基于個人信息管理的郵件處理系統(tǒng).pdf

1、萬維網(wǎng)自誕生以來，發(fā)展十分迅速，已經(jīng)成為人類交流的重要媒體、人類數(shù)據(jù)的巨大倉庫和人類知識的潛在源泉。面對知識爆炸，海量數(shù)據(jù)處理的需要，人們越來越多的使用計算機進行事務(wù)處理，計算機作為信息管理的作用日益凸現(xiàn)。這其中，電子郵件以其快捷、高效等特性而成為人們接觸最多的信息載體之一，因此如何使用戶快速便捷的獲取、處理、利用電子郵件中的數(shù)據(jù)成為必須解決的問題。 本文以個人信息管理為背景，以電子郵件的處理為切入點，從郵件聚類和郵件摘要兩個方

2、面對網(wǎng)上郵件處理技術(shù)進行了深入研究，并提出了相應(yīng)的算法來解決摘要和聚類中的一些問題。 在郵件聚類方面，指的是對搜索結(jié)果的聚類，也就是說聚類結(jié)果與搜索詞是相關(guān)的，類似于搜索引擎里的vivisimo，屬于事后聚類。傳統(tǒng)的聚類方法是無指導(dǎo)問題，效率不高，產(chǎn)生的聚類名稱可讀性差。我們根據(jù)郵件聚類的特性，把它轉(zhuǎn)化為關(guān)鍵短語的排序問題，這樣也就把無指導(dǎo)的聚類問題轉(zhuǎn)化成了有指導(dǎo)的學(xué)習(xí)問題。當(dāng)給定搜索詞和搜索結(jié)果以后，首先從結(jié)果郵件中抽取n元組

3、作為短語集合，然后為每一個短語計算其屬性值(包括詞頻、短語長度等)。用一個回歸模型來把這些屬性整合成一個短語權(quán)值，并根據(jù)權(quán)值排序，那么排在前面的就是關(guān)鍵短語，每個短語就是一個聚類的名稱，也就代表了一個聚類。 在郵件摘要方面，指的是對聚類結(jié)果的摘要，也就是查詢詞相關(guān)的。傳統(tǒng)的文本摘要算法缺乏對聚類的支持，缺乏對結(jié)構(gòu)化文本的支持，所以我們對于幾個傳統(tǒng)的摘要算法進行了改進，加入了對同一個聚類中摘要相似性的考慮，和郵件的不同結(jié)構(gòu)對摘要貢