[发明专利]一种基于会话网络的邮件重要性评价方法

权利要求书

1.一种基于会话网络的邮件组中邮件重要性评价方法，其特征在于，包括以下步骤：

步骤1,邮件会话网络构建；步骤2，邮件会话网络特征提取，其中，所述步骤2的邮件会话网络特征提取，其特征包括去除停用词后邮件长度、该邮件发件人历史上平均每个会话得到的引用权重和、邮件间的回复间隔、该邮件和该会话中已有邮件的语义距离；其中所述邮件的语义距离计算步骤为，步骤2-1，去除邮件的头部，签名和引用内容；步骤2-2，根据邮件的时序关系和邮件的主题得到每一个会话中该邮件之前已有的邮件；步骤2-3，将之前的邮件拼接成一个文本d1，将该邮件的文本定义为d2；步骤2-4，使用TF-IDF算法计算d1和d2的相对词频向量WV1,WV2；步骤2-5，计算WV1和WV2的余弦相似度表示两个文本的语义相似度即语义距离；步骤3，基于邮件会话网络和提取特征进行邮件重要性评价，所述步骤3邮件重要性评价具体实现为，对于网络中两个节点u和v，d为阻尼系数，IN(v)表示所有链入v的节点，W(u)表示从u节点出发的所有边的权重加和，邮件重要性评价算法中节点PR值的计算公式为

其中l_v表示邮件v的长度，SN_v表示邮件v的发件人历史上平均每个会话得到的引用数，w(u，v)表示节点u和节点v的回复间隔，其中SD_v表示V节点的语义距离。

2.如权利要求1所述的方法，其特征在于，在所述步骤1的邮件会话网络构建包括数据预处理与边生成，其中所述数据预处理包括邮件组去重和时区统一，所述去重是通过邮件元数据中的messageId属性对重复的邮件进行过滤，所述时区统一是当邮件发送时间涉及到跨时区时，将所有邮件中的时间转换为统一时区；边生成的特征在于，根据邮件间的引用内容进行搜索匹配，所述引用内容的匹配的步骤为，步骤3-1，邮件引用内容的抽取，所述引用为内联引用和头引用，所述内联引用可以通过引用标识符“”进行识别，“”的数目表示引用的深度，以“”，“”开头的内容表示嵌套间接引用，所述头引用以识别嵌套的邮件头来抽取引用内容；步骤3-2，邮件的全文索引，对邮件数据集的文本内容进行全文索引，所述文本内容是去除了邮件头，签名和引用的内容；步骤3-3，邮件的全文检索匹配，具体方式为，在抽取所述邮件引用内容后，将引用内容转换为词袋模型，然后根据所述引用内容在建立的所述全文索引上进行搜索匹配，所述引用内容全部匹配的关系被识别为回复或转发关系。