078】
一実施例では、ベクトル・データ・コレクタ２１８は、数個の定義されたベクトルについて、ソース・システムからデータを収集するコア統合プログラムである。様々な実施例では、ベクトル・データ・コレクタ２１８は、データを収集／集約するだけでなく、収集されたデータをフィルタ及びフォーマットをもする。一実施例では、ベクトル・データ・コレクタ２１８は、案件アシスタント・システム１０２のドキュメント類似性ファインダ２１６によって利用される様々な機械学習構成要素によってどのデータ要素が必要であるかを判定するように、データを分析及び処理する。一実施例では、ベクトル・データ・コレクタ２１８は、案件受け入れ＆管理データベース２４２からデータを取り出す。一実施例では、ベクトル・データ・コレクタ２１８によって取り出されたデータは、それらに限定されないが、現在オープン案件データ２４６、履歴的クローズ済み案件データ２４８、及びクライアント・データ２４４によって表されるような、クライアント及びクライアント案件の詳細を含み得る。
【0079】
様々な実施例では、高度に有益なデータは、案件の事項に関連するデータなどの案件受け入れ＆管理データベース２４２及びクライアントドキュメント／記録からベクトル・データ・コレクタ２１８によって収集される。一実施例では、このデータは、フォーマットされていないテキスト・データを含む案件ドキュメント／記録から導出される。一実施例では、ベクトル・データ・コレクタ２１８は、現在オープン案件データ２４６、履歴的クローズ済み案件データ２４８、及びクライアント・データ２４４と関連付けられたフォーマットされていないテキスト・データを集約及び処理し、その結果、案件アシスタント・システム１０２の様々なサブ・システム及びＲＰＡワーカ／プロセスによってデータをより効率的に利用することができる。一実施例では、案件及びクライアント・データを処理することは、案件及びクライアント・データをフィルタし及びフォーマットすることを含む。一実施例では、このデータ処理は、集約されたオープン案件ベクトル・データ及び集約されたクローズ済み案件ベクトル・データを結果としてもたらし、集約されたオープン案件ベクトル・データ及び集約されたクローズ済み案件ベクトル・データは、一実施例では、個々のＲＰＡワーカに、それらの割り振られた機能を適切に実施するためにそれらが必要とする特定のデータ要素を提供するように構造化されている。
【0080】
一実施例では、ベクトル・データ・コレクタ２１８が、集約されたオープン案件ベクトル・データ及び集約されたクローズ済み案件ベクトル・データを生成するように、クライアント及び／又は案件データを集約及び処理すると、ベクトル・データ・コレクタ２１８は次いで、集約されたオープン案件ベクトル・データ及び集約されたクローズ済み案件ベクトル・データをトークナイザ２２０に渡し、トークナイザ２２０は、案件ベクトル・データを個々のトークンへとパースする。
【0081】
一実施例では、トークナイザ２２０は、集約されたクローズ済み案件ベクトル・データ及び集約されたオープン案件ベクトル・データのドキュメント、ページ、段落、又はセンテンスを、個々のワード、ワードのグループ、句読点、数値、並びに／又はいずれかの他のタイプのフレーズ及び／若しくは用語など、より小さな単位にパースする。一実施例では、ワードのグループ化は、バイグラム（２ワード）及び／又はトリグラム（３ワード）を含み得る。本明細書で議論されるように、それらのより小さな単位の各々は、トークンと呼ばれる。案件アシスタント・システム１０２の性能を最適化するために、案件が解決され／クローズされるとき、現在クローズされた案件に関連する、関連する案件データは、履歴的クローズ済み案件データ２４８に変換される。一実施例では、クライアント・サポート・プロフェッショナル２１０によって取り組まれるオープン案件に関連する現在オープン案件データ２４６と、前にクローズされた案件に関連する履歴的クローズ済み案件データ２４８の両方は次いで、トークナイザ２２０に渡される。このようにして、案件がクローズされるときはいつでも、又はクローズ済み案件に対して更新があるときはいつでも、案件アシスタント・システム１０２は、関連する案件トークンを自動でリフレッシュする。一実例として、履歴的クローズ済み案件と関連付けられた根本的原因又は解決策が見出される場合及び見出されるとき、案件アシスタント・システム１０２は、クローズ済み案件と関連付けられた履歴的クローズ済み案件データ２４８を更新する。一実施例では、履歴的クローズ済み案件データ２４８の更新は、リアルタイム又はほぼリアルタイムで行われる。
【0082】
一実施例では、パース・オペレーションを実行するとき、トークナイザ２２０は、データのコンテキストを定義する点で、値を潜在的に提供しない多くのワードを除去する。この目的のために慣習的なトークナイザを使用することができるが、慣習的なトークナイザは、現在オープン案件データ２４６及び履歴的クローズ済み案件データ２４８と関連付けられたドキュメントの主題に関連して、トークンのコンテキストを信頼して判定する能力を現在有さない。一実例として、慣習的なトークナイザは、ビジネス・コンテキストを確立する際に実際には有益でない多くのワード／トークンを残すことが多く、又はそれらは、ビジネス・コンテキストを確立する際に実際に有益であるワードを除去し得る。したがって、慣習的なトークナイザは、案件データと関連付けられたドキュメントのビジネス・コンテキストを識別するようにトークンを処理する点で有益な結果を提供することが容易に可能ではない。以下で追加的に詳細に議論されるように、現在の案件及び／又は履歴的案件と関連付けられたドキュメント及び／又はファイルのビジネス・コンテキストを確立することは、本明細書で開示される発明の必須の部分である。
【0083】
一実施例では、トークナイザ２２０が１つ以上のドキュメントをトークンへとパースすることを終了すると、トークン化されたオープン案件ベクトル・データ及びトークン化されたクローズ済み案件ベクトル・データは次いで、ストップ・ワード・リムーバ２２２に渡され、ストップ・ワード・リムーバ２２２は、案件のビジネス・コンテキストを判定する際に有益でないトークン化された案件ベクトル・データからワードを除去するための一意なツー・パス・プロセスを利用する。
【0084】
図３Ｂは、一実施例に係る、案件アシスタント・システムのドキュメント類似性ファインダ２１６によって使用されるストップ・ワード・リムーバ２２２のブロック図である。
【0085】
ここで図３Ａ及び図３Ｂを共に参照して、様々な実施例では、ドキュメント類似性ファインダ２１６のストップ・ワード・リムーバ２２２は、ツー・パス・プロセスを含む。一実施例では、ツー・パス・プロセスは、ストップ・ワード・リムーバ・パス・ワン３１０、及びストップ・ワード・リムーバ・パス・ツー３１２を含む。一実施例では、ストップ・ワード・リムーバ・パス・ワン３１０は、トークナイザ２２０から受信されたトークン・ベクトルからストップ・ワードを除去するために、標準的な自然言語ツール・キット（ＮＬＴＫ）機能を利用する。１つの例示的な実例として、標準的なストップ・ワード除去では、リストＡを有し得、リストＡは次いで、リストＢを得るためにＭＬモデルにフィードされ、リストＢは、リストＡのより意味を持つサブセットである。この標準的なストップ・ワード除去は、第１のレベルのストップ・ワード除去として、合理的なフィルタを提供する。しかしながら、標準的なストップ・ワード除去はなお、案件のビジネス・コンテキストを確立するために有益であるトークンを信頼して識別する点で、品質結果を提供することができない。したがって、ストップ・ワード・リムーバ２２２の性能を最適化するために、ストップ・ワード・リムーバ・パス・ツー３１２は、「イグノア・リスト」構築によりＭＬモデルを訓練するために、訓練データ３０２に従って教師あり機械学習（ＭＬ）技術３０４を利用するように設計される。「イグノア・リスト」は、ストップ・ワード・リムーバ・パス・ワン３１０によって見落とされた場合がある、案件データから追加の無関係の又はあまり重要でないトークンを除去するように機能する。訓練データ３０２に従って教師あり機械学習技術３０４を利用することは、ストップ・ワード・リムーバ２２２がますます多くの案件により使用されるにつれて、「イグノア・リスト」が継続して学習及び拡大することを可能にし、それが訓練され続けるにつれて、ＭＬモデルがますます洗練して成長する。一実施例では、ストップ・ワード・リムーバ・パス・ツー３１２はまた、「クオリファイヤ・リスト」を含み、「クオリファイヤ・リスト」は、「イグノア・リスト」の逆を行い、最初の自動化パスにおいて誤って無視された場合があるビジネス・コンテキストワードを追加する。様々な実施例では、ストップ・ワード・リムーバ２２２は更に、ストップ・ワード訓練ユーザ・インタフェース３１４を含み、ストップ・ワード訓練ユーザ・インタフェース３１４は、ユーザが、訓練プロセスを監督することを可能にする。
【0086】
ここで図３Ａに戻り、一実施例では、ストップ・ワード・リムーバ２２２が、一意なツー・ステップ・プロセスに基づいてトークン化されたオープン案件ベクトル・データ及びトークン化されたクローズ済み案件ベクトル・データをフィルタすると、ストップ・ワード・リムーバ２２２は次いで、結果として生じるフィルタされたオープン案件ベクトル・データ及びフィルタされたクローズ済み案件ベクトル・データを関連性ファインダ２２４に渡し、関連性ファインダ２２４は、一実施例では、フィルタされたオープン案件ベクトル・データ及びフィルタされたクローズ済み案件ベクトル・データによって表されるクローズ済み案件及びオープン案件のビジネス・コンテキストを識別するための一意なツー・パス・プロセスを含む。
【0087】
図３Ｃは、一実施例に係る、案件アシスタント・システムのドキュメント類似性ファインダ２１６によって使用される関連性ファインダ２２４のブロック図である。
【0088】
ここで図３Ａ及び図３Ｃを共に参照して、様々な実施例では、ドキュメント類似性ファインダ２１６の関連性ファインダ２２４も、ツー・パス・プロセスを含む。一実施例では、関連性ファインダ２２４によって利用されるツー・パス・プロセスは、関連性ファインダ・パス・ワン３１６、及び関連性ファインダ・パス・ツー３１８を含む。このツー・パス・プロセスは、どのように関連するトークンがドキュメント内にあるかに基づいて、ストップ・ワード・リムーバ２２２によって識別された各々のコンテキスト・トークンに、いくつかの実施例では、０～１の数字である、関連性重みを割り振る。
【0089】
一実施例では、関連性ファインダ・パス・ワン３１６は、フィルタされたオープン案件ベクトル・データ及びフィルタされたクローズ済み案件ベクトル・データのトークンの初期の重みを識別するために、ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ－ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ（ＴＦ－ＩＤＦ）を使用する。ＴＦ－ＩＤＦは、ドキュメント内で特定のワード又はフレーズが何回利用されるかと共に、ワードの間の関連付けなどの因子に注目する。例えば、ワードが何回あるかだけではなく、コンテキストに設定されたいずれかの関連するワードがあるかどうかにも基づいて、コンテキストが構築される。１つの例示的な実例として、２つのトークンが「スプレッドシート」及び「Ｍｉｃｒｏｓｏｆｔ Ｅｘｃｅｌ」であると想定する。ＴＦ－ＩＤＦは、関連性を判定するために、それらのトークンの間のセマンティックの関連付けに注目し、関連する類似のワードを発見するために、コサイン類似性空間内のワードを関係付ける。ストップ・ワード・リムーバ・パス・ワン３１６は次いで、トークン重みリストを生成し、トークン重みリストを関連性ファインダ・パス・ツー３１８に渡す。
【0090】
一実施例では、関連性ファインダ・パス・ツー３１８は、トークンの重みを更に精緻化するための「ビジネス・コンテキスト・エンリッチメント」プロセスに、関連性ファインダ・パス・ワン３１６によって生成されたトークン重みリストを渡す。例えば、トークンが、エンタプライズ・リソース・プランニング（ＥＲＰ）製品／モジュール名、フォーム名、報告名、又はプロセス名である場合、それらのタイプのトークンがより正確な問題のビジネス・コンテキストを定義することを理由に、それらのトークンの重みは、関連性ファインダ・パス・ツー３１８によって増大する。例えば、ＥＲＰ製品／モジュール名を含むトークンは、「スプレッドシート」又は「ログファイル」などのトークンと比較して、合致する問題又は解決策のコンテキストにより関連する可能性が高い。
【0091】
一実施例では、教師あり学習方法３０４及び訓練データ３０２は、ビジネス・コンテキスト・リストを強化するために利用される。関連性訓練ユーザ・インタフェース３２０は、それらが遭遇し、既存のビジネス・コンテキスト・リストに存在しないように、及びそのときに、ビジネス・ワードをフィードする（又は、タグ付ける）オプションをユーザに提供するように設計される。様々な実施例では、初期のビジネス・コンテキスト・リストは、ビジネスによってサポートされると知られる数千の製品及びモジュール名を含む。一実施例では、関連性ファインダ２２４は、重み付けられたオープン案件ベクトル・データ及び重み付けられたクローズ済み案件ベクトル・データを生成し、重み付けられたオープン案件ベクトル・データ及び重み付けられたクローズ済み案件ベクトル・データは次いで、ドキュメント類似性ファインダ２１６の類似性ファインダ２２６に渡される。
【0092】
ここで図３Ａに戻り、一実施例では、類似性ファインダ２２６は、クライアント・サポート・プロフェッショナルによって取り組まれるオープン案件と類似する履歴的クローズ済み案件のランク付けられたリスティングに、重み付けられたオープン案件ベクトル・データ及び重み付けられたクローズ済み案件ベクトル・データを変換する、１つ以上の類似性発見プロセスを利用する。様々な実施例では、類似性ファインダ２２６は、現在オープン案件に類似する履歴的クローズ済み案件を発見する際の重要なプロセスである。一実施例では、同一のクライアントからの案件のみが、類似のドキュメントを識別するときに考慮される。一実施例では、複数のクライアントと関連付けられた案件は、類似のドキュメントを識別するときに考慮され得る。一実施例では、類似性ファインダ２２６は、類似性において最高から最低に履歴的クローズ済み案件をランク付け、１のランク付け＝１００％の類似性であり、０のランク付け＝０％の類似性である。一実施例では、類似性閾値は、ドキュメント類似性ファインダ２１６のために必要な類似性値を判定して、クライアント・サポート・プロフェッショナルに類似案件を示唆するために設定される。
【0093】
様々な実施例では、ドキュメント類似性ファインダ２２６の精度は、関連性ファインダ２２４によって生成された重み付けられたオープン案件ベクトル・データ及び重み付けられたクローズ済み案件ベクトル・データによって表されるように、前のドキュメント類似性ファインダ２１６のオペレーションから生成されたトークンの品質及びそれらの重みに大いに依存する。ドキュメント類似性ファインダ２２６の精度はまた、ビジネス・コンテキストが、「Ｓａｌｅｓ Ｏｒｄｅｒ」又は「Ｐｕｒｃｈａｓｅ Ｏｒｄｅｒ」などのワードがどのように流され、常にともに維持されるかのみによって定義されることが多いので、バイグラム（２ワード）及びトリグラム（３ワード）トークンがどのように組み立てられるかに依存する。
【0094】
一実施例では、類似性ファインダ２２６の性能を改善するために、データが分離される。例えば、類似性ファインダ２２６が評価する数千の案件を有する場合、類似性ファインダ２２６は、類似のビジネス・コンテキストを発見する機会が、同一の製品名と関連付けられた案件に対してより高いので、同一の製品名と関連付けられた案件を最初に調査する。一実施例では、類似性閾値を満たす案件ドキュメントが同一の製品名を有する案件に対して発見されない場合、類似性ファインダ２２６は次いで、同一の製品ライン内の案件に注目し得る、などである。
【0095】
一実施例では、類似性ファインダ２２６の設計は、類似性発見プロセスの動的選択に大きく基づいている。類似性発見プロセスを手動で選択することができると共に、類似性ファインダ２２６も、それらに限定されないが、案件問題のコンテキスト、比較されるドキュメントの数、各々のドキュメントのサイズ、各々のドキュメント内のページの数、各々のドキュメント内の段落の数、各々のドキュメント内のワードの数、各々のドキュメントのファイル・タイプと共に、各々のドキュメントに対して関連性ファインダ２２４によって発見された関連するワードの数、などの因子に基づいて、使用する最良の類似性発見プロセスを動的に選択することが可能である。
【0096】
例えば、１つのタイプの類似性発見プロセスは、大きなドキュメントに対して最良に取り組み得ると共に、異なる類似性発見プロセスは、小さいドキュメントに対して最良に取り組み得る。代わりに、又は加えて、１つの類似性発見プロセスは、発見された関連するワードの数が多いときにより良好な結果を与え得ると共に、異なる類似性発見プロセスは、発見された関連するワードの数が少ないときにより良好な結果を与え得る。様々な実施例では、類似性ファインダ２２６によって利用されるＭＬモデルは、以下のオプション：コサイン類似性アルゴリズム；Ｊａｃｃａｒｄ類似性アルゴリズム；及びＬＳＡ類似性アルゴリズムから、類似性発見プロセスを動的に選択する。様々な他の実施例では、案件ドキュメントの間の類似性を判定するために、本明細書で議論されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に開発され若しくは既知にされるような他のアルゴリズム及び／又はプロセスを利用することができる。
【0097】
図３Ｄは、一実施例に係る、コサイン類似性測定３２２の例示的な表現である。
【0098】
様々な実施例では、コサイン類似性アルゴリズムは、多次元空間に投影された２つのベクトルの間の角度のコサインを測定し、２つのベクトルの間の角度が小さいと、主題がより類似する。本開示のいくつかの実施例によって利用されるコサイン類似性数学式の１つのバージョンは、
である。
【数1】
【数2】
である。
【0099】
図３Ｅは、一実施例に係る、トークン類似性を検出するために利用されるベクトル空間モデル３２４の例示的な記述である。
【0100】
様々な実施例では、Ｊａｃｃａｒｄ類似性アルゴリズムは、一実施例では、２つの組の和集合のサイズによって除算された交差のサイズとして定義されるＩｎｔｅｒｓｅｃｔｉｏｎ ｏｖｅｒ Ｕｎｉｏｎの比率を取ることによって２つの有限サンプルセットの間の類似性を測定する。本開示のいくつかの実施例によって利用されるＪａｃｃａｒｄ類似性数学式の１つのバージョンは、
である。
【数3】
である。
【0101】
いくつかの実施例では、潜在意味解析（ＬＳＡ）に基づく類似性アルゴリズムが利用され得る。いくつかの実施例では、ＬＳＡは、それらが含むドキュメント及び用語のセットの間の関係性を分析するために、ドキュメント内の用語の出現を記述した、ドキュメント－用語マトリックスを使用する。
【0102】
ここで図３Ａ、３Ｂ、及び３Ｃを共に参照して、上記議論されたように、ストップ・ワード・リムーバ２２２、関連性ファインダ２２４、及び類似性ファインダ２２６は各々、ストップ・ワード除去、関連性発見、及び類似性発見において支援するように、様々な機械学習モデルを訓練するために、訓練データ３０２に従って、それらに限定されないが、教師あり学習方法３０４などの様々な機械学習方法を利用する。様々な実施例では、図３Ｂのストップ・ワード訓練ユーザ・インタフェース３１４及び図３Ｃの関連性訓練ユーザ・インタフェース３２０などの機械学習ユーザ・インタフェースは、ユーザが、開示される実施例によって利用される様々な機械学習モデルの訓練を監視することを有効にする。
【0103】
図３Ｆは、一実施例に係る、関連性ファインダ２２４及び類似性ファインダ２２６によって利用される訓練データ３０２の例示的な実例である。
【0104】
ここで図２Ａ及び図３Ａを共に参照して、一実施例では、ユーザ・インタフェース２０６は、クライアント・サポート・プロフェッショナル２１０に提供されるユーザ・インタフェース２０６などの１つ以上のエンド・ユーザ・インタフェースを含み得る。一実施例では、類似性ファインダ２２６の出力は、クライアント・サポート・プロフェッショナル２１０によって取り組まれる１つ以上の現在オープン案件に類似であるとドキュメント類似性ファインダ２１６によって発見された履歴的クローズ済み案件のランク付けられたリスティングである。一実施例では、ＲＰＡワーカ２１２は、クライアント・サービス・システム２０７のユーザ・インタフェース２０６を通じて、クライアント・サポート・プロフェッショナル２１０に類似案件データ２１３を提供する。一実施例では、ランク付けられた類似案件データ２３２は、以下で追加的に詳細に議論されるように、熟練エキスパート・ファインダ２２８に提供される。
【0105】
再度図３Ａを参照して、一実施例では、ドキュメント類似性ファインダ２１６も、ルール＆制約層３０６及びマスタ・データ＆セキュリティ層３０８を含む。アプリケーション・インフラストラクチャの一部として、データの一部の構成が処理されることを可能にし、データがどのように処理されるかの構成を可能にし、及びユーザが様々なユーザ・インタフェースのどの部分にアクセスしたかの構成を可能にするために、ルール＆制約層３０６及びマスタ・データ＆セキュリティ層３０８が提供される。例えば、マスタ・データ＆セキュリティ層３０８は、異なるユーザが異なるロールと関連付けられることを可能にするために、ユーザ管理特徴を提供することができ、マスタ・データ＆セキュリティ層３０８も、例えば、スケジュールされたジョブをどのくらいの頻度で実行するかの統合オプションを制御することができる。いくつかの実施例では、データがリアルタイムで更新及び処理され得ると共に、他の実施例では、データ処理ジョブが、毎時、毎日など、特定の間隔においてスケジュールされ得る。
【0106】
ルール＆制約層３０６に関して、それらに限定されないが、以下の表に示されるものなど、様々なパラメータを構成することができる。
【表1】
【0107】
上記表に示されるように、ルール＆制約層３０６は、様々な案件因子に応じて、案件アシスタントによって利用されるＲＰＡワーカの数を容易にスケーリングすることを可能にする。例えば、７×１のＲＰＡワーカの指定は、実行する７の異なるジョブがあることを示し、１のＲＰＡワーカは、各々のジョブに対して示される。より多くのＲＰＡワーカが望まれる場合、これは最大で、案件アシスタント・システムのユーザによって望まれるいずれかの数のジョブに対して、７×１０（７のジョブの各々に対して１０のワーカ）、７×１００（７のジョブの各々に対して１００のワーカ）、又はいずれかの数のワーカであることができる。一実施例では、各々の案件に対して各々のジョブに割り当てるいくつかの案件ワーカを引き起こし、サービス・プロバイダが案件の全てに対するジョブの全てを扱うために十分なコンピュータパワーを有することを保証するために、全体的なサービス・プロバイダ・案件のボリュームが使用される。
【0108】
一実施例では、ルール＆制約層３０６は、１つ以上のＲＰＡワーカ・ジョブ・タイプが有効及び／又は無効にされることを可能にする。例えば、一実施例では、ＲＰＡワーカは、ドキュメント類似性発見、熟練エキスパート発見、及びビジネス例外発見の全てを実行するように構成され得る。一実施例では、ＲＰＡワーカは、ドキュメント類似性発見のみを実行するように構成され得る。例えば、ここでは３つのジョブタイプがリスト表示されると共に、いずれかの数及びタイプのジョブは、ＲＰＡワーカによって実行されるように構成されることができる。
【0109】
一実施例では、ルール＆制約層３０６は、ドキュメント類似性ファインダ２１６の類似性ファインダ２２６によって使用されることになる類似性発見プロセス／アルゴリズムの選択を可能にする。上述したように、様々な実施例では、類似性プロセス／アルゴリズムは、以下のプロセス／アルゴリズム:コサイン類似性アルゴリズム；Ｊａｃｃａｒｄ類似性アルゴリズム；及びＬＳＡ類似性アルゴリズム、並びに／或いは出願時に本分野において既知であるような、及び／又は出願後に開発され若しくは利用可能にされるようないずれかのいずれかの他のプロセス／アルゴリズム、から選択される。一実施例では、ユーザも、類似性プロセス／アルゴリズムの動的選択を構成することができる。一実施例では、コサイン類似性プロセス／アルゴリズムは、使用されるデフォルトのプロセス／アルゴリズムである。
【0110】
一実施例では、ルール＆制約層３０６は、以下で追加的に詳細に議論される、熟練エキスパート・ファインダによる使用のためにチームが定義されることを可能にする。一実施例では、デフォルトにより、チームは、案件所有者、リード・エンジニア、及び案件チームを含むとして定義される。一実施例では、ルール＆制約層３０６は、特定の製品ラインに対して案件アシスタントジョブを有効及び／又は無効にすることを可能にする。
【0111】
ここで図２Ａに戻り、ドキュメント類似性ファインダ２１６が、クライアント・サポート・プロフェッショナル２１０によって取り組まれる１つ以上の現在オープン案件に類似の履歴的クローズ済み案件を識別するとき、類似の履歴的クローズ済み案件の解決の詳細は、現在オープン案件データ２４６によって表される現在オープン案件への解決を発見する際に、極めて貴重である。案件アシスタント・システム１０２のＲＰＡワーカ２１２は、現在オープン案件データ２４６によって表される１つ以上のオープン案件に対して取り組み得るクライアント・サポート・プロフェッショナル２１０に対して極めて有益であり得ることが多い、案件解決への潜在的な機能性解決策の形式において、クライアント・サポート・プロフェッショナル２１０にデータ及びアドバイスを提供することが可能である。
【0112】
更に、類似案件データ２１３がクライアント・サポート・プロフェッショナル２１０に提示されるとき、案件アシスタント・システム１０２は、ＲＰＡワーカ２１２のうちの１つ以上によって提供される類似案件データ２１３が案件の解決において役立ったかどうかについてのフィードバックをクライアント・サポート・プロフェッショナル２１０が提供することを有効にし、次いで、この類似案件フィードバック・データ（図示せず）は、ＲＰＡワーカ２１２によって利用されるＭＬモデル及びプロセス／アルゴリズムに対して訓練データを更に精緻化するために使用されることができる。
【0113】
その結果、ドキュメント類似性ファインダ２１６によって提供されるものなど、案件ドキュメント類似性発見プロセスは、様々な機械学習プロセス／アルゴリズムを使用して、ＲＰＡワーカ２１２によって利用されることができる。更に、ドキュメント類似性ファインダ２１６と関連付けられたＲＰＡワーカ２１２は、構築されることができ、訓練されることができ、構成されることができ、クライアント・サービス・システム２０７などのクライアント・サービス・システムのバックグラウンドにおいて稼働する様々な連続したプロセスと関連付けられることができる。加えて、案件アシスタント・システム１０２のドキュメント類似性ファインダ２１６と関連付けられたＲＰＡワーカ２１２のプロセスは、クライアント・サポート・プロフェッショナル２１０に提供することができるアシスタンスをほぼリアルタイムで連続して探索することが可能である、連続したプロセスである。その結果、ＲＰＡワーカ２１２の利用は、案件アシスタント・システム１０２が、現在オープン案件データ２４６によって表される現在オープン案件の解決によりクライアント・サポート・プロフェッショナルを積極的に支援することを可能にする。一実施例では、ＲＰＡワーカ２１２との組み合わせで案件アシスタント・システム１０２を利用することによって、クライアント・サポート・プロフェッショナル２１０の取り組みの速度、効率性、及び精度が高まり、それによって、クライアント・サポート・プロフェッショナル２１０が、クライアント案件をより急速且つ成功して解決することを可能にする。
【0114】
上記議論されたように、様々な実施例では、案件アシスタント・システム１０２の態様は、定義された境界／ルール＆制約内で取り組むように構成されることができ、定義された境界／ルール＆制約は、ルール＆制約データベース２６０からアクセスされ得、本明細書で説明されるプロセスオペレーションの各々の間に考慮に入れられ得る。類似性アルゴリズム・データ２６２、製品ライン・データ２６４、サポート・チーム・データ２６６、及びＲＰＡデータ２６８を含む、ルール＆制約データベース２６０の詳細が、ドキュメント類似性ファインダ２１６のルール＆制約層３０６に関連して上記議論されてきたと共に、ルール＆制約データベース２６０からのデータも、以下で追加的に詳細に議論される、熟練エキスパート・ファインダ２２８などの案件アシスタント・システム１０２の他の態様によって利用され得る。
【0115】
一実施例では、案件アシスタント・システム１０２の熟練エキスパート・ファインダ２２８は、クライアント・サポート・プロフェッショナル２１０によって取り組まれる現在オープン案件のうちの１つ以上に類似の前に解決された案件を有する熟練エキスパート（例えば、サービス・プロバイダの従業員）の存在に関して、クライアント・サポート・プロフェッショナル２１０などのサポート・プロフェッショナルに警告するために、１つ以上のＲＰＡワーカ２１２によって利用される。熟練エキスパートを識別し、エキスパート・データ２１４を生成すると、熟練エキスパート・ファインダ２２８も、クライアント・サポート・プロフェッショナル２１０とエキスパート・データ２１４によって表される１つ以上の熟練エキスパートとの間の協働を開始するように機能することができる。例えば、案件が解決されるとき、それらは、案件を解決するように取り組んだエキスパートと関連付けられることができる。よって、ドキュメント類似性ファインダ２１６が、現在オープン案件のうちの１つ以上に類似する履歴的クローズ済み案件を識別するとき、熟練エキスパート・ファインダ２２８は、過去に課題を解決した関連付けられたエキスパートを識別するために、ＲＰＡワーカ２１２によって利用されることができる。加えて、熟練エキスパート・ファインダ２２８は、そのスキルが現在オープン案件を解決することに最も関連するエキスパートを識別するために、案件割り振りアドバイザ１０６のスキル・マネージャ１１０を利用することができる。ＲＰＡワーカは次いで、識別された熟練エキスパートによる案件レビューを開始及びオファーするために、ランク付けられた熟練エキスパート・データを提供することができる。識別された熟練エキスパートからのコメントは次いで、内部コメントとして案件自体に保存されることができ、内部コメントは、１つ以上のエキスパートとクライアント・サポート・プロフェッショナル２１０との間の協働機会を改善することに役立ち、よって、案件解決を加速化し及び高める。
【0116】
案件割り振りアドバイザ１０６の実施例の詳細な説明は、本明細書で完全に示されたように、参照によってその全体で以下に組み込まれる、２０１８年１１月１９日に出願され、２０２１年１１月２３日に米国特許第１１，１８２，７０７号として発行された、「ＭＥＴＨＯＤ ＡＮＤ ＳＹＳＴＥＭ ＦＯＲ ＰＲＯＶＩＤＩＮＧ Ａ ＭＵＬＴＩ－ＤＩＭＥＮＳＩＯＮＡＬ ＨＵＭＡＮ ＲＥＳＯＵＲＣＥ ＡＬＬＯＣＡＴＩＯＮ ＡＤＶＩＳＥＲ」と題するＳａｈｎｉらの関連出願、米国特許出願第１６／１９５，６６８号において発見することができる。
【0117】
米国特許第１１，１８２，７０７号において説明された案件割り振りアドバイザは、それらに限定されないが、オープン案件スキル要件、初期の従業員スキル・セット・データ、動的従業員スキル・セット・データ、従業員作業負荷・データ、及び従業員可用性データなどの因子に基づいて、様々な機械学習技術の使用を通じてオープン案件を取り組むように利用可能である推奨された熟練エキスパートに対するシステム及び方法を詳述する。
【0118】
一実施例では、案件アシスタント・システム１０２の熟練エキスパート・ファインダ２２８は、案件割り振りアドバイザ１０６の自律的機械学習プラットフォーム２５２及びスキル・マネージャ１１０によって図２Ａにおいて表される、スキル分析及び管理に特に関連する案件割り振りアドバイザ１０６の特徴の部分を利用する。
【0119】
図２Ｂは、一実施例に係る、案件アシスタント・システム１０２によって利用される案件割り振りアドバイザ１０６と関連付けられた製造環境２００Ｂのブロック図である。
【0120】
一実施例では、製造環境２００Ｂは、案件アシスタント・システム１０２及びサービス・プロバイダ・コンピューティング環境２０５を含む。一実施例では、サービス・プロバイダ・コンピューティング環境２０５は、プロセッサ２０３、物理メモリ２０４、及び案件割り振りアドバイザ１０６を含む。一実施例では、案件割り振りアドバイザ１０６は、自律的機械学習プラットフォーム２５２及び案件受け入れ＆管理システム２４０を含む。
【0121】
一実施例では、自律的機械学習プラットフォーム２５２は、エンタプライズ機械学習（ＭＬ）データベース２７０、スキル・マネージャ１１０、ＭＬエンジン２８０、及びランク付け済みスキル合致従業員データ２３０を含む。一実施例では、エンタプライズＭＬデータベース２７０は、集約済み従業員スキル・セット・データ２７２、現在オープン案件スキル・セット・ベクトル・データ２７４、初期スキル・セット合致従業員データ２７６、及び正規化済み従業員スキル・セット・ベクトル・データ２７８を含む。一実施例では、スキル・マネージャ１１０は、雇用者ビジネス・データベース２５６を含み、雇用者ビジネス・データベース２５６は更に、従業員ＨＲデータ２５５、初期従業員スキル・セット・データ２５７、及び動的従業員スキル・セット・データ２５９を含む。一実施例では、ＭＬエンジン２８０は、前処理モジュール２８２及びスキル合致＆正規化＆ランク付けモジュール２８４を含む。一実施例では、案件受け入れ＆管理システム２４０は、案件受け入れ＆管理データベース２４２を含み、案件受け入れ＆管理データベース２４２は更に、クライアント・データ２４４、現在オープン案件データ２４６、及び履歴的クローズ済み案件データ２４８を含む。
【0122】
様々な実施例では、案件アシスタント・システム１０２は、その割り振られたタスクを実行し、ユーザにそのそれぞれの機能を提供するために、様々な修正と共に、案件割り振りアドバイザ１０６及び自律的機械学習プラットフォーム２５２の構成要素及び機能の全て又は一部を使用する。現在の開示の１つの焦点は、現在オープン案件を解決することによりクライアント・サポート・プロフェッショナルを支援する熟練エキスパートを識別する際の使用のために、案件アシスタント・システム１０２にランク付け済みスキル合致従業員データ２３０を提供する目的のために、案件アシスタント・システム１０２との案件割り振りアドバイザ１０６及び自律的機械学習プラットフォーム２５２の相互作用に対するものである。
【0123】
この目的のために、図２Ｂにおいて見られるように、一実施例では、自律的機械学習プラットフォーム２５２は、エンタプライズＭＬデータベース２７０及びＭＬエンジン２８０を含む。以下で更に詳細に議論されるように、一実施例のオペレーションでは、エンタプライズＭＬデータベース２７０は、案件割り振りアドバイザ１０６の他の構成要素から取得され、及び／又は案件割り振りアドバイザ１０６の他の構成要素によって提供／生成されたデータについてのメインリポジトリである。したがって、一実施例では、エンタプライズＭＬデータベース２７０は、他の構成要素からデータを受信し、案件割り振りアドバイザ１０６の他の構成要素にデータを提供し、したがって、一実施例では、案件割り振りアドバイザ１０６の中心ハブである。
【0124】
一実施例では、案件受け入れ＆管理システム２４０は、１つ以上のコンピューティング・システム及びデータベースを表し、１つ以上のコンピューティング・システム及びデータベースを通じて、サービス・プロバイダのための販売員は、販売を理解及び記録し、履歴的タスク及び現在のタスクの両方、プロジェクト、又は案件のための契約及び実行を追跡し、新たに来るタスク、プロジェクト、又は案件を調整し、進行中の実行及びマイルストーンを追跡し、クライアントフィードバック及び満足を記録し、本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に既知／利用可能にされるようないずれかの他のクライアント受け入れ＆顧客関係管理機能を実行する。
【0125】
図２Ｂにおいて見られるように、一実施例では、案件受け入れ＆管理システム２４０は、案件受け入れ＆管理データベース２４２を含む。一実施例では、案件受け入れ＆管理データベース２４２は、履歴的クローズ済み案件データ２４８を含む。一実施例では、履歴的クローズ済み案件データ２４８は、集約されたデータであり、それらに限定されないが、クローズ済み案件サブジェクト、クローズ済み案件記述、クローズ済み案件要約、クローズ済み案件と関連付けられた製品名、クローズ済み案件と関連付けられた製品ライン、クローズ済み案件と関連付けられたモジュール、スキル、及び経験、クローズ済み案件根本的原因、クローズ済み案件解決策、クローズ済み案件を解決する責任を有するクライアント・サポート・プロフェッショナル、クローズ済み案件通信＆コメントデータ、クローズ済み案件解決時間、クローズ済み案件と関連付けられたクライアント、クローズ済み案件クライアント満足レビュー・データ、クローズ済み案件クライアント関係管理データ、並びに／或いは、本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に既知／利用可能にされるようないずれかの他の履歴案件データ、などの案件履歴データを含む。
【0126】
一実施例では、案件受け入れ＆管理データベース２４２は更に、現在オープン案件データ２４６を含む。一実施例では、現在オープン案件データ２４６は、それらに限定されないが、タスク、プロジェクト、又は案件の名前；タスク、プロジェクト、又は案件が実行されることになるクライアントの名前；タスクに割り振られた１つ以上のクライアント・サポート・プロフェッショナルの名前；タスク、プロジェクト、又は案件の優先度；タスク、プロジェクト、又は案件と関連付けられたクライアントの優先度；タスク、プロジェクト、又は案件と関連付けられたジョブ機器タイプ又は製品ライン；タスク、プロジェクト、又は案件と関連付けられたジョブ機器タイプ又は製品ラインと共に含まれるいずれかの部分構成要素；タスク、プロジェクト、又は案件のタイプ；タスク、プロジェクト、又は案件の複雑度；タスク、プロジェクト、又は案件と関連付けられたクライアントがエスカレートされたクライアント又は戦略的クライアントであるかどうか；クライアント及び／若しくはタスク、プロジェクト、又は案件と関連付けられたデータのいずれかの調査又はレビュー・データの平均；クライアントの地理的位置又はタスク、プロジェクト、若しくは案件が実行されることになる地理的位置；クライアントの位置及び／又はタスク、プロジェクト、若しくは案件が実行されることになる位置と関連付けられたタイム・ゾーン；並びに／或いは、本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に利用可能にされるようないずれかの他の現在オープン案件データ、を表すデータを含む。
【0127】
一実施例では、案件受け入れ＆管理データベース２４２は更に、クライアント・データ２４４を含む。一実施例では、クライアント・データ２４４は、集約されたクライアント・データであり、それらに限定されないが、クライアントの名前；クライアントの優先度；クライアントと関連付けられた機器又は製品ラインのタイプ；クライアント及び／又はクライアントの代わりに実行されるタスク、プロジェクト、又は案件と関連付けられたいずれかの契約上の義務及び／又は要件；クライアントがエスカレートされたクライアント又は戦略的なクライアントであるかどうか；クライアントと関連付けられたいずれかの調査又はレビュー・データの平均；クライアント関係性履歴；クライアントの地理的位置；クライアントの位置と関連付けられたタイム・ゾーン；並びに／或いは、本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に利用可能にされ若しくは既知にされるようないずれかの他のクライアント・データ、を表すデータを含むことができる。
【0128】
一実施例では、それらに限定されないが、履歴的クローズ済み案件データ２４８、現在オープン案件データ２４６、及びクライアント・データ２４４の全て又は一部を含む、案件受け入れ＆管理データベース２４２に記憶されたデータの全て又は一部は、案件割り振りアドバイザ１０６の他の構成要素によるアクセス及び使用のために、エンタプライズＭＬデータベース２７０に提供され、エンタプライズＭＬデータベース２７０に記憶される。
【0129】
図２Ｂにおいて見られるように、一実施例では、自律的機械学習プラットフォーム２５２のスキル・マネージャ１１０は、雇用者ビジネス・データベース２５６を含む。一実施例では、雇用者ビジネス・データベース２５６は、雇用者ビジネス及び雇用者ビジネスの従業員と関連付けられたデータを含み、雇用者ビジネスの従業員は、いくつかの実施例では、クライアント・サポート・プロフェッショナルを含む。
【0130】
一実施例では、雇用者ビジネス・データベース２５６は、従業員ヒューマン・リソース（ＨＲ：human resources）データ２５５を含む。一実施例では、従業員ＨＲデータ２５５は、それらに限定されないが、雇用者ビジネスの従業員の地理的位置；雇用者ビジネスの従業員と関連付けられたタイム・ゾーン；雇用者ビジネスの従業員と関連付けられたワーキング・タイム・ゾーン；雇用者ビジネスの従業員が理解し、話し、又は書き込むヒューマン言語；雇用者ビジネスの従業員が技量を有する機械言語及びプログラミング言語；雇用者ビジネスの従業員と関連付けられたサーティフィケーション及び／又は教育データ；雇用者ビジネスの従業員と関連付けられたフルタイム、パートタイム、契約者の従業員タイプ；雇用者ビジネスの従業員と関連付けられたレビュー＆クライアント顧客満足データ；雇用者ビジネスの従業員と関連付けられた計画された有給休暇（ＰＴＯ）；並びに／或いは、本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に既知／利用可能にされるようないずれかの他のＨＲデータ、を含むことができる。
【0131】
一実施例では、雇用者ビジネス・データベース２５６は、初期従業員スキル・セット・データ２５７を含む。一実施例では、初期従業員スキル・セット・データ２５７は、それらに限定されないが、従業員自体から取得された従業員スキル・セット／経験データ；従業員の雇用記録から取得された従業員スキル・セット／経験データ；従業員のＨＲ記録から取得された従業員スキル・セット／経験データ；サーティフィケーション及び学校教育の公記録から取得された従業員スキル・セット／経験データ；プロフェッショナルソーシャルメディアサイトを有する従業員アカウント；一般的なソーシャルメディアサイトから取得された従業員スキル・セット／経験データ；従業員の前の雇用者から取得された従業員スキル・セット／経験データ；並びに／或いは、本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に開発されるような、初期の、自己報告され／宣言された、及び／又は相対的に静的な初期従業員スキル・セット・データの他のソース、を含むことができる。
【0132】
一実施例では、雇用者ビジネス・データベース２５６は、動的従業員スキル・セット・データ２５９を含む。一実施例では、動的従業員スキル・セット・データ２５９は、履歴的クローズ済み案件データ２４８並びに「オンザジョブ」で各々の従業員によって取得／獲得されたスキル及び経験から導出される。
【0133】
一実施例では、動的従業員スキル・セット・データ２５９は、クローズ済みタスク、プロジェクト、若しくは案件の総数を含む、従業員と関連付けられた、動的に更新されたタスク、プロジェクト、又は案件クローズデータ；タスク、プロジェクト、又は案件についてクローズする動的に更新された平均時間；顧客／製品／従業員ごとの動的に更新された平均クライアント調査又はランク付けデータ；動的に更新された経験＆チーム参加データ；動的に更新されたチームリーダシップ経験データ；動的に更新された案件優先度経験；従業員の現在の負荷を判定するための期間ごとの動的に更新されたマイルストーン；並びに／或いは、本明細書で議論若しくは例示されるような、出願時に本分野において既知であるような、及び／又は出願後に開発されるような動的従業員スキル・セット・データのいずれかの他のソース、のうちの１つ以上に基づいて、製品ライン、製品、及びリリース又はバージョンレベルにおいて取得される。
【0134】
図２Ｂにおいて見られるように、一実施例では、自律的機械学習プラットフォーム２５２は、ＭＬエンジン２８０を含む。一実施例では、ＭＬエンジン２８０は、自律的機械学習プラットフォーム２５２に対して、前処理、スキルマッチング、正規化、及びランク付け機能を実行する。この目的のために、一実施例では、ＭＬエンジン２８０は、前処理モジュール２８２及びスキル合致＆正規化＆ランク付けモジュール２８４を含む。一実施例では、前処理モジュール２８２は、複数のデータソースからエンタプライズＭＬデータベース２７０に対して及びエンタプライズＭＬデータベース２７０に、様々なデータを取得し、転送し、処理し、集約し、改正し、記憶し、及び更新する機能を実行する。
【0135】
一実施例では、従業員スキル・セット連結／集約は、従業員の初期従業員スキル・セット・データ２５７、動的従業員スキル・セット・データ２５９、及び従業員ＨＲデータ２５５の全て又は一部を使用して、雇用者ビジネスの各々の従業員に対して集約済み従業員スキル・セット・データ２７２を生成するように、ＭＬエンジン２８０の前処理モジュール２８２において実行される。一実施例では、集約済み従業員スキル・セット・データ２７２の全て又は一部は次いで、エンタプライズＭＬデータベース２７０に提供され、案件割り振りアドバイザ１０６の他の構成要素によるアクセス及び使用のために、エンタプライズＭＬデータベース２７０に記憶される。
【0136】
一実施例では、前処理モジュール２８２は、初期従業員スキル・セット・データ２５７、動的従業員スキル・セット・データ２５９、及び従業員ＨＲデータ２５５の多次元分析に基づいて、初期従業員スキル・セット・データ２５７、動的従業員スキル・セット・データ２５９、及び従業員ＨＲデータ２５５の全て又は一部を取得及び処理して、各々の従業員についての集約済み従業員スキル・セット・データ２７２を生成し、周期的に、及び／又は新たなデータが利用可能になるにつれて、集約済み従業員スキル・セット・データ２７２を動的に更新する。一実施例では、集約済み従業員スキル・セット・データ２７２は、ほぼリアルタイムで更新される。
【0137】
一実施例では、集約済み従業員スキル・セット・データ２７２の全て又は一部は、前処理モジュール２８２によってエンタプライズＭＬデータベース２７０に提供され、案件割り振りアドバイザ１０６の他の構成要素によるアクセス及び使用のために、エンタプライズＭＬデータベース２７０に記憶され、エンタプライズＭＬデータベース２７０内の集約済み従業員スキル・セット・データ２７２は、周期的に、及び／又は新たなデータが利用可能になるにつれて、前処理モジュール２８２によって動的に更新される。一実施例では、集約済み従業員スキル・セット・データ２７２は、ほぼリアルタイムで更新される。
【0138】
集約済み従業員スキル・セット・データ２７２は、従業員スキルの単一化された視点に対して重要である従業員スキルの一意な及び異なる観点をもたらす従業員スキル・セット次元を提供し、以下で更に詳細に議論されるように、従業員スキル・セット・データの生成及び正規化を可能にし、従業員スキル・セット・データは次いで、一実施例では、一実施例により、案件アシスタント・システム１０２にランク付け済みスキル合致従業員データ２３０を提供するための結論及び決定を行うために使用される、開示される正規化済み従業員スキル・セット・ベクトル・データ２７８を生成するために使用される。
【0139】
一実施例では、前処理モジュール２８２は更に、履歴的クローズ済み案件データ２４８と、現在オープン案件データ２４６と、現在オープン案件の解決のために必要とされるスキルについてのスキル・セット・データを含むクライアント・データ２４４と、の全て又は一部を取得し、スキル・セット・データは、現在オープン案件データ２４６及びクライアント・データ２４４から導出され、現在オープン案件と関連付けられたタスク、ジョブ、及び／又はプロジェクトの必要性を満たすために、従業員の必要とされるスキル・セットを表す。一実施例では、前処理モジュール２８２は次いで、現在オープン案件と関連付けられた識別されたスキル・セットを表す現在オープン案件スキル・セット・ベクトル・データ２７４を生成するようにこのデータを処理する。一実施例では、現在オープン案件スキル・セット・ベクトル・データ２７４は次いで、前処理モジュール２８２によってエンタプライズＭＬデータベース２７０に提供され、案件割り振りアドバイザ１０６の他の構成要素によるアクセス及び使用のために、エンタプライズＭＬデータベース２７０に記憶される。
【0140】
図２Ｂにおいて見られるように、一実施例では、それらに限定されないが、集約済み従業員スキル・セット・データ２７２及び現在オープン案件スキル・セット・ベクトル・データ２７４を含む、様々な前処理されたデータがエンタプライズＭＬデータベース２７０に提供されると、このデータは、周期的に更新され、スキル合致＆正規化＆ランク付けモジュール２８４を含む、案件割り振りアドバイザ１０６の他の構成要素によるアクセス及び使用のために利用可能にされる。
【0141】
一実施例では、エンタプライズＭＬデータベース２７０及びスキル合致＆正規化＆ランク付けモジュール２８４は、ランク付け済みスキル合致従業員データ２３０を更新するように、データを交換及び更新する。一実施例では、スキル合致＆正規化＆ランク付けモジュール２８４において、機械学習プロセス／アルゴリズムは、現在オープン案件スキル・セット・ベクトル・データ２７４によって表されるような、所与のタスク及び／又はプロジェクトのために必要であるとして識別されたスキル・セットに関して、集約済み従業員スキル・セット・データ２７２を識別し、正規化し、及びランク付けるために使用される。
【0142】
一実施例では、現在オープン案件スキル・セット・ベクトル・データ２７４は、スキル合致＆正規化＆ランク付けモジュール２８４の１つ以上の機械学習サービス及び／又はモジュールによって生成される。様々な実施例では、機械学習サービス又はモジュールのうちの１つ以上のセットは、それらに限定されないが、教師あり機械学習サービス又はモデル；教師なし機械学習サービス又はモデル；半教師あり機械学習サービス又はモデル；或いは本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に開発され若しくは利用可能にされるような、現在オープン案件スキル・セット・ベクトル・データ２７４を生成する能力を有するいずれかの他の機械学習サービス又はモデル、のうちの１つ以上を含む。一実施例では、スキル合致＆正規化＆ランク付けモジュール２８４によって生成されると、現在オープン案件スキル・セット・ベクトル・データ２７４は、エンタプライズＭＬデータベース２７０に提供され、案件割り振りアドバイザ１０６の他の構成要素によるアクセス及び使用のために、エンタプライズＭＬデータベース２７０に記憶される。
【0143】
一実施例では、スキル合致＆正規化＆ランク付けモジュール２８４は、正規化済み従業員スキル・セット・ベクトル・データ２７８を生成する。この目的のために、一実施例では、各々の従業員についての集約済み従業員スキル・セット・データ２７２及び現在オープン案件スキル・セット・ベクトル・データ２７４は、初期スキル・セット合致従業員データ２７６によって表される初期のスキル・セットが合致した従業員と関連付けられた集約済み従業員スキル・セット・データ２７２に従って、現在オープン案件スキル・セット・ベクトル・データ２７４において示されるスキル・セットに合致し、又は最も近く合致する、関連付けられたスキル・セット・データを有するように見える従業員を表す初期スキル・セット合致従業員データ２７６を生成するように、スキルが合致し、すなわち、スキル合致＆正規化＆ランク付けモジュール２８４によって、スキル発見ルーチンを使用して処理される。
【0144】
一実施例では、各々の従業員についての集約済み従業員スキル・セット・データ２７２及び現在オープン案件スキル・セット・ベクトル・データ２７４は、それらに限定されないが、ｋ近傍法（ＫＮＮ）分類、及び重み付け又は非重み付けユークリッド距離方法、或いは本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に開発されるようないずれかの他の分類プロセス／アルゴリズム／方法などの１つ以上の機械学習プロセス／アルゴリズムを使用して、スキル合致＆正規化＆ランク付けモジュール２８４によってスキルが合致する。
【0145】
一実施例では、従業員は、現在オープン案件スキル・セット・ベクトル・データ２７４及び集約済み従業員スキル・セット・データ２７２の両方に存在する識別された共通スキルに基づいて、スキル合致＆正規化＆ランク付けモジュール２８４によって、現在オープン案件スキル・セット・ベクトル・データ２７４において示されるスキル・セットに合致し、又は最も近く合致すると最初に判定され、集約済み従業員スキル・セット・データ２７２は、合致したスキル又は合致したスキル特徴とも呼ばれる。
【0146】
一実施例では、スキル合致＆正規化＆ランク付けモジュール２８４は次いで、所与のタスク又はプロジェクトのため必要であるとして識別されたスキル・セットに関して、集約済み従業員スキル・セット・データ２７２を識別し、正規化し、及びランク付けするために、機械学習プロセス／アルゴリズムを使用する。上述したように、一実施例では、各々の最初にスキル・セットが合致した従業員についてのスキル・セット・データに含まれる合致したスキルは、各々の従業員に対して正規化済み従業員スキル・セット・ベクトル・データ２７８を生成するように、スキル合致＆正規化＆ランク付けモジュール２８４によって正規化される。一実施例では、正規化プロセスは、動的従業員スキル・セット・データ２５９の合致したスキルと関連付けられた従業員についての、集約された動的「オンザジョブ」で獲得されたスキル・セット・データに基づいている。
【0147】
上述したように、様々な実施例では、合致したスキル・セット特徴と関連付けられた従業員についての雇用者ビジネス・データベース２５６の動的従業員スキル・セット・データ２５９は、それらに限定されないが、合致したスキル・セット特徴に関連する従業員によってクローズされた総案件；合致したスキル・セット特徴に関連する従業員によって取り組まれる案件についてクローズする平均時間；従業員に合致したスキル・セット特徴ついての平均顧客満足レビュー・スコア；合致したスキル・セット特徴に関連する従業員によって所有され及び／又はクローズされた総案件；合致したスキル・セット特徴に関連する従業員によってリード及び／又はクローズされた総案件；合致したスキル・セット特徴に関連する従業員によって貢献された総案件；合致したスキル・セット特徴に関連する従業員によって所有され、及び／又はクローズされ、及び／又は参加された総案件と関連付けられた平均解決時間；合致したスキル・セット特徴と関連付けられた従業員又はチームについての平均レビュー及び顧客満足入力／レーティング；並びに／或いは本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に利用可能にされるような、従業員及び合致したスキル・セット特徴と関連付けられたいずれかの他の動的スキル・セット・データ、のうちの１つ以上を表すデータを含むことができる。
【0148】
スキル合致＆正規化＆ランク付けモジュール２８４によって実行されるスキル合致、正規化、及びランク付けのためのプロセスの事項は、以下で追加的に詳細に議論される。
【0149】
一実施例では、スキル合致＆正規化＆ランク付けモジュール２８４によって生成されると、各々の従業員についての正規化済み従業員スキル・セット・ベクトル・データ２７８は、エンタプライズＭＬデータベース２７０に提供され、案件割り振りアドバイザ１０６の他の構成要素によるアクセス及び使用のために、エンタプライズＭＬデータベース２７０に記憶される。
【0150】
一実施例では、各々の最初に合致した従業員についての正規化済み従業員スキル・セット・ベクトル・データ２７８は、入力データとして、１つ以上の機械学習サービス及び／又はモデルを使用して、スキル合致＆正規化＆ランク付けモジュール２８４によって生成され、正規化済み従業員スキル・セット・データ及びスキル・セット特徴に合致する。様々な実施例では、機械学習サービス又はモジュールのうちの１つ以上は、それらに限定されないが、教師あり機械学習サービス又はモデル；教師なし機械学習サービス又はモデル；半教師あり機械学習サービス又はモデル；或いは本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に開発され若しくは利用可能にされるような、正規化済み従業員スキル・セット・ベクトル・データ２７８を生成する能力を有するいずれかの他の機械学習サービス又はモデル、のうちの１つ以上を含む。
【0151】
一実施例では、スキル合致＆正規化＆ランク付けモジュール２８４によって生成されると、各々の従業員についての正規化済み従業員スキル・セット・ベクトル・データ２７８は、エンタプライズＭＬデータベース２７０に提供され、案件割り振りアドバイザ１０６の他の構成要素によるアクセス及び使用のために、エンタプライズＭＬデータベース２７０に記憶される。
【0152】
図２Ｂにおいて見られるように、一実施例では、ランク付け済みスキル合致従業員データ２３０は、スキル合致＆正規化＆ランク付けモジュール２８４によって生成される。一実施例では、ランク付け済みスキル合致従業員データ２３０は、現在オープン案件スキル・セット・ベクトル・データ２７４及び正規化済み従業員スキル・セット・ベクトル・データ２７８及び１つ以上の機械学習プロセス／アルゴリズムを使用して、スキル合致＆正規化＆ランク付けモジュール２８４によって生成される。一実施例では、スキル合致＆正規化＆ランク付けモジュール２８４は、１つ以上の前に訓練された機械学習モデルへの入力として、現在オープン案件スキル・セット・ベクトル・データ２７４及び正規化済み従業員スキル・セット・ベクトル２７８を使用する。
【0153】
一実施例では、前に訓練された機械学習モデルは、従業員によってクローズされた総案件、従業員によってクローズされた案件についての平均解決時間、従業員についての平均顧客満足レビュー・スコア・データ、履歴的案件データ、履歴的クライアント・データ、履歴的初期従業員スキル・セット・データ、履歴的動的従業員スキル・セット・データ、履歴的従業員ＨＲデータ、及び履歴的ルール＆制約データと共に、履歴的タスク、プロジェクト、又は案件完了データ、履歴的顧客レビュー／レーティングデータ、及び他の履歴的案件＆従業員データを訓練データとして使用して、オフライン環境（図示せず）で訓練される。一実施例では、この訓練データを使用して、機械学習モデルは、現在オープン案件スキル・セット・ベクトル・データ２７４と最初に合致した従業員についての正規化済み従業員スキル・セット・ベクトル・データ２７８に合致し及びランク付けするように訓練される。
【0154】
様々な実施例では、機械学習モデルは、教師あり機械学習サービス若しくはモデル；教師なし機械学習サービス若しくはモデル；半教師あり機械学習サービス若しくはモデル；又は現在オープン案件スキル・セット・ベクトル・データと最初に合致した従業員についての正規化済み従業員スキル・セット・ベクトル・データ２７８に合致し及びランク付けするように訓練される能力を有するいずれかの他の機械学習サービス若しくはモデル、のうちのいずれかの１つ以上である。特定の例示的な実例として、一実施例では、機械学習モデルは、重み付け又は非重み付けユークリッド距離方法、或いは本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に開発されるようないずれかの他のランク付けプロセス／アルゴリズム／方法、を利用する。
【0155】
図２Ｂにおいて見られるように、一実施例では、機械学習モデル及びスキル合致＆正規化＆ランク付けモジュール２８４の出力は、ランク付け済みスキル合致従業員データ２３０である。一実施例では、ランク付け済みスキル合致従業員データ２３０は、従業員の集約済み従業員スキル・セット・データ２７２に従って現在オープン案件に合致し、又は最も近く合致する従業員を表すデータを含む。一実施例では、現在オープン案件についてのランク付け済みスキル合致従業員データ２３０は、従業員を表すデータを含み、従業員は、現在オープン案件スキル・セット・ベクトル・データ２７４に最も近く合致する集約済み従業員スキル・セット・データ２７２を有する。一実施例では、ランク付け済みスキル合致従業員データ２３０は次いで、更なる処理のために、案件アシスタント・システム１０２に提供される。
【0156】
ここで図２Ａに戻り、一実施例では、ランク付け済みスキル合致従業員データ２３０は、案件割り振りアドバイザ１０６によって、案件アシスタント・システム１０２の熟練エキスパート・ファインダ２２８に提供される。一実施例では、ドキュメント類似性ファインダ２１６によって前に生成されたような、ランク付け済み類似案件データ２３２も、熟練エキスパート・ファインダ２２８に提供される。一実施例では、熟練エキスパート・ファインダ２２８は、ランク付け済み熟練エキスパート・データ２３４を生成するように、ランク付け済みスキル合致従業員データ２３０及びランク付け済み類似案件データ２３２をマージし、ランク付け済み熟練エキスパート・データ２３４は、本明細書で開示される実施例では、現在オープン案件と類似の解決済み案件を有し、現在オープン案件の効果的な解決のために必要とされるスキル・セットに最も近く合致するスキル・セットを有する、サービス・プロバイダビジネスの従業員と関連付けられたデータを表す。一実施例では、ランク付け済み熟練エキスパート・データ２３４は、エキスパート・データ２１４にフォーマットされ、ＲＰＡワーカ２１２は、クライアント・サービス・システム２０７のユーザ・インタフェース２０６を通じて、クライアント・サポート・プロフェッショナル２１０にフォーマット済みエキスパート・データ２１４を提供し、それは、クライアント・サポート・プロフェッショナル２１０が、熟練エキスパートとの協働を通じて、クライアント案件をより急速且つ成功して解決することを有効にする。
【0157】
上述したように、一実施例では、ランク付け済み類似案件データ２３２は、それらに限定されないが、コサイン類似性アルゴリズム、Ｊａｃｃａｒｄアルゴリズム、及びＬＳＡアルゴリズムなどの１つ以上の類似性プロセス／アルゴリズムを部分的に使用することによって生成される。一実施例では、ランク付け済みスキル合致従業員データ２３０は、それらに限定されないが、ユークリッド距離アルゴリズムなどの１つ以上のプロセス／アルゴリズムを部分的に使用することによって生成される。一実施例では、熟練エキスパート・ファインダ２２８は、ランク付け済み熟練エキスパート・データ２３４によって表される熟練エキスパートをランク付ける方法を提供する、「近接度」因子に到達するために使用される各々のプロセス／アルゴリズムによって生成された値をマージする。
【0158】
いくつかの実施例では、熟練エキスパート・ファインダ２２８も、案件ライフ・サイクルの間にスキル・ギャップを識別するために利用される。エンタプライズ・案件を解決することは、広範囲且つ深い製品、技術、及び産業的知識と共に、ローカル言語及びローカリゼーションのような他のスキルを必要とすることが多い。案件ライフ・サイクルが進むにつれて、案件に対して必要とされるスキル・セットが変化することが多く、よって、案件ライフ・サイクルの間に案件に割り振られたクライアント・サポート・プロフェッショナルのスキルを周期的に再評価することが重要になる。例えば、案件のライフ・サイクルの間、クライアントとクライアント・サポート・プロフェッショナルとの間で通信が典型的には往復する。案件に関するより多くの知識が得られるにつれて、案件がより多くの方向を得、より定義されるようになる。それらの通信の間、問題の原因に関する新たな情報が受信されることが多い。１つの簡易化された実例として、案件が最初に始まるとき、案件に割り振られたクライアント・サポート・プロフェッショナルは、製品構成要素Ａ及び製品構成要素Ｂと関連付けられた技術に注目していることがあるが、プロフェッショナルが、例えば、案件ライフ・サイクルの途中で又は案件ライフ・サイクルの終わりに向かって、案件に関するより多くの詳細を取得する時まで、案件プロフェッショナルは、案件を解決するために必要な製品スキルが実際には、構成要素Ｃ及びＤと関連付けられたスキルであることを見出し得る。一実施例では、熟練エキスパート・ファインダ２２８と関連付けられたＲＰＡワーカ２１２は、スキル・ギャップがあるかどうかを判定し、案件に割り振ることができる追加のクライアント・サポート・プロフェッショナルを識別するように、バックグラウンドで連続してチェックインすることができる。
【0159】
熟練エキスパート・ファインダ２２８のこの特定の使用案件について、新たなクライアント・サポート・プロフェッショナルを案件に割り振るために、案件割り振りアドバイザ１０６によって追加の機能性が提供される必要があり得ることに留意されるべきである。例えば、図２Ｂの実施例では、案件アシスタント・システム１０２が案件をアドバイスするエキスパートを探索していることを理由に（案件にアクティブに取り組むこととは反対に）、案件割り振りアドバイザ１０６によって提供することができる多くのルール＆制約、フィルタリング、及び負荷分散特徴が必要でない。新たなサポート・プロフェッショナルが案件に追加される必要がある状況では、しかしながら、それらの追加の特徴が必要とされ得る。それらの追加の特徴は全て、本明細書で完全に示されたように、参照によってその全体で以下に組み込まれる、２０１８年１１月１９日に出願され、２０２１年１１月２３日に米国特許第１１，１８２，７０７号として発行された、「ＭＥＴＨＯＤ ＡＮＤ ＳＹＳＴＥＭ ＦＯＲ ＰＲＯＶＩＤＩＮＧ Ａ ＭＵＬＴＩ－ＤＩＭＥＮＳＩＯＮＡＬ ＨＵＭＡＮ ＲＥＳＯＵＲＣＥ ＡＬＬＯＣＡＴＩＯＮ ＡＤＶＩＳＥＲ」と題するＳａｈｎｉらの関連出願において詳細に議論される。
【0160】
図２Ａに示されるように、一実施例では、案件アシスタント・システム１０２も、ビジネス例外ファインダ２３８を含む。一実施例では、案件アシスタント・システム１０２のビジネス例外ファインダ２３８は、ビジネス実施例外に対してクライアント・サポート・プロフェッショナルを積極的に警告するために、１つ以上のＲＰＡワーカ２１２によって利用される。例えば、案件進捗を監視することは、特に、高優先度の案件に対し、案件管理の肝要な部分である。案件が進捗し続けることを保証するために、急速な注意を必要とする状況が生じることが多い。実行アラートを起こす状況の実例は、それらに限定されないが、エンジニアが仕事を休んだこと、エンジニア及び／若しくは契約者が会社を離れたこと、並びに／又は複数の高優先度の案件が特定のエンジニアに割り振られたこと、を含む。一実施例では、案件アシスタント・システム１０２のＲＰＡワーカ２１２は、それらのタイプのビジネス実施例外をバックグラウンドで連続してサーチして、ビジネス例外データ２３７を生成し、必要に応じてアラートを起こすように、ビジネス・アラート構成２３６を通じて容易に構成されることができ、それは、効率的且つ生産的な方式において、それらのタイプの例外及び特殊状況を管理することに関して、クライアントへのコミットメントを再保証することにこの上なく役立つことができる。案件アシスタント・システム１０２によって提供されるビジネス実施例外アラートの追加の実例は、以下で追加的に詳細に議論される。
【0161】
プロセス
図４Ａは、一実施例に係る、クライアント・サポート・プロフェッショナルに案件アシスタンスを提供するプロセス４００Ａのフローチャートである。
図４Ａは、一実施例に係る、クライアント・サポート・プロフェッショナルに案件アシスタンスを提供するプロセス４００Ａのフローチャートである。
【0162】
一実施例では、プロセス４００Ａは、開始（ＢＥＧＩＮ）４０２において始まり、処理フローは、４０４に進む。一実施例では、４０４において、クライアント・サポート・プロフェッショナルは、サービス・プロバイダの１つ以上のクライアントと関連付けられた案件データを含むクライアント・サービス・システムへのユーザ・インタフェースが提供される。
【0163】
上述したように、多くのビジネスは、それらのクライアントに様々なサービスを提供する。したがって、それらのビジネスは、本明細書で「サービス・プロバイダ」と称され得る。更に、多くのビジネスは、それらの従業員によって実行される様々なジョブ、タスク、及びプロジェクトに関するデータを収集し、追跡し、及び分析するために、１つ以上のコンピュータ・ベース・クライアント・サービス・システム又はクライアント管理システムを利用する。したがって、本明細書で使用されるような用語「クライアント・サービス・システム」は、ビジネス／サービス・プロバイダによって使用されるコンピュータ・ベース・システムを指す。それらのクライアントの様々な必要性をサポートする役割を果たす作業に従事するビジネス／サービス・プロバイダの従業員は、本明細書で「クライアント・サポート・プロフェッショナル」と称される。一実施例では、クライアント・サービス・システムへのユーザ・インタフェースは、クライアント・サポート・プロフェッショナルによって利用される１つ以上のコンピューティング・システムを通じて、クライアント・サポート・プロフェッショナルに提供される。本明細書で開示される実施例では、用語「コンピューティング・システム」は、クライアント・サポート・プロフェッショナルに、クライアント・サービス・システムの構成要素とそれらが相互作用することを有効にするユーザ・インタフェースを提供する能力を有するいずれかのタイプのコンピューティング・システムを含む。
【0164】
一実施例では、４０４において、クライアント・サポート・プロフェッショナルに、クライアント・サービス・システムへのユーザ・インタフェースが提供されると、処理フローは、４０６に進む。一実施例では、４０６において、クライアント・サポート・プロフェッショナルに割り振られた現在オープン案件を表す現在オープン案件データが取得される。
【0165】
上述したように、一実施例では、現在オープン案件データは、それらに限定されないが、タスク、プロジェクト、又は案件の名前；タスク、プロジェクト、又は案件が実行されることになるクライアントの名前；タスクに割り振られた１つ以上のクライアント・サポート・プロフェッショナルの名前、タスク、プロジェクト、又は案件の優先度；タスク、プロジェクト、若しくは案件と関連付けられたクライアントの優先度；タスク、プロジェクト、又は案件と関連付けられたジョブ機器タイプ又は製品ライン；タスク、プロジェクト、又は案件と関連付けられたジョブ機器タイプ又は製品ラインと共に含まれるいずれかの部分構成要素；タスク、プロジェクト、又は案件のタイプ；タスク、プロジェクト、又は案件の複雑度；タスク、プロジェクト、若しくは案件と関連付けられたクライアントがエスカレートされたクライアント又は戦略的クライアントであるかどうか；クライアント及び／又はタスク、プロジェクト、若しくは案件と関連付けられたデータのいずれかの調査又はレビュー・データの平均；クライアントの地理的位置、及び／又はタスク、プロジェクト、若しくは案件が実行されることになる地理的位置；クライアントの位置及び／又はタスク、プロジェクト、若しくは案件が実行されることになる位置と関連付けられたタイム・ゾーン；並びに／或いは、本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に利用可能にされるようないずれかの他の現在オープン案件データ、を表すデータを含む。
【0166】
一実施例では、４０６において、現在オープン案件データが取得されると、処理フローは、４０８に進む。一実施例では、４０８において、サービス・プロバイダと関連付けられた履歴的クローズ済み案件を表す履歴的クローズ済み案件データが取得される。
【0167】
上述したように、一実施例では、履歴的クローズ済み案件データは、集約されたデータであり、それらに限定されないが、クローズ済み案件サブジェクト、クローズ済み案件記述、クローズ済み案件要約、クローズ済み案件と関連付けられた製品名、クローズ済み案件と関連付けられた製品ライン、クローズ済み案件と関連付けられたモジュール、スキル、及び経験、クローズ済み案件根本的原因、クローズ済み案件解決策、クローズ済み案件を解決する責任を有するクライアント・サポート・プロフェッショナル、クローズ済み案件通信＆コメントデータ、クローズ済み案件解決時間、クローズ済み案件と関連付けられたクライアント、クローズ済み案件クライアント満足レビュー・データ、クローズ済み案件クライアント関係管理データ、並びに／或いは、本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に既知にされ若しくは利用可能にされるようないずれかの他の履歴案件データなど、案件履歴データを含む。
【0168】
一実施例では、４０８において、履歴的クローズ済み案件データが取得されると、処理フローは、４１０に進む。一実施例では、４１０において、１つ以上の機械学習プロセスを使用して、現在オープン案件データ及び履歴的クローズ済み案件データを処理するように、１つ以上のＲＰＡワーカが訓練される。
【0169】
上記議論されたように、様々な実施例では、１つ以上のＲＰＡワーカは、それらに限定されないが、ストップ・ワード除去、関連性発見、類似性発見、熟練エキスパート発見、及びビジネス例外発見を含む、データ処理ジョブを実行するように、様々な機械学習プロセス及び技術を使用して訓練される。いくつかの実施例では、初期訓練データがＲＰＡワーカに提供され、ＲＰＡワーカがそれらの割り振られたデータ処理ジョブを実行するにつれて、訓練データが連続して更新及び精緻化される。したがって、ＲＰＡワーカは、それらがそれらの機能を実行するにつれて連続して学習しており、それは、予期しない条件及び環境にそれらが動的に適合することを可能にする。
【0170】
一実施例では、４１０において、１つ以上のＲＰＡワーカが訓練されると、処理フローは、４１２に進む。一実施例では、４１２において、１つ以上の訓練済みＲＰＡワーカは、現在オープン案件データ及び履歴的クローズ済み案件データをほぼリアルタイムで処理するように構成される。
【0171】
上記議論されたように、様々な実施例では、１つ以上のＲＰＡワーカは、様々な方法において構成されることができる。例えば、一実施例では、各々のＲＰＡワーカは、それらに限定されないが、ドキュメント類似性発見、熟練エキスパート発見、及びビジネス例外発見などの特定のジョブが割り振られることができる。更に、各々のＲＰＡワーカは、特定のスケジュールが割り振られることができる。例えば、一部のＲＰＡワーカは、ほぼリアルタイムで連続して稼働するように構成されることができると共に、その他は、５分に１回、１時間に１回、若しくは１日に１回、又はＲＰＡワーカに割り振られたジョブの効率的な実行に適したいずれかの他のスケジュールされた時間など、周期的に稼働するように構成され得る。一実施例では、特定のジョブに割り振られたＲＰＡワーカの数は、全体的なサービス・プロバイダ・案件負荷等の因子を考慮して、容易に構成及びスケーリングされることができ、それは、ＲＰＡワーカの強化された性能を結果としてもたらす。
【0172】
一実施例では、４１２において、１つ以上の訓練済みＲＰＡワーカが構成されると、処理フローは、４１４に進む。一実施例では、４１４において、現在オープン案件に類似する履歴的クローズ済み案件を識別するために、構成された訓練済みＲＰＡワーカが利用され、ランク付け済み類似案件データが生成される。
【0173】
一実施例では、現在オープン案件に類似する履歴的クローズ済み案件を識別すること、及びランク付け済み類似案件データを生成することは、図４Ｂに示された様々な追加のプロセス・ステップを伴う。
【0174】
図４Ｂは、一実施例に係る、類似案件を識別するプロセス４００Ｂのフローチャートである。
【0175】
一実施例では、図４Ａの４１４において、現在オープン案件に類似する履歴的クローズ済み案件を識別し、ランク付け済み類似案件データを生成するために、処理フローは、図４Ａの４１４から図４Ｂの４１６に進む。一実施例では、４１６において、取得された現在オープン案件データは、集約されたオープン案件ベクトル・データを生成するように、集約及び処理される。
【0176】
上記で追加的に詳細に議論されたように、一実施例では、４１６は、ベクトル・データ・コレクタを利用し、ベクトル・データ・コレクタは、数個の定義されたベクトルについてのソース・システムからデータを収集するコア統合プログラムである。様々な実施例では、ベクトル・データ・コレクタは、データを収集／集約するだけでなく、クライアント・サービス・システムの案件アシスタント・システムによって利用される様々な機械学習構成要素によってどのデータ要素が必要とされるかを判定するようにデータを処理することもする。一実施例では、ベクトル・データ・コレクタは、現在オープン案件データを取り出し得る。
【0177】
一実施例では、現在オープン案件データは、フォーマットされていないテキスト・データを含む案件ドキュメント／記録から導出される。したがって、一実施例では、ベクトル・データ・コレクタは、現在オープン案件データと関連付けられたフォーマットされていないテキスト・データをフィルタ及びフォーマットすることによって、現在オープン案件データを処理し、その結果、現在オープン案件データは、ＲＰＡワーカ／プロセスによってより効率的に利用されることができる。このデータ処理は、集約されたオープン案件ベクトル・データを結果としてもたらし、集約されたオープン案件ベクトル・データは、いくつかの実施例では、個々のＲＰＡワーカに、それらに割り振られた機能を適切に実行するためにそれらが必要とする特定のデータ要素を提供するようにフォーマット及びフィルタされる。
【0178】
一実施例では、４１６において、集約されたオープン案件ベクトル・データが生成されると、処理フローは、４１８に進む。一実施例では、４１８において、取得された履歴的クローズ済み案件データは、集約されたクローズ済み案件ベクトル・データを生成するように、集約及び処理される。
【0179】
一実施例では、４１８は、履歴的クローズ済み案件データを取り出すために、ベクトル・データ・コレクタを利用する。一実施例では、履歴的クローズ済み案件データは、フォーマットされていないテキスト・データを含む案件ドキュメント／記録から導出される。したがって、一実施例では、ベクトル・データ・コレクタは、履歴的クローズ済み案件データと関連付けられたフォーマットされていないテキスト・データをフィルタ及びフォーマットするように、履歴的クローズ済み案件データを処理し、その結果、履歴的クローズ済み案件データは、ＲＰＡワーカ／プロセスによってより効率的に利用されることができる。このデータ処理は、集約されたクローズ済み案件ベクトル・データを結果としてもたらし、集約されたクローズ済み案件ベクトル・データは、いくつかの実施例では、個々のＲＰＡワーカに、それらに割り振られた機能を適切に実行するためにそれらが必要とする特定のデータ要素を提供するようにフォーマット及びフィルタされる。
【0180】
一実施例では、４１８において、集約されたクローズ済み案件ベクトル・データが生成されると、処理フローは、４２０に進む。一実施例では、４２０において、集約されたオープン案件ベクトル・データは、トークン化されたオープン案件ベクトル・データを生成するように、トークンにパースされる。
【0181】
上記でより詳細に議論されたように、一実施例では、４２０は、トークナイザを利用し、トークナイザは、集約されたオープン案件ベクトル・データのドキュメント、ページ、段落、又はセンテンスを、個々のワード、ワードのグループ、句読点、数値、並びに／又はいずれかの他のタイプフレーズ及び／若しくは用語など、より小さな単位にパースする。一実施例では、パース・オペレーションを実行する間、トークナイザは、データのコンテキストを定義する点で、値を潜在的に提供しない多くのワードを除去する。一実施例では、集約されたオープン案件ベクトル・データをパースすることは、トークン化されたオープン案件ベクトル・データの生成を結果としてもたらす。
【0182】
一実施例では、４２０において、トークン化されたオープン案件ベクトル・データが生成されると、処理フローは、４２２に進む。一実施例では、４２２において、集約されたクローズ済み案件ベクトル・データは、トークン化されたクローズ済み案件ベクトル・データを生成するように、トークンにパースされる。
【0183】
上記でより詳細に議論されたように、一実施例では、４２２は、トークナイザを利用し、トークナイザは、集約されたクローズ済み案件ベクトル・データのドキュメント、ページ、段落、又はセンテンスを、個々のワード、ワードのグループ、句読点、数値、並びに／又はいずれかの他のタイプフレーズ及び／若しくは用語など、より小さな単位にパースする。一実施例では、パース・オペレーションを実行する間、トークナイザは、データのコンテキストを定義する点で、値を潜在的に提供しない多くのワードを除去する。一実施例では、集約されたクローズ済み案件ベクトル・データをパースすることは、トークン化されたクローズ済み案件ベクトル・データの生成を結果としてもたらす。
【0184】
一実施例では、４２２において、トークン化されたクローズ済み案件ベクトル・データが生成されると、処理フローは、４２４に進む。一実施例では、４２４において、現在オープン案件データによって表される現在オープン案件のコンテキストを判定する際に有益でないトークン化されたオープン案件ベクトル・データのトークンが識別され、フィルタされたオープン案件ベクトル・データが生成される。
【0185】
上記でより詳細に議論されたように、様々な実施例では、ツー・パス・プロセスを含む、ストップ・ワード・リムーバが利用される。ツー・パス・プロセスは、ストップ・ワード・リムーバ・パス・ワン及びストップ・ワード・リムーバ・パス・ツーを含む。一実施例では、ストップ・ワード・リムーバ・パス・ワンは、トークナイザから受信されたトークン化されたオープン案件ベクトル・データからストップ・ワードを除去するために、標準的な自然言語ツール・キット（ＮＬＴＫ）機能を利用する。一実施例では、ストップ・ワード・リムーバ・パス・ツーは、「イグノア・リスト」構築によりＭＬモデルを訓練するために、訓練データに従って教師あり機械学習（ＭＬ）技術を利用する。「イグノア・リスト」は、ストップ・ワード・リムーバ・パス・ワンによって見落とされた場合がある、トークン化されたオープン案件ベクトル・データから追加の無関係の又はあまり重要でないトークンを除去するように機能する。一実施例では、ストップ・ワード・リムーバ・パス・ツーはまた、「クオリファイヤ・リスト」を含み、「クオリファイヤ・リスト」は、「イグノア・リスト」の逆を行い、最初の自動化パスにおいて誤って無視された場合があるビジネス・コンテキストワードを追加する。様々な実施例では、ストップ・ワード・リムーバは更に、ストップ・ワード訓練ユーザ・インタフェースを含み、ストップ・ワード訓練ユーザ・インタフェースは、ユーザが、訓練プロセスを監督することを可能にする。一実施例では、トークン化されたオープン案件ベクトル・データを処理するためにストップ・ワード・リムーバを利用することは、フィルタされたオープン案件ベクトル・データの生成を結果としてもたらす。
【0186】
一実施例では、４２４において、フィルタされたオープン案件ベクトル・データが生成されると、処理フローは、４２６に進む。一実施例では、４２６において、履歴的クローズ済み案件データによって表される履歴的クローズ済み案件の各々のコンテキストを判定する際に有益でないトークン化されたクローズ済み案件ベクトル・データのトークンが識別され、フィルタされたクローズ済み案件ベクトル・データが生成される。
【0187】
上記でより詳細に議論されたように、様々な実施例では、ツー・パス・プロセスを含む、ストップ・ワード・リムーバが利用される。一実施例では、ストップ・ワード・リムーバ・パス・ワンは、トークナイザから受信されたトークン化されたクローズ済み案件ベクトル・データからストップ・ワードを除去するために、標準的な自然言語ツール・キット（ＮＬＴＫ）機能を利用する。一実施例では、ストップ・ワード・リムーバ・パス・ツーは、「イグノア・リスト」構築によりＭＬモデルを訓練するために、訓練データに従って教師あり機械学習（ＭＬ）技術を利用する。「イグノア・リスト」は、ストップ・ワード・リムーバ・パス・ワンによって見落とされた場合がある、トークン化されたクローズ済み案件ベクトル・データから追加の無関係の又はあまり重要でないトークンを除去するように機能する。一実施例では、ストップ・ワード・リムーバ・パス・ツーはまた、「クオリファイヤ・リスト」を含み、「クオリファイヤ・リスト」は、「イグノア・リスト」の逆を行い、最初の自動化パスにおいて誤って無視された場合があるビジネス・コンテキストワードを追加する。様々な実施例では、ストップ・ワード・リムーバは更に、ストップ・ワード訓練ユーザ・インタフェースを含み、ストップ・ワード訓練ユーザ・インタフェースは、ユーザが、訓練プロセスを監督することを可能にする。一実施例では、トークン化されたクローズ済み案件ベクトル・データを処理するためにストップ・ワード・リムーバを利用することは、フィルタされたクローズ済み案件ベクトル・データの生成を結果としてもたらす。
【0188】
一実施例では、４２６において、フィルタされたクローズ済み案件ベクトル・データが生成されると、処理フローは、４２８に進む。一実施例では、４２８において、重み付けられたオープン案件ベクトル・データを生成するように、フィルタされたオープン案件ベクトル・データの各々のトークンに、関連性重みが割り振られる。
【0189】
上記でより詳細に議論されたように、様々な実施例では、ツー・パス・プロセスを含む、関連性ファインダが４２８によって利用される。一実施例では、関連性ファインダによって利用されるツー・パス・プロセスは、関連性ファインダ・パス・ワン及び関連性ファインダ・パス・ツーを含む。このツー・パス・プロセスは、どのように関連するトークンがドキュメント内にあるかに基づいて、ストップ・ワード・リムーバによって識別されたフィルタされたオープン案件ベクトル・データの各々のコンテキスト・トークンに、いくつかの実施例では、０～１の数字である、関連性重みを割り振る。
【0190】
一実施例では、関連性ファインダ・パス・ワンは、フィルタされたオープン案件ベクトル・データのトークンの初期の重みを識別するために、ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ－ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ（ＴＦ－ＩＤＦ）を使用する。関連性ファインダ・パス・ワンは次いで、トークン重みリストを生成し、トークン重みリストを関連性ファインダ・パス・ツーに渡す。
【0191】
一実施例では、関連性ファインダ・パス・ツーは、フィルタされたオープン案件ベクトル・データのトークンの重みを更に精緻化するための「ビジネス・コンテキスト・エンリッチメント」プロセスに、関連性ファインダ・パス・ワンによって生成されたトークン重みリストを渡す。一実施例では、教師あり学習方法及び訓練データは、ビジネス・コンテキスト・リストを強化するために利用される。一実施例では、それらが遭遇し、既存のビジネス・コンテキスト・リストに存在しないように、及びそのときに、ユーザがビジネス・ワードをフィードする（又は、タグ付ける）ことを可能にする関連性訓練ユーザ・インタフェースが提供される。一実施例では、フィルタ済みオープン案件ベクトル・データを処理するために関連性ファインダを利用することは、重み付けられたオープン案件ベクトル・データの生成を結果としてもたらす。
【0192】
一実施例では、４２８において、重み付けられたオープン案件ベクトル・データが生成されると、処理フローは、４３０に進む。一実施例では、４３０において、重み付けられたクローズ済み案件ベクトル・データを生成するように、フィルタされたクローズ済み案件ベクトル・データの各々のトークンに、関連性重みが割り振られる。
【0193】
上記でより詳細に議論されたように、様々な実施例では、ツー・パス・プロセスを含む、関連性ファインダが４３０によって利用される。一実施例では、どのように関連するトークンがドキュメント内にあるかに基づいて、ストップ・ワード・リムーバによって識別されたフィルタされたクローズ済み案件ベクトル・データの各々のコンテキスト・トークンに、いくつかの実施例では、０～１の数字である、関連性重みを割り振る。
【0194】
一実施例では、関連性ファインダ・パス・ワン、フィルタされたクローズ済み案件ベクトル・データのトークンの初期の重みを識別するために、ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ－ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ（ＴＦ－ＩＤＦ）を使用する。関連性ファインダ・パス・ワンは次いで、トークン重みリストを生成し、トークン重みリストを関連性ファインダ・パス・ツーに渡す。
【0195】
一実施例では、関連性ファインダ・パス・ツーは、フィルタされたクローズ済み案件ベクトル・データのトークンの重みを更に精緻化するための「ビジネス・コンテキスト・エンリッチメント」プロセスに、関連性ファインダ・パス・ワンによって生成されたトークン重みリストを渡す。一実施例では、教師あり学習方法及び訓練データは、ビジネス・コンテキスト・リストを強化するために利用される。一実施例では、それらが遭遇し、既存のビジネス・コンテキスト・リストに存在しないように、及びそのときに、ユーザがビジネス・ワードをフィードする（又は、タグ付ける）ことを可能にする関連性訓練ユーザ・インタフェースが提供される。一実施例では、フィルタされたクローズ済み案件ベクトル・データを処理するために関連性ファインダを利用することは、重み付けられたクローズ済み案件ベクトル・データの生成を結果としてもたらす。
【0196】
一実施例では、４３０において、重み付けられたクローズ済み案件ベクトル・データが生成されると、処理フローは、４３２に進む。一実施例では、４３２において、１つ以上の類似性プロセスは、現在オープン案件に類似する履歴的クローズ済み案件のリストを生成するために、重み付けられたオープン案件ベクトル・データ及び重み付けられたクローズ済み案件ベクトル・データが提供される。
【0197】
上記でより詳細に議論されたように、一実施例では、類似性ファインダが４３２によって利用され、類似性ファインダは、クライアント・サポート・プロフェッショナルによって取り組まれる重み付けられたオープン案件ベクトル・データ及び重み付けられたクローズ済み案件ベクトル・データをランク付け済みリスティングに変換するために、１つ以上の類似性プロセスを利用する。一実施例では、類似性ファインダは、類似性において最高から最低に履歴的クローズ済み案件をランク付け、１のランク付け＝１００％の類似性であり、０のランク付け＝０％の類似性である。一実施例では、類似性閾値は、ドキュメント類似性ファインダのために必要な類似性値を判定して、クライアント・サポート・プロフェッショナルに類似案件を示唆するために設定される。一実施例では、４３２において使用される類似性プロセスは、案件アシスタント・システムのルール＆制約構成インタフェースを通じて構成され得る。
【0198】
図５は、一実施例に係る、案件アシスタント・システムによって利用され得る、ルール＆制約構成インタフェース５００の実例のスクリーンショットである。
【0199】
上述したように、一実施例では、ドキュメント類似性ファインダの設計は、類似性発見プロセスの動的選択に大きく基づいている。類似性発見プロセスを手動で選択することができると共に、ルール＆制約構成インタフェース５００などのインタフェースを通じて、類似性ファインダも、それらに限定されないが、案件問題のコンテキスト、比較されるドキュメントの数、各々のドキュメントのサイズ、各々のドキュメント内のページの数、各々のドキュメント内の段落の数、各々のドキュメント内のワードの数、各々のドキュメントのファイル・タイプと共に、各々のドキュメントに対して発見された関連するワードの数、などの因子に基づいて、使用する最良の類似性発見プロセスを動的に選択するように構成されることが可能である。
【0200】
例えば、１つのタイプの類似性プロセスは、大きなドキュメントに対して最良に取り組み得ると共に、異なる類似性プロセスは、小さいドキュメントに対して最良に取り組み得る。代わりに、又は加えて、１つの類似性プロセスは、発見された関連するワードの数が多いときにより良好な結果を与え得ると共に、異なる類似性プロセスは、発見された関連するワードの数が少ないときにより良好な結果を与え得る。様々な実施例では、案件アシスタント・システムのドキュメント類似性ファインダによって利用されるＭＬモデルは、ルール＆制約構成インタフェース５００の類似性アルゴリズム選択メニュー５０２に示されるように、以下のオプション：コサイン類似性アルゴリズム；Ｊａｃｃａｒｄ類似性アルゴリズム；及びＬＳＡ類似性アルゴリズムから、類似性プロセスを動的に選択するように構成されることができる。様々な他の実施例では、案件ドキュメントの間の類似性を判定するために、本明細書で議論されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に開発され若しくは既知にされるような他のアルゴリズム及び／又はプロセスを利用することができる。
【0201】
図４Ｂを再度参照して、一実施例では、重み付けられたオープン案件ベクトル・データ及び重み付けられたクローズ済み案件ベクトル・データを処理するために類似性ファインダを利用することは、現在オープン案件に類似する履歴的クローズ済み案件のリストの生成を結果としてもたらす。
【0202】
一実施例では、４３２において、現在オープン案件に類似する履歴的クローズ済み案件のリストが生成されると、処理フローは、４３４に進む。一実施例では、４３４において、類似する履歴的クローズ済み案件のリスト内の各々の履歴的クローズ済み案件は、類似性ランク付けを割り振られ、ランク付け済み類似案件データが生成される。
【0203】
一実施例では、ランク付け済み類似案件データが生成されると、処理フローは、図４Ａ、及びオペレーション４３６に再度進む。一実施例では、４３６において、構成された訓練済みＲＰＡワーカは、現在オープン案件に類似する履歴的クローズ済み案件に熟練したエキスパートを識別するために利用され、ランク付け済み熟練エキスパート・データが生成される。
【0204】
一実施例では、現在オープン案件に類似する履歴的クローズ済み案件に熟練したエキスパートを識別すること、及びランク付け済み熟練エキスパート・データを生成することは、図４Ｃに示される、様々な追加のプロセス・ステップを伴う。
【0205】
図４Ｃは、一実施例に係る、熟練エキスパートを識別するプロセス４００Ｃのフローチャートである。
【0206】
一実施例では、図４Ａの４３６において、現在オープン案件に類似する履歴的クローズ済み案件に熟練したエキスパートを識別し、ランク付け済み熟練エキスパート・データを生成するために、処理フローは、図４Ｃの４３８に進む。一実施例では、４３８において、初期従業員スキル・セット・データ、動的従業員スキル・セット・データ、及び従業員ＨＲデータが取得される。
【0207】
一実施例では、４３８において、初期従業員スキル・セット・データは、それらに限定されないが、従業員自体、並びに／或いは従業員の雇用記録、並びに／或いは従業員のＨＲ記録、並びに／或いはサーティフィケーション及び学校教育の公記録、並びに／或いはプロフェッショナルソーシャルメディアサイト及び／若しくは一般的なソーシャルメディアサイトを有する従業員アカウント、並びに／或いは、本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に開発されるような、初期の、自己報告され／宣言された、及び／又は相対的に静的な初期従業員スキル・セット・データの他のソース、のうちの１つ以上を含む１つ以上のソースから取得される。
【0208】
一実施例では、４３８において、集約された「オンザジョブ」で獲得された従業員スキル及び性能と関連付けられた動的従業員スキル・セット・データが取得される。
【0209】
一実施例では、集約された「オンザジョブ」で獲得されたスキル及び性能と関連付けられた従業員の動的従業員スキル・セット・データは、クローズ済みタスク、プロジェクト、若しくは＆案件の総数を含む、従業員と関連付けられた、動的に更新されたタスク、プロジェクト、若しくは案件クローズデータ；タスク、プロジェクト、若しくは案件についてクローズする動的に更新された平均時間；顧客／製品／従業員ごとの動的に更新された平均クライアント調査若しくはランク付けデータ；動的に更新された経験＆チーム参加データ；動的に更新されたチームリーダシップ経験データ；動的に更新された案件優先度経験；従業員の現在の負荷を判定するための期間ごとの動的に更新されたマイルストーン；並びに／或いは、本明細書で議論若しくは例示されるような、出願時に本分野において既知であるような、及び／又は出願後に開発されるような動的従業員スキル・セット・データのいずれかの他のソース、のうちの１つ以上に基づいて、製品ライン、製品、及びリリース又はバージョンレベルにおいて取得される。
【0210】
一実施例では、４３８において、従業員と関連付けられたヒューマン・リソース（ＨＲ）データが取得される。様々な実施例では、従業員と関連付けられたＨＲデータは、それらに限定されないが、従業員の地理的位置；従業員と関連付けられたタイム・ゾーン；従業員と関連付けられたワーキング・タイム・ゾーン；従業員が理解し、話し、若しくは書き込むヒューマン言語；従業員が技量を有する機械言語及びプログラミング言語；従業員サーティフィケーション及び／若しくは教育データ；フルタイム、パートタイム、契約者などの従業員タイプ；従業員の計画された有給休暇（ＰＴＯ）；並びに／或いは、本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に既知／利用可能にされるようないずれかの他のＨＲデータ、を含むことができる。
【0211】
一実施例では、４３８において、初期従業員スキル・セット・データ、動的従業員スキル・セット・データ、及び従業員ＨＲデータが取得されると、処理フローは、４４０に進む。一実施例では、４４０において、初期従業員スキル・セット・データ、動的従業員スキル・セット・データ、及び従業員ＨＲデータは、集約済み従業員スキル・セット・データを生成するように集約される。
【0212】
一実施例では、４４０において、従業員スキル・セット連結は、各々の従業員についての集約済み従業員スキル・セット・データを生成し、各々の従業員についての集約済み従業員スキル・セット・データを動的に更新するように、集約された初期従業員スキル・セット・データと、動的従業員スキル・セット・データと、それらに限定されないが、ヒューマン・リソース（ＨＲ）及び／又は他の従業員記録データと、などの他の従業員データの多次元分析に基づいて実行される。
【0213】
上記議論されたように、一実施例では、開示される、４４０において実行される、初期従業員スキル・セット・データ、動的従業員スキル・セット・データ、及び従業員ＨＲデータの連結、改正、及び単一化は、従業員スキルの単一化された視点に対して重要である従業員スキルの一意な及び異なる観点をもたらす従業員スキル・セット次元を提供し、また、上記で更に詳細に議論された、従業員スキル・セット・データの生成及び正規化を可能にし、従業員スキル・セット・データは次いで、一実施例では、一実施例により、案件割り振りのための結論及び決定を行うために使用される、開示される正規化済み従業員スキル・セット・ベクトル・データを生成するために使用される。
【0214】
一実施例では、４４０において集約済み従業員スキル・セット・データが生成されると、処理フローは、４４２に進む。一実施例では、４４２において、現在オープン案件と関連付けられたクライアントについてのクライアント・データが取得される。
【0215】
様々な実施例では、４４２において取得されたクライアント・データは、集約されたクライアント・データであり、クライアント・データの少なくとも一部は、現在オープン案件データの一部として取得され、それらに限定されないが、クライアントの名前；クライアントの優先度；クライアントと関連付けられた機器又は製品ライン；クライアントの代わりに実行されるクライアント及び／又はタスク、プロジェクト、若しくは案件と関連付けられたいずれかの契約上の義務及び／又は要件；クライアントがエスカレートされたクライアント又は戦略的クライアントであるかどうか；クライアントと関連付けられたデータのいずれかの調査又はレビュー・データの平均；クライアントの地理的位置；クライアントの位置と関連付けられたタイム・ゾーン；並びに／或いは本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に利用可能にされ若しくは既知にされるようないずれかの他のクライアント・データ、を表すデータを含むことができる。
【0216】
様々な実施例では、クライアント・データは、それらに限定されないが、雇用者ビジネスによって維持されるクライアント及び／又は案件記録；クライアントと関連付けられたソーシャル・メディア・アカウント；クライアントと関連付けられたウェブサイト及び広告；並びに／或いは本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に利用可能にされ若しくは既知にされるようなクライアント・データのいずれかの他のソース、のうちの１つ以上から取得される。
【0217】
一実施例では、４４２において現在オープン案件と関連付けられたクライアントについてのクライアント・データが取得されると、処理フローは、４４４に進む。一実施例では、４４４において、現在オープン案件スキル・セット・ベクトル・データを生成するように、現在オープン案件データ及びクライアント・データが処理される。
【0218】
一実施例では、４４２において、取得された現在オープン案件データ及びクライアント・データは、タスク、プロジェクト、若しくは案件、及び／又はクライアントの必要性を満たすために、現在オープン案件と関連付けられた新たな案件要件及び／又は契約上の義務と共に、現在オープン案件に割り振られた従業員に対して必要とされるスキル・セットを識別するように処理される。
【0219】
一実施例では、次いで、現在オープン案件及び現在オープン案件によって必要とされるスキル・セットと関連付けられた、識別された新たな案件要件を表す現在オープン案件スキル・セット・データが生成される。一実施例では、現在オープン案件スキル・セット・データは次いで、現在オープン案件スキル・セット・ベクトル・データを生成するようにベクトル化される。
【0220】
一実施例では、４４４において現在オープン案件スキル・セット・ベクトル・データが生成されると、処理フローは、４４６に進む。一実施例では、４４６において、１つ以上のスキル・セットが合致した従業員を表す初期スキル・セット合致従業員データを生成するように、集約済み従業員スキル・セット・データ及び現在オープン案件スキル・セット・ベクトル・データが処理される。
【0221】
一実施例では、４４６において、初期スキル・セット合致従業員データが生成される。一実施例では、４４６において、各々の従業員についての集約済み従業員スキル・セット・データ及び現在オープン案件スキル・セット・データは、それらの関連付けられたスキル・セット・データに従って、新たな案件スキル・セット・ベクトル・データにおいて示されたスキル・セットに合致し、又は最も近く合致する、関連付けられたスキル・セット・データを有するように見える従業員を表す初期スキル・セット合致従業員データを識別するように、スキルが合致する。
【0222】
一実施例では、４４６において、各々の従業員についての集約済み従業員スキル・セット・データ及び現在オープン案件スキル・セット・データは、それらに限定されないが、ｋ近傍法（ＫＮＮ）分類、及び重み付け又は非重み付けユークリッド距離方法、或いは本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に開発されるようないずれかの他の分類プロセス／アルゴリズム／方法などの１つ以上の機械学習プロセスを使用して、スキルが合致する。
【0223】
一実施例では、４４６において、従業員は、いくつかの実施例では、合致したスキル又は合致したスキル特徴とも呼ばれる、オープン案件スキル・セット・データ及び集約済み従業員スキル・セット・データの両方に存在する識別された共通スキルに基づいて、現在オープン案件スキル・セット・データにおいて示されるスキル・セットに合致し、又は最も近く合致すると最初に判定される。
【0224】
一実施例では、４４６において初期スキル・セット合致従業員データが生成されると、処理フローは、４４８に進む。一実施例では、４４８において、各々のスキル・セットが合致した従業員について、スキル・セットが合致した従業員と関連付けられた正規化された従業員スキル・セット・データ及びスキル・セット特徴に基づいて、正規化済み従業員スキル・セット・ベクトル・データが生成される。
【0225】
一実施例では、所与のタスク、プロジェクト、又は案件と、所与のタスク、プロジェクト、又は案件と関連付けられたジョブ特定の要件とに対して必要であると識別されたスキル・セットに関して、集約済み従業員スキル・セット・データを識別し、正規化し、及びランク付けるために、機械学習プロセスが使用される。
【0226】
一実施例では、４４８において、各々のスキル・セットが合致した従業員に対して、正規化された従業員スキル・セット・データが生成される。一実施例では、初期スキル・セット合致従業員データにおいて表される各々の従業員についてのスキル・セットに含まれる合致したスキルは、各々の従業員についての正規化された従業員スキル・セット・データを生成するように正規化される。一実施例では、正規化プロセスは、合致したスキルと関連付けられた従業員についての動的「オンザジョブ」で獲得されたスキル・セット・データに基づいている。
【0227】
様々な実施例では、合致したスキル・セット特徴と関連付けられた従業員についての動的スキル・セット・データは、それらに限定されないが、従業員によってクローズされた総案件；従業員によってクローズされた案件についての平均解決時間；従業員についての平均顧客満足レビュー・スコア・データ；合致したスキル・セット特徴に関連する従業員によって所有され及び／又はクローズされた案件；スキル・セット特徴に関連する従業員によってリード及び／又はクローズされた案件；合致したスキル・セット特徴に関連する従業員によって貢献された案件；合致したスキル・セット特徴に関連する従業員チームによって所有され、及び／又はクローズされ、及び／又は参加された案件と関連付けられた解決時間；合致したスキル・セット特徴と関連付けられた従業員チームについてのレビュー及び顧客満足入力／レーティング；並びに／或いは本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に利用可能にされるような、従業員及び合致したスキル・セット特徴と関連付けられたいずれかの他の動的スキル・セット・データ、を含むことができる。
【0228】
一実施例では、各々の従業員についての正規化された初期スキル・セット合致従業員データは、合致したスキルと関連付けられた従業員についての動的スキル・セット・データと、それらに限定されないが、Ｍｉｎ－Ｍａｘ正規化、或いは本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に開発されるようないずれかの他の正規化プロセス／方法と、を使用して生成される。
【0229】
開示される実施例は、別の従業員のスキルに関して、１つの従業員のスキルを「正規化する」ことをもたらし、その結果、複数の従業員のスキル・セットは、所与のタスク、プロジェクト、又は案件の必要性に関して客観的に比較されることができる。これは、それらの報告され／既知のスキル及び潜在的なタスク、プロジェクト、又は案件及び／又はクライアントに関して、従業員の履歴的及び現在の集約された「オンザジョブ」従業員性能及び動的作業経験パラメータの影響を考慮し、それを統合することによって達成される。結果として、開示される実施例を使用して、複数の従業員のスキル・セット・データの比較及び分析は、従業員の報告され／既知のスキルと、所与のタスク、プロジェクト、又は案件、又はクライアントの識別された必要性とに関する「現実世界」及び集約された「オンザジョブ」性能の考慮を反映する。その結果、開示される正規化プロセスは、従業員のスキル・セット・データを一意に評価するように、「オンザジョブ」で取得された動的従業員スキルを統合する。
【0230】
一実施例では、４４８において正規化済み従業員スキル・セット・ベクトル・データが生成されると、処理フローは、４５０に進む。一実施例では、４５０において、ランク付け済みスキル合致従業員推奨データを生成するために、各々のスキル・セットが合致した従業員についての正規化済み従業員スキル・セット・ベクトル・データ及び現在オープン案件スキル・セット・ベクトル・データが機械学習プロセスに提供される。
【0231】
一実施例では、４５０において、ランク付け済みスキル合致従業員推奨データは、１つ以上の機械学習プロセスを使用して生成される。一実施例では、４５０において、現在オープン案件ベクトル・データ及び各々の最初に合致した従業員についての正規化済み従業員スキル・セット・ベクトル・データは、前に訓練された機械学習モデルへの入力データとして使用される。
【0232】
一実施例では、機械学習モデルは、それらに限定されないが、従業員によってクローズされた総案件；従業員によってクローズされた案件についての平均解決時間；従業員についての平均顧客満足レビュー・スコア・データ；履歴的案件データ、履歴的クライアント・データ、履歴的初期従業員スキル・セット・データ、履歴的動的従業員スキル・セット・データ、履歴的従業員ＨＲデータ、及び履歴的ルール＆制約データと共に、集約されたタスク、プロジェクト、又は案件完了データ、履歴的顧客レビュー／レーティングデータ、及び他の履歴的案件＆従業員データ、を含む訓練データを使用して、オフライン環境で訓練される。一実施例では、この訓練データを使用して、機械学習モデルは、現在オープン案件スキル・セット・ベクトル・データと各々の最初に合致した従業員についての正規化済み従業員スキル・セット・ベクトル・データに合致し及びランク付けするように訓練される。
【0233】
様々な実施例では、機械学習モデルは、教師あり機械学習サービス若しくはモデル；教師なし機械学習サービス若しくはモデル；半教師あり機械学習サービス若しくはモデル；又は現在オープン案件スキル・セット・ベクトル・データとの各々の最初に合致した従業員についての正規化済み従業員スキル・セット・ベクトル・データに合致し及びランク付けする能力を有するいずれかの他の機械学習サービス若しくはモデル、のうちのいずれかの１つ以上である。
【0234】
特定の例示的な実例として、一実施例では、機械学習モデルは、重み付け又は非重み付けユークリッド距離方法、或いは本明細書で議論若しくは例示されるような、及び／又は出願時に本分野において既知であるような、及び／又は出願後に開発されるようないずれかの他のランク付けプロセス／方法、を利用する。
【0235】
一実施例では、機械学習モデルの出力は、ランク付け済みスキル合致従業員推奨データである。一実施例では、ランク付け済みスキル合致従業員推奨データは、現在オープン案件に合致し、又は最も近く合致する従業員を表すデータを含む。
【0236】
一実施例では、４５０においてランク付け済みスキル合致従業員推奨データが生成されると、処理フローは、４５２に進む。一実施例では、４５２において、ランク付け済み熟練エキスパート・データを生成するように、ランク付け済みスキル合致従業員データがランク付け済み類似案件データとマージされる。
【0237】
上述したように、一実施例では、ランク付け済み類似案件データは、それらに限定されないが、コサイン類似性アルゴリズム、Ｊａｃｃａｒｄアルゴリズム、及びＬＳＡアルゴリズムなどの１つ以上の類似性プロセスを部分的に使用して生成される。一実施例では、ランク付け済みスキル合致従業員データは、それらに限定されないが、ユークリッド距離アルゴリズムなどの１つ以上のプロセスを部分的に使用して生成される。一実施例では、４５２において、各々のプロセスによって生成された値は、「近接度」因子に到達するためにマージされ、「近接度」因子は、ランク付け済み熟練エキスパート・データによって表される熟練エキスパートをランク付ける方法を提供し、よって、ランク付け済み熟練エキスパート・データの生成をもたらす。
【0238】
一実施例では、４５２においてランク付け済み熟練エキスパート・データが生成されると、処理フローは、図４Ａ及びオペレーション４５４に再度進む。一実施例では、４５４において、現在オープン案件と関連付けられたビジネス実施例外を識別するために、構成された訓練済みＲＰＡワーカが利用される。
【0239】
上記でより詳細に議論されたように、一実施例では、クライアント・サービス・システムによって利用される案件アシスタント・システムも、ビジネス例外ファインダを含む。一実施例では、ビジネス例外ファインダは、ビジネス実施例外に対してクライアント・サポート・プロフェッショナルを積極的に警告するために、１つ以上のＲＰＡワーカによって利用される。実行アラートを起こす状況の実例は、それらに限定されないが、エンジニアが仕事を休んだこと、エンジニア及び／若しくは契約者が会社を離れたこと、並びに／又は複数の高優先度の案件が特定のエンジニアに割り振られたこと、を含む。
【0240】
図６は、一実施例に係る、案件アシスタント・システムによって利用されるビジネス例外ファインダのビジネス・アラート構成インタフェース６００のスクリーンショットである。
【0241】
図６に示されるように、様々なビジネス実施例外アラートが作成されることができ、クライアント・サポート・プロフェッショナルに、案件解決に関する情報の広範囲のアレイを提供するように構成されることができる。例えば、様々な実施例では、アラートは、それらに限定されないが、案件及び／若しくはクライアントがエスカレートされるとき、１つ以上の案件負荷閾値を上回るとき、クライアントとのサービス・プロバイダの関係性において変化が発生するとき、案件に割り振られたクライアント・サポート・プロフェッショナルが会社を離れたとき、休暇中であるとき、並びに／又は、嵐、洪水、地震、竜巻、ウイルス・アウトブレーク、及びアクティブシュータなどのイベントによって潜在的に影響を及ぼされる領域、状態、又は国にあるとき、などの状況において、構成されたＲＰＡワーカによって生成されることができる。
【0242】
一実施例では、４５４においてビジネス実施例外が識別されると、処理フローは、４５６に進む。一実施例では、４５６において、クライアント・サポート・プロフェッショナルは、現在オープン案件の解決によりクライアント・サポート・プロフェッショナルを支援するために、クライアント・サービス・システムのユーザ・インタフェースを通じて、類似案件、熟練エキスパート、及びビジネス例外のうちの１つ以上に関連するデータがほぼリアルタイムで提供される。
【0243】
クライアント・サービス・システムのユーザ・インタフェースを通じてクライアント・サポート・プロフェッショナルに提供される類似案件、熟練エキスパート、及びビジネス例外に関連するデータの実例が、以下に提供される。
【0244】
図７Ａは、一実施例に係る、案件アシスタント・システムに対するダッシュボード・ユーザ・インタフェース７００Ａのスクリーンショットである。
【0245】
様々な実施例では、本明細書で開示される案件アシスタント・システムは、１つ以上のクライアント・サポート・プロフェッショナルに、ユーザ・インタフェースを提供し、ユーザ・インタフェースは、クライアント・サポート・プロフェッショナルが、ＲＰＡワーカによって提供されるデータをレビューし及びデータと相互作用することを有効にする。図７Ａに示されるように、一実施例では、クライアント・サポート・プロフェッショナルは、案件アシスタント・システムによって提供されるダッシュボード・インタフェースから、現在オープン案件リスティング７０２を見ることが可能である。様々な実施例では、現在オープン案件リスティング７０２は、それらに限定されないが、製品ライン、案件番号、クライアント名、クライアント・シアタ、案件優先度、案件作成日、案件ステータス、クライアントＰＳＥ、製品モジュール、製品リリース・バージョン、案件サブジェクト、及び関連するアクション・アイテム、などのデータを含む。
【0246】
【0247】
ここで図４Ａ及び図７Ｂを共に参照して、一実施例では、各々の案件サブジェクト・アイテム７０４について、クライアント・サポート・プロフェッショナルにアクション・アイテム７０６が提供される。一実施例では、アクション・アイテム７０６は、クライアント・サポート・プロフェッショナルが、上記議論されたＲＰＡワーカによって提供されるデータと相互作用することを可能にする。例えば、一実施例では、アクション・アイテム７０６は、案件サブジェクト・アイテム７０４によって表される現在オープン案件に類似の案件に関連するデータを見るためのリンクを含む。一実施例では、類似案件データは、図４Ａの４１４において生成されたランク付け済み類似案件データを含む。一実施例では、アクション・アイテム７０６は、案件サブジェクト・アイテム７０４によって表される現在オープン案件と関連付けられた熟練エキスパートに関連するデータを見るためのリンクを含む。一実施例では、エキスパート・データは、図４Ａの４３６において生成されたランク付け済み熟練エキスパート・データを含む。一実施例では、アクション・アイテム７０６は、案件サブジェクト・アイテム７０４によって表される現在オープン案件と関連付けられたビジネス・アラートに関連するデータを見るためのリンクを含む。一実施例では、ビジネス・アラートデータは、図４Ａの４５４において生成されたビジネス例外データを含む。
【0248】
図７Ｃは、一実施例に係る、より大きなクライアント・サービス・システムの一部として利用される案件アシスタント・ウィジェットの実例のスクリーンショット７００Ｃである。一実施例では、ＲＰＡワーカによって生成された類似案件データ、熟練エキスパート・データ、及びビジネス・アラートへのリンクは、案件アシスタント・ウィジェット７０８を介して提供され、案件アシスタント・ウィジェット７０８は、いくつかの実施例では、より大きなクライアント・サービス・システムの一部として組み込まれることができるウィジェットである。
【0249】
図８Ａは、一実施例に係る、ドキュメント類似性ファインダと関連付けられたアラート・システムのスクリーンショット８００Ａである。
【0250】
一実施例では、現在オープン案件８０２などの現在オープン案件に類似の案件がＲＰＡワーカによって発見されるとき、類似案件アラート８０４などのアラートは、現在オープン案件８０２に対して取り組むクライアント・サポート・プロフェッショナルに自動で提供され得る。
【0251】
図８Ｂは、一実施例に係る、ドキュメント類似性ファインダによって生成された類似案件のリスティングのスクリーンショット８００Ｂである。
【0252】
一実施例では、クライアント・サポート・プロフェッショナルは、現在オープン案件データ８０６によって表される現在オープン案件に類似するとＲＰＡワーカによって発見された案件についてのランク付け済み類似案件データ８０８が提示され得る。いくつかの実施例では、ランク付け済み類似案件データ８０８は、それらに限定されないが、類似案件番号、ドキュメント類似性ファインダによって各々の類似案件に対して生成されたコサイン類似性値、類似案件のサブジェクト、類似案件の記述へのリンク、類似案件の根本的原因と関連付けられたデータへのリンク、類似案件に対して解決された問題への解決策と関連付けられたデータへのリンク、類似案件を解決する責任を有していたクライアント・サポート・プロフェッショナルに関連するデータと共に、類似案件のステータス、などのデータを含む。一実施例では、クライアント・サポート・プロフェッショナルはまた、類似案件フィードバック機構８１０が提供され、類似案件フィードバック機構８１０は、ドキュメント類似性ファインダＭＬモデルを訓練するためにＲＰＡワーカによって利用される訓練データに組み込まれることができる、案件結果に対するフィードバックをクライアント・サポート・プロフェッショナルが提供することを可能にする。
【0253】
【0254】
図９Ａに示されるように、一実施例では、現在オープン案件９０２などの現在オープン案件についてのスキル・ギャップがＲＰＡワーカによって発見されるとき、スキル・ギャップ・アラート９０４などのアラートは、現在オープン案件９０２に対して取り組むクライアント・サポート・プロフェッショナルに自動で提供され得る。
【0255】
図９Ｂに示されるように、一実施例では、現在オープン案件９０２などの現在オープン案件に類似の案件についての熟練エキスパートがＲＰＡワーカによって発見されるとき、熟練エキスパート・アラート９０６などのアラートは、現在オープン案件９０２に対して取り組むクライアント・サポート・プロフェッショナルに自動で提供され得る。
【0256】
図９Ｃは、一実施例に係る、熟練エキスパートとの協働を開始するためのインタフェース９００Ｃのスクリーンショットである。
【0257】
ここで図９Ｂ及び図９Ｃを共に参照して、一実施例では、熟練エキスパート・アラート９０６などのアラートが、現在オープン案件９０２に対して取り組むクライアント・サポート・プロフェッショナルに提示されると、クライアント・サポート・プロフェッショナルが、推奨される熟練エキスパートに連絡することを望む場合、それらは、熟練エキスパート協働メッセージ・ジェネレータ９０８が提供され得、熟練エキスパート協働メッセージ・ジェネレータ９０８は、一実施例では、協働を開始するために熟練エキスパートに送信するメッセージを自動でポピュレートする。
【0258】
図９Ｄは、一実施例に係る、熟練エキスパート・ファインダによって生成された利用可能な熟練エキスパートのリスティングのスクリーンショット９００Ｄである。
【0259】
一実施例では、クライアント・サポート・プロフェッショナルは、現在オープン案件データ９１０によって表される現在オープン案件に類似の案件により最も熟練したとＲＰＡワーカによって発見された熟練エキスパートについてのランク付け済み熟練エキスパート・データ９１２が提示され得る。いくつかの実施例では、ランク付け済み熟練エキスパート・データ９１２は、それらに限定されないが、熟練エキスパートの名前、熟練エキスパートの電子メール、熟練エキスパートのタイム・ゾーン、熟練エキスパート・ファインダによって各々の熟練エキスパートに対して生成された近接度因子、熟練エキスパートとの協働を開始するためのリンク、及び熟練エキスパートと関連付けられた詳細なスキル・データを見るためのリンク、などのデータを含む。一実施例では、クライアント・サポート・プロフェッショナルはまた、熟練エキスパートフィードバック機構９１４が提供され、熟練エキスパートフィードバック機構９１４は、クライアント・サポート・プロフェッショナルは、熟練エキスパート・ファインダＭＬモデルを訓練するためにＲＰＡワーカによって利用される訓練データに組み込まれることができる、エキスパート結果に対するフィードバックをクライアント・サポート・プロフェッショナルが提供することを可能にする。
【0260】
図９Ｅは、一実施例に係る、利用可能な熟練エキスパートとの協働を開始するためのインタフェースのスクリーンショット９００Ｅである。
【0261】
ここで図９Ｄ及び図９Ｅを共に参照して、一実施例では、ランク付け済み熟練エキスパート・データ９１２が、現在オープン案件９１０に対して取り組むクライアント・サポート・プロフェッショナルに提示されると、クライアント・サポート・プロフェッショナルが、推奨される熟練エキスパートの１つに連絡することを望む場合、それらは、熟練エキスパートによるレビューを要求するために、提供されたリンクを利用し得、リンクは、一実施例では、クライアント・サポート・プロフェッショナルに、熟練エキスパート協働メッセージ・ジェネレータ９１６を提供し、熟練エキスパート協働メッセージ・ジェネレータ９１６は、一実施例では、協働を開始するために熟練エキスパートに送信するメッセージを自動でポピュレートする。
【0262】
図９Ｆは、一実施例に係る、利用可能な熟練エキスパートのスキルを見るためのインタフェースのスクリーンショット９００Ｆである。
【0263】
ここで図９Ｄ及び図９Ｆを共に参照して、一実施例では、クライアント・サポート・プロフェッショナルが、ランク付け済みスキルエキスパート・データ９１２によって表される熟練エキスパートの１つと関連付けられた詳細なスキル・データを見ることを望む場合、それらは、熟練エキスパートの詳細を見るためのインタフェースを開くために、提供されたリンクを利用し得る。いくつかの実施例では、熟練エキスパート詳細９１８は、それらに限定されないが、エキスパート名、電子メール、位置、ステータス、バイオグラフィと共に、様々な異なる製品ライン、製品ファミリ、製品などを有する経験の年数に関連するデータ、などの詳細を含む。
【0264】
【0265】
図１０Ａに示されるように、一実施例では、クライアント・サポート・プロフェッショナルは、現在オープン案件データ１００２によって表される現在オープン案件に対してＲＰＡワーカによって発見されたビジネス実施例外についてのビジネス例外データ１００４が提示され得る。いくつかの実施例では、ビジネス例外データ１００４は、それらに限定されないが、アラート・タイプの記述、及びアラートに関する追加の情報を見るためのリンク、などのデータを含む。
【0266】
図１０Ｂに示されるように、様々な実施例では、ビジネス例外データ１００４によって表されるビジネス例外に関して提供される追加の情報１００８は、それらに限定されないが、クライアント名、製品ライン、エスカレーションレベル、などのデータを含み得る。一実施例では、クライアント・サポート・プロフェッショナルに提供される追加の情報１００８は、ビジネス・アラートのタイプに依存する。
【0267】
一実施例では、クライアント・サポート・プロフェッショナルはまた、ビジネス・アラートフィードバック機構１００６が提供され、ビジネス・アラートフィードバック機構１００６は、ビジネス例外ファインダＭＬモデルを訓練するためにＲＰＡワーカによって利用される訓練データに組み込まれることができる、クライアント・サポート・プロフェッショナルが、ビジネス例外結果に対するフィードバックを提供することを可能にする。
【0268】
一実施例では、４５６において、クライアント・サポート・プロフェッショナルが、類似案件、熟練エキスパート、及びビジネス例外のうちの１つ以上に関連するデータが提供されると、クライアント・サポート・プロフェッショナルは、クライアント案件をより急速且つ成功して解決するために、このデータを利用し、処理フローは、ＥＮＤ ４５８に進み、新たなデータ及び／又は命令を待つために、クライアント・サポート・プロフェッショナルに案件アシスタンスを提供するプロセス４００Ａが終了する。
【0269】
様々な実施例では、本明細書で開示される方法及びシステムは、案件データ、クライアント・データ、従業員データ、及びスキル・データが、複数のデータソースから１つのプラットフォームに連結されることを可能にする。案件アシスタントは、それらに限定されないが、同一のクライアントから案件を探索することなど、定義された制約内でサポート・プロフェッショナルを支援することを常に試みる、集束されたＲＰＡワーカによりバックグラウンドで連続して稼働していることがある。様々な実施例では、本明細書で開示される方法及びシステムは、リアルタイム処理及びスケジュールされた処理の両方を可能にするために、データマイニング、データ処理、自然言語処理、機械学習モデル及び処理、並びに性能最適化の組み合わせを使用する。一実施例では、案件アシスタントは、様々な案件データ因子に応じて、ドキュメント類似性発見に対して最も適した機械学習処理方法を動的に選択することが可能である。一実施例では、案件アシスタントワーカの数は、現在オープン案件の数などの因子を含む、案件ロギング・パターンに基づいて、スケール・アップ及びダウンされることが可能である。一実施例では、ＲＰＡ連続処理機能性は、ビジネス及びガバナンスからの定義された制約に基づいてナビゲートされることが可能である。一実施例では、オープン及びクローズ済み案件のビジネス・コンテキストは、非常に短い時間内に、精密な結果に到達するために、連続フィードバック及び機械学習技術から強化されることが可能である。一実施例では、ストップ・ワード除去プロセスは、オープン及びクローズ済み案件コンテキスト定式化の効率性及び精度を改善するために、連続フィードバック及び機械学習技術から強化されることが可能である。
【0270】
本開示の実施例は、クライアント・サポート・プロフェッショナルにリアルタイム・アシスタンスを提供するためにロボティック・プロセス自動化を利用する、高度に効率的、効果的、且つ多用途なシステム及び方法を提供すると共に、クライアント・サポート・プロフェッショナルにリアルタイム・アシスタンスを提供するシステム及び方法の開示される実施例は、プロセス自動化のエリア内で他の形式のイノベーションを含まず、具体化せず、又は排除しない。
【0271】
加えて、クライアント・サポート・プロフェッショナルにリアルタイム・アシスタンスを提供するためにロボティック・プロセス自動化を利用するシステム及び方法の開示される実施例は、少なくとも数個の理由のためにアイデアを抽象化しない。
【0272】
最初に、上述したように、クライアントに様々なサポート・サービスを提供するサービス・プロバイダは、それらのクライアントの各々に対して実行されるジョブと関連付けられた数千の案件記録を含むデータ・リポジトリと共に、数百のクライアントを潜在的に有することができる。オープン案件の効率的な解決は、オープン案件記録に類似するクローズ済み案件記録を急速に識別することが可能であることに依存することが多い。更に、各々の案件は、解決するのに多数のスキルを必要とし得、各々のクライアント・サポート・プロフェッショナルは、ビジネスがサポート及び従業員を提供する、多数の製品、モジュール、及び／若しくは特徴、並びに／又はそれらの製品及びモジュールと関連付けられた能力を有する多数の専門化されたスキル及び／又は経験を潜在的に有することができる。各々のクライアント・サポート・プロフェッショナルが、潜在的に数百の製品及びモジュールと関連付けられた数百のスキルを潜在的に有することができると仮定して、単一のクライアント・サポート・プロフェッショナルのスキル・セットが、数百の、又は更には数千の個々のスキルを含むことができる案件であることが多い。その結果、オープン案件に類似するクローズ済み案件を識別することと、オープン案件を解決するために必要なスキルを識別することと、最良に適したクライアント・サポート・プロフェッショナル、すなわち、所与のタスク、プロジェクト、又は案件をサポートするために最も適切なクライアント・サポート・プロフェッショナルを識別することとは、殊に、関連する分析査定を実行するために必要とされる数百、数千、及び／又は数百万のデータポイントを考慮すると、急速に複雑且つ気の遠くなるタスクになる場合がある。
【0273】
実際に、人間が数千のドキュメントにわたってビジネス・コンテキスト類似性を正確に識別し、複数の、更には数百の従業員のスキル・セットの間の相互作用及び関係性を把握することが可能でないくらいに、問題が複雑になる場合があり、従業員の各々は、各々が数百、又は更には数千のスキル・セット要件及び契約性能要件＆制限を有する、潜在的に数百のビジネスのクライアントに対する、数百、又は更には数千の個々のスキルと、複数の、更には数百のタスク、プロジェクト、又は案件の要件を潜在的に有する。結果は、問題の複雑度であり、問題の複雑度は、人間が、クライアント・サポート・プロフェッショナルにリアルタイム案件アシスタンスを最も効率的且つ効率的に提供するために必要な因子の間の有意な関係性及び相互接続を認識することを不可能にする。
【0274】
対照的に、開示される実施例は、案件ドキュメントの間の類似性を識別し、熟練エキスパートを識別し、ビジネスサポート・プロフェッショナルにこの情報をリアルタイムで効率的に提供する一意な方法において、人間がそれを行う能力を有しない方法において、及び場合によっては人間が見定めない関係性に基づいて、機械学習技術を利用する。その結果、クライアント・サポート・プロフェッショナルにリアルタイム・アシスタンスを効果的且つ効率的に提供するためにロボティック・プロセス自動化を利用する、開示されるシステム及び方法は、それらが単にアイデア自体でなく、精神的に又はペンと紙を使用して実行されることができないことを理由に、アイデアを抽象化しない。
【0275】
２つ目に、クライアント・サポート・プロフェッショナルにリアルタイム・アシスタンスを効果的且つ効率的に提供するためにロボティック・プロセス自動化を利用する、開示されるシステム及び方法は、それらが根本的な経済的慣行でない（例えば、契約関係を作成せず、ヘッジせず、決済リスクを軽減しない）ことを理由に、アイデアを抽象化しない。
【0276】
３つ目に、クライアント・サポート・プロフェッショナルにリアルタイム・アシスタンスを効果的且つ効率的に提供するためにロボティック・プロセス自動化を利用する、開示されるシステム及び方法において数学が使用され得るが、開示され且つ特許請求されるシステム及び方法は、それらが単純に数学的関係性／式でないことを理由に、アイデアを抽象化しない。
【0277】
加えて、上記議論されたように、クライアント・サポート・プロフェッショナルにリアルタイム・アシスタンスを効果的且つ効率的に提供するためにロボティック・プロセス自動化を利用する、開示される方法及びシステムは、連結され、正規化され、及びより集束されたデータを提供し、データは、連結され及びより正確なデータの処理及び記憶を提供し、無関係な、不正確な、又は誤りがあるデータの処理を最小化する。したがって、開示される実施例を使用して、不要なデータ分析、転送、及び記憶が回避される。その結果、クライアント・サポート・プロフェッショナルにリアルタイム・アシスタンスを効果的且つ効率的に提供する、開示される方法及びシステムを使用することは、人間及び非ヒューマン・リソースの使用をより効率的にすることと、利用されるプロセッサ・サイクルを少なくすることと、メモリ利用を低減することと、バックエンドシステム並びに様々なシステム及びパーティに及びから、データを中継するために利用される通信帯域幅を少なくすることと、を結果としてもたらす。結果として、コンピューティング・システムは、開示される実施例を実装することによって、より高速、より効率的、且つより効果的なコンピューティング・システムに変換される。
【0278】
加えて、開示される実施例は、いずれかの抽象的アイデアよりも著しく大きいものに共に達する、データの統合、正規化、及び機械学習処理を含む、オペレーションの順序付けされた組み合わせを表し、発明概念及び技術的進歩を表す。
【0279】
本発明を、特定の可能な実施例に関して特に詳細に説明されてきた。当業者は、発明が他の実施例において実施され得ることを認識するであろう。例えば、構成要素に使用される命名法、構成要素の指定及び用語の大文字化、属性、データ構造、又はその他のプログラミング又は構造的側面は重要でなく、必須でなく、又は限定的ではなく、発明又はその特徴を実装する機構は、様々な異なる名前、フォーマット、又はプロトコルを有することができる。更に、発明のシステム又は機能性は、説明されたように、ソフトウェア及びハードウェアの様々な組み合わせを介して、又は全体的にハードウェア要素において実装され得る。また、本明細書で説明される様々な構成要素の間の機能性の特定の分割は、例示であるにすぎず、必須又は重要ではない。その結果、単一の構成要素によって実行される機能は、他の実施例では、複数の構成要素によって実行され得、複数の構成要素によって実行される機能は、他の実施例では、単一の構成要素によって実行され得る。
【0280】
上記議論では、一実施例の特定の態様は、例示の目的のために特定の順序及び／又はグループ化において本明細書で説明されるプロセス・ステップ及び／又はオペレーション及び／又は命令を含む。しかしながら、本明細書で示され及び議論される特定の順序及び／又はグループ化は、例示であるにすぎず、限定するものではない。当業者は、プロセス・ステップ及び／又はオペレーション及び／又は命令の他の順序及び／又はグループ化が可能であり、いくつかの実施例では、上記議論されたプロセス・ステップ及び／又はオペレーション及び／又は命令のうちの１つ以上が組み合わされることができ、及び／又は削除されることができることを認識するであろう。加えて、プロセス・ステップ及び／又はオペレーション及び／又は命令のうちの１つ以上の部分は、本明細書で議論されるプロセス・ステップ及び／又はオペレーション及び／又は命令のうちの１つ以上の他の部分として再グループ化されることができる。その結果、本明細書で議論されるプロセス・ステップ及び／又はオペレーション及び／又は命令の特定の順序及び／又はグループ化は、以下に特許請求されるような本発明の範囲を限定するものではない。
【0281】
上記でより詳細に議論されたように、修正及び／又は入力があまりなく、又は全くなく、上記実施例を使用して、多数の環境下で様々なパーティの特定の必要性を満たすカスタマイズのための相当な柔軟性、適合性、及び機会がある。
【0282】
上記の説明の一部の部分は、プロセス／アルゴリズム、及び情報／データに対するオペレーションの記号表現、又はアルゴリズムのような表現の点で、本発明の特徴を提示する。それらのアルゴリズム又はアルゴリズムのような記述及び表現は、それらの研究の実体を他の当業者に最も効果的且つ効率的に伝えるために当業者によって使用される手段である。それらのオペレーションは、機能的又は論理的に説明されると共に、コンピュータ・プログラム又はコンピューティング・システムによって実装されると理解されよう。更に、一般性を失うことなく、それらのオペレーションの配列をステップ若しくはモジュールとして、又は機能名によって参照することが時に便利であることも証明してきた。
【0283】
他に特別に述べられない限り、上記議論から明らかなように、上記説明の全体を通じて、それらに限定されないが、「活性化する」、「アクセスする」、「追加する」、「集約する」、「警告する」、「適用する」、「分析する」、「関連付ける」、「計算する」、「捕捉する」、「カテゴリ化する」、「分類する」、「比較する」、「作成する」、「定義する」、「検出する」、「判定する」「配布する」、「取り除く」、「暗号化する」、「抽出する」、「フィルタする」、「移行する」、「生成する」、「識別する」、「実装する」、「通知する」、「監視する」、「取得する」、「投稿する」、「処理する」、「提供する」、「受信する」、「要求する」、「保存する」、「送信する」、「記憶する」、「置き換える」、「転送する」、「変換する」、「伝送する」、「使用する」、など用語を利用する議論は、コンピューティング・システム・メモリ、レジスタ、キャッシュ、又は他の情報記憶、伝送、若しくはディスプレイ・デバイス内の物理（電子）量として表されるデータに対して操作及び動作するコンピューティング・システム又は類似の電子デバイスのアクション及びプロセスを指すことを認識されよう。
【0284】
本発明はまた、本明細書で説明されるオペレーションを実行する装置又はシステムに関する。この装置若しくはシステムは、必要とされる目的のために特別に構築され得、又は装置若しくはシステムは、コンピューティング・システム若しくは他のデバイスによってアクセスされることができる、本明細書で議論若しくは例示されるようなプロセスを実行するようにプロセッサを使用して命令を実行するための、非一時的コンピュータ可読媒体に記憶されたコンピュータ・プログラムによって選択的に活性化され若しくは構成／再構成されるシステムを含むことができる。
【0285】
当業者は、本明細書で提示されるアルゴリズム及びオペレーションが、いずれかの特定のコンピューティング・システム、コンピュータアーキテクチャ、コンピュータ、若しくは産業標準、又はいずれかの他の特定の装置に本質的に関連しないことを容易に認識するであろう。様々なシステムも、本明細書における教示に従ってプログラムにより使用され得、又はそれは、本明細書で説明される必要とされるオペレーションを実行するように、より専門化された装置を構築することがより便宜的／効率的であることを証明し得る。様々なそれらのシステムに対する必要とされる構造は、同等の変形例と共に、当業者にとって明らかである。加えて、本発明は、いずれかの特定のプログラミング言語を参照して説明されず、様々なプログラミング言語は、本明細書で説明されるように本発明の教示を実装するために使用され得、特定の言語又は言語（複数可）へのいずれかの参照は、例示のみを目的として、及び出願時に発明者によって熟考されるような発明の有効化のために提供される。
【0286】
本発明は、多数のトポロジにわたって動作する多種多様なコンピュータ・ネットワーク・システムに良好に適する。本分野内で、大規模ネットワークの構成及び管理は、プライベート・ネットワーク、ＬＡＮ、ＷＡＮ、プライベート・ネットワーク、又はインターネットなどのパブリック・ネットワークにわたって類似又は非類似のコンピュータ及び記憶装置に通信可能に結合された記憶装置及びコンピュータを含む。
【0287】
明細書において使用される言語は、読み易さ、明確さ、及び指導の目的のために主に選択されており、発明の主題を描写し又は限定するために選択され得ないことに留意されるべきである。したがって、本発明の開示は、例示的であり、以下の特許請求の範囲において示される、発明の範囲を限定しないことを意図している。
【0288】
加えて、図面に示され、又は本明細書で議論若しくは例示されるようなオペレーションは、説明及び理解を容易にするための特定の命名法を使用して識別されるが、同等のオペレーションを識別するために、他の命名法が本分野において使用されることが多い。
【0289】
したがって、多数の変形例は、明細書によって明示的に提供され、又は明細書によって暗に意味されるか否かに関わらず、本開示に鑑みて当業者によって実装され得る。
【図1A】
【図1B】
【図2A】
【図2B】
【図3A】
【図3B】
【図3C】
【図3D】
【図3E】
【図3F】
【図4A】
【図4B】
【図4C】
【図5】
【図6】
【図7A】
【図7B】
【図7C】
【図8A】
【図8B】
【図9A】
【図9B】
【図9C】
【図9D】
【図9E】
【図9F】
【図10A】
【図10B】
【国際調査報告】