[发明专利]一种邮件处理方法、装置及存储介质

说明书

本申请涉及人工智能技术领域，本申请公开一种邮件处理方法、装置及存储介质，该方法包括：获取用户电子邮箱中的已处理邮件、已处理邮件的目标变量对应的邮件数据和关键特征变量对应的邮件数据；基于已处理邮件的目标变量对应的邮件数据和关键特征变量对应的邮件数据，对待训练的XGBoost模型进行训练，获得训练完成的XGBoost模型；获取用户电子邮箱中的待处理邮件及待处理邮件的关键特征变量对应的邮件数据；将待处理邮件的关键特征变量对应的邮件数据输入训练完成的XGBoost模型，获得待处理邮件的目标变量的预测值；基于待处理邮件的目标变量的预测值，确定待处理邮件的重要性级别。采用本申请可以提高邮件分类的智能性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种邮件处理方法、装置及存储介质。

背景技术

工作中经常收到大量邮件，如果不对邮件分类，处理邮件时容易产生问题，例如未及时处理或者遗漏了重要邮件导致投诉等，因此对邮件进行合理分类非常重要。目前邮件分类包括人工分类或者智能分类，人工分类可以通过手动给邮件加分类标签、自定义收件夹规则等手段实现，但这些手段耗时长，处理不够及时；而智能分类主要指垃圾邮件分类，难以实现对正常邮件的分类处理。因而，如何提高邮件分类的智能性值得研究。

发明内容

本申请实施例提供一种邮件处理方法、装置及存储介质，通过获取已处理邮件的邮件数据来进行模型训练，获得训练完成的XGBoost模型，并利用该模型来预测待处理邮件的目标变量的值，进而确定待处理邮件的重要性级别，可以提高邮件分类的智能性。

第一方面，本申请实施例提供一种邮件处理方法，包括：

获取用户电子邮箱中的已处理邮件，所述已处理邮件为已收到且已回复的邮件；

获取所述已处理邮件的目标变量对应的邮件数据和关键特征变量对应的邮件数据，所述目标变量对应的邮件数据与所述已处理邮件的处理重要性相关，所述关键特征变量用于表示影响所述已处理邮件的处理重要性的邮件属性；

基于所述已处理邮件的目标变量对应的邮件数据和所述关键特征变量对应的邮件数据，对待训练的XGBoost模型进行训练，获得训练完成的XGBoost模型；

获取所述用户电子邮箱中的待处理邮件，以及所述待处理邮件的所述关键特征变量对应的邮件数据，所述待处理邮件为已收到且未回复的邮件；

将所述待处理邮件的所述关键特征变量对应的邮件数据输入所述训练完成的XGBoost模型，获得所述待处理邮件的所述目标变量的预测值；

基于所述待处理邮件的所述目标变量的预测值，确定所述待处理邮件的重要性级别。

在一种可能的实现方式中，所述获取用户电子邮箱中的已处理邮件，包括：

获取用户电子邮箱中的已收到邮件和已发送邮件，并获取所述已收到邮件和所述已发送邮件的属性数据；

在确定已收到的第一邮件和已发送的第二邮件的属性数据满足对应条件的情况下，将所述第一邮件确定为所述已处理邮件，并将所述第二邮件确定为所述已处理邮件对应的邮件；所述第一邮件是所述已收到邮件中的任一封邮件，所述第二邮件是所述已发送邮件中的任一封邮件，所述对应条件包括：所述第二邮件的收件人包括所述第一邮件的发件人、所述第二邮件的发送时间大于所述第一邮件的接收时间、所述第二邮件与所述第一邮件的主题的相似度大于第一阈值、所述第二邮件与所述第一邮件的正文的相似度大于第二阈值。

在一种可能的实现方式中，所述获取所述已处理邮件的目标变量对应的邮件数据和关键特征变量对应的邮件数据，包括：

将所述已处理邮件对应的邮件的发送时间与所述已处理邮件的接收时间的时间差，确定为所述已处理邮件的目标变量对应的邮件数据；