[发明专利]一种邮件投递方法、装置及设备

权利要求书

1.一种邮件投递方法，其特征在于，应用于邮件投递系统，所述方法包括：

接收待投递的目标邮件；

提取所述目标邮件的邮件信息及所述目标邮件的邮件接收域的投递频度；其中，所述投递频度是指指定投递时延下所述邮件接收域的投递量占所述指定投递时延下总投递量的比值；

至少利用所述邮件信息以及投递频度预测所述目标邮件的投递时延，以基于所述投递时延投递所述目标邮件；所述投递时延是指所述目标邮件从邮件投递系统延迟投递出去的时间。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

提取历史邮件投递数据中每封邮件的邮件信息，以及统计所述历史邮件投递数据中各邮件接收域的投递频度；

以所述历史邮件投递数据中每封邮件的投递时延作为相应邮件的标签值，至少利用每封邮件的邮件信息以及每封邮件的邮件接收域的投递频度构建相应邮件的特征向量；

将每封邮件的标签值及特征向量作为一个样本，得到样本集；

利用所述样本集对指定模型进行训练，得到邮件筛选模型，以利用所述邮件筛选模型预测所述目标邮件的投递时延。

3.根据权利要求2所述的方法，其特征在于，所述指定模型包括Mod-GBDT模型。

4.根据权利要求3所述的方法，其特征在于，所述利用所述样本集对指定模型进行训练，包括：

以所述样本集中的样本作为初始样本，计算所述初始样本中的各特征的重要度；

以特征的重要度作为相应特征的权重，对相应的初始样本进行重构，得到重构样本；

利用重构样本对指定模型进行训练。

5.根据权利要求4所述的方法，其特征在于，所述计算所述初始样本中的各特征的重要度，包括：

其中，为特征x^p的重要度，T(x；L_k)为学习器k对应的决策树，L_k为学习器k的损失函数，x为样本，K为学习器的总数目，为特征x^p在T(x；L_k)上的关键度，M-1为非叶节点数，t为非叶节点，r_t为非叶节点t的相关联特征，l(r_p＝x^p)在x^p为非叶节点t的相关联特征时值为非零数值、在x^p不是非叶节点t的相关联特征时值为零，是非叶节点t分裂后的平方损失减少值。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

提取所述目标邮件投递时的网络环境特征；所述网络环境特征至少包括网络时延及丢包率；

相应的，至少利用所述邮件信息、投递频度及网络环境特征预测所述目标邮件的投递时延。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括；

获取所述目标邮件投递时所处的时间区间和/或投递结果；

提取所述目标邮件的邮件接收域在所述时间区间和/或投递结果下的投递频度；

相应的，至少利用所述目标邮件的邮件信息及邮件接收域在所述时间区间和/或投递结果下的投递频度预测所述目标邮件的投递时延。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

间隔指定时间长度，至少基于邮件的投递时延、邮件投递系统的投递结果及邮件接收系统的投递状态生成展示信息；

将所述展示信息发送至业务终端，以使所述业务终端展示。