CN113592461A - 邮件处理方法、装置与存储介质 - Google Patents
邮件处理方法、装置与存储介质 Download PDFInfo
- Publication number
- CN113592461A CN113592461A CN202110915012.7A CN202110915012A CN113592461A CN 113592461 A CN113592461 A CN 113592461A CN 202110915012 A CN202110915012 A CN 202110915012A CN 113592461 A CN113592461 A CN 113592461A
- Authority
- CN
- China
- Prior art keywords
- processed
- target
- keyword
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 10
- 238000010801 machine learning Methods 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000014509 gene expression Effects 0.000 claims description 7
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 5
- 229910052799 carbon Inorganic materials 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000012163 sequencing technique Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/107—Computer-aided management of electronic mailing [e-mailing]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请涉及人工智能技术领域,本申请提供一种邮件处理方法、装置与存储介质,邮件处理方法包括:获取用户的电子邮箱中多封待处理邮件,确定第一邮箱地址所在的目标区域,并确定与目标区域对应的第一参数,从待处理邮件中查找第一关键词,并确定与第一关键词对应的第二参数,对待处理邮件进行文本分析,获得用于表示回复待处理邮件的时间的第二关键词,并确定与第二关键词对应的第三参数,确定与待处理邮件的包含预设特征的内容信息对应的第四参数,将所述多封待处理邮件中每封待处理邮件的第一参数、第二参数、第三参数以及第四参数输入机器学习模型,并通过所述机器学习模型对所述多封待处理邮件进行优先级排序。实施本申请,可以提高邮件排序的准确性。
Description
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、装置与存储介质。
背景技术
邮件作为工作的重要信息载体和必需渠道之一,每个人每天所接收的邮件数量非常多,有时候一天会接收到上百封邮件,但是所接收的邮件中,有些是需要及时处理的邮件,有些是不需要及时处理的邮件,有些是根本不需要处理的邮件等等。目前,对所接收的邮件进行智能化排序时,多是根据单一因素进行排序,例如,将各个邮件中包含紧急字眼的邮件排列在前面,而不包含紧急字眼的邮件随机排列在后面,这种排序方式不准确。
发明内容
基于此,有必要针对上述技术问题,提供一种邮件处理方法、装置与存储介质,能够基于多种因素对待处理邮件进行智能化排序,提高排序的准确性。
第一方面,本申请提供一种邮件处理方法,所述方法包括:
获取用户的电子邮箱中多封待处理邮件,所述电子邮箱的邮箱地址为第一邮箱地址;
确定所述第一邮箱地址在所述待处理邮件的目标区域,并确定与所述目标区域对应的第一参数,所述目标区域包括收件人区域或抄送人区域;
从所述待处理邮件的文本中查找与第一预设关键词库中的关键词匹配的第一关键词,并确定与所述第一关键词对应的第二参数,所述第一预设关键词库中包括至少一个用于表示重要程度的关键词;
对所述待处理邮件的文本进行分析,获得所述待处理邮件的文本中用于表示回复所述待处理邮件的时间的第二关键词,并基于回复所述待处理邮件的时间与当前时间之间的时间差,确定与所述第二关键词对应的第三参数;
从所述待处理邮件中提取包含预设特征的内容信息,并确定与所述内容信息对应的第四参数;
将所述多封待处理邮件中每封待处理邮件的所述第一参数、所述第二参数、所述第三参数以及所述第四参数输入机器学习模型,并通过所述机器学习模型对所述多封待处理邮件进行优先级排序,获得排序后的多封待处理邮件。
结合第一方面,在一些实施例中,所述确定与所述目标区域对应的第一参数,包括:
若所述目标区域包括抄送人区域,将与所述抄送人区域对应的预设参数值确定为与所述目标区域对应的第一参数;
若所述目标区域包括收件人区域,获取所述收件人区域包含的邮箱地址的总数量,并根据所述总数量确定与所述收件人区域对应的第一参数。
结合第一方面,在一些实施例中,所述与所述抄送人区域对应的预设参数值为0;若所述收件人区域包含的邮箱地址的总数量为y,与所述收件人区域对应的第一参数为1/y。
结合第一方面,在一些实施例中,所述对所述待处理邮件的文本进行分析,获得所述待处理邮件的文本中用于表示回复所述待处理邮件的时间的第二关键词,包括:
从所述待处理邮件的文本中查找采用时间表达格式进行表示的目标词语,并获取与所述目标词语关联的上下文信息;
确定所述上下文信息中是否包含与第二预设关键词库中的关键词匹配的词语,所述第二预设关键词库中包括至少一个用于表示回复所述待处理邮件的关键词;
若所述上下文信息中包含与所述第二预设关键词库中的关键词匹配的词语,则将所述目标词语确定为用于表示回复所述待处理邮件的时间的第二关键词。
结合第一方面,在一些实施例中,所述基于回复所述待处理邮件的时间与当前时间之间的时间差,确定与所述第二关键词对应的第三参数,包括:
确定回复所述待处理邮件的时间与当前时间之间的时间差所属目标时长段;
将所述目标时长段对应的预设参数确定为与所述第二关键词对应的第三参数,其中,所述目标时长段关联的时长越短,与所述目标时长段对应的所述预设参数的值越大。
结合第一方面,在一些实施例中,所述从所述待处理邮件中提取包含预设特征的内容信息,并确定与所述内容信息对应的第四参数,包括:
判断所述待处理邮件是否包括附件;
若所述待处理邮件包括附件,将所述附件确定为包含预设特征的内容信息,并确定所述附件所属目标附件类型,将所述目标附件类型对应的预设参数确定为与所述内容信息对应的第四参数,不同附件类型对应不同的预设参数;
若所述待处理邮件包含的内容信息中不包括附件,获取所述待处理邮件的正文内容,并将所述正文内容中采用目标格式描述的内容确定为包含预设特征的内容信息,将与所述目标格式对应的预设参数确定为与所述内容信息对应的第四参数,不同格式对应不同的预设参数。
结合第一方面,在一些实施例中,所述方法还包括:
输出所述排序后的多封待处理邮件;
当检测到针对所述排序后的多封待处理邮件中目标邮件的回复指令时,输出第一邮件回复模板;
若检测到在所述第一邮件回复模板添加目标附件的添加指令,判断所述目标附件的数据量是否大于预设最大数据量;
在所述目标附件包含的数据量大于所述预设最大数据量的情况下,输出附件拆分选项,所述附件拆分选项用于指示对所述目标附件进行拆分;
当检测到作用于所述附件拆分选项的用户操作时,将所述目标附件拆分为至少两个子附件,每个子附件的数据量小于或者等于所述预设最大数据量,其中,每个子附件包括一个编号,所述编号用于指示所述子附件在所述目标附件中的顺序;
根据所述第一邮件回复模板,生成至少两个第二邮件回复模板,所述第二邮件回复模板与所述第一邮件回复模板相同,所述第二邮件回复模板的数量与所述子附件的数量相同;
将所述至少两个子附件分别添加在所述至少两个第二邮件回复模板中,一个子附件添加在一个第二邮件回复模板中;
当检测到邮件发送指令时,将添加子附件后的至少两个第二邮件回复模板生成至少两封目标邮件,并发送所述至少两封目标邮件。
第二方面,本申请提供一种邮件处理装置,该装置包括:
获取单元,用于获取用户的电子邮箱中多封待处理邮件,所述电子邮箱的邮箱地址为第一邮箱地址;
第一确定单元,用于确定所述第一邮箱地址在所述待处理邮件的目标区域,并确定与所述目标区域对应的第一参数,所述目标区域包括收件人区域或抄送人区域;
第二确定单元,用于从所述待处理邮件的文本中查找与第一预设关键词库中的关键词匹配的第一关键词,并确定与所述第一关键词对应的第二参数,所述第一预设关键词库中包括至少一个用于表示重要程度的关键词;
第三确定单元,用于对所述待处理邮件的文本进行分析,获得所述待处理邮件的文本中用于表示回复所述待处理邮件的时间的第二关键词,并基于回复所述待处理邮件的时间与当前时间之间的时间差,确定与所述第二关键词对应的第三参数;
第四确定单元,用于从所述待处理邮件中提取包含预设特征的内容信息,并确定与所述内容信息对应的第四参数;
排序单元,用于将所述多封待处理邮件中每封待处理邮件的第一参数、第二参数、第三参数以及第四参数输入机器学习模型,并通过所述机器学习模型对所述多封待处理邮件进行优先级排序,获得排序后的多封待处理邮件。
结合第二方面,在一些实施例中,所述第一确定单元具体用于:若所述目标区域包括抄送人区域,将与所述抄送人区域对应的预设参数值确定为与所述目标区域对应的第一参数;
若所述目标区域包括收件人区域,获取所述收件人区域包含的邮箱地址的总数量,并根据所述总数量确定与所述收件人区域对应的第一参数。
结合第二方面,在一些实施例中,所述与所述抄送人区域对应的预设参数值为0;若所述收件人区域包含的邮箱地址的总数量为y,与所述收件人区域对应的第一参数为1/y。
结合第二方面,在一些实施例中,所述第三确定单元具体用于:从所述待处理邮件的文本中查找采用时间表达格式进行表示的目标词语,并获取与所述目标词语关联的上下文信息;
确定所述上下文信息中是否包含与第二预设关键词库中的关键词匹配的词语,所述第二预设关键词库中包括至少一个用于表示回复所述待处理邮件的关键词;
若所述上下文信息中包含与所述第二预设关键词库中的关键词匹配的词语,则将所述目标词语确定为用于表示回复所述待处理邮件的时间的第二关键词。
结合第二方面,在一些实施例中,所述第三确定单元具体用于:确定回复所述待处理邮件的时间与当前时间之间的时间差所属目标时长段;
将所述目标时长段对应的预设参数确定为与所述第二关键词对应的第三参数,其中,所述目标时长段关联的时长越短,与所述目标时长段对应的所述预设参数的值越大。
结合第二方面,在一些实施例中,所述第四确定单元具体用于:判断所述待处理邮件包含的内容信息中是否包括附件;
若所述待处理邮件包括附件,将所述附件确定为包含预设特征的内容信息,并确定所述附件所属目标附件类型,将所述目标附件类型对应的预设参数确定为与所述内容信息对应的第四参数,不同附件类型对应不同的预设参数;
若所述待处理邮件包含的内容信息中不包括附件,获取所述待处理邮件的正文内容,并将所述正文内容中采用目标格式描述的内容确定为包含预设特征的内容信息,将与所述目标格式对应的预设参数确定为与所述内容信息对应的第四参数,不同格式对应不同的预设参数。
结合第二方面,在一些实施例中,所述装置还包括:
输出单元,用于当检测到针对所述排序后的多封待处理邮件中目标邮件的回复指令时,输出第一邮件回复模板;
判断单元,用于若检测到在所述第一邮件回复模板添加目标附件的添加指令,判断所述目标附件的数据量是否大于预设最大数据量;
所述输出单元还用于在所述目标附件包含的数据量大于所述预设最大数据量的情况下,输出附件拆分选项,所述附件拆分选项用于指示对所述目标附件进行拆分;
拆分单元,用于当检测到作用于所述附件拆分选项的用户操作时,将所述目标附件拆分为至少两个子附件,每个子附件的数据量小于或者等于所述预设最大数据量,其中,每个子附件包括一个编号,所述编号用于指示所述子附件在所述目标附件中的顺序;
生成单元,用于根据所述第一邮件回复模板,生成至少两个第二邮件回复模板,所述第二邮件回复模板与所述第一邮件回复模板相同,所述第二邮件回复模板的数量与所述子附件的数量相同;
添加单元,用于将所述至少两个子附件分别添加在所述至少两个第二邮件回复模板中,一个子附件添加在一个第二邮件回复模板中;
发送单元,用于当检测到邮件发送指令时,将添加子附件后的至少两个第二邮件回复模板生成至少两封目标邮件,并发送所述至少两封目标邮件。
第三方面,本申请提供一种邮件处理装置,包括处理器、存储器以及通信接口,该处理器、存储器和通信接口相互连接,其中,该通信接口用于接收和发送数据,该存储器用于存储程序代码,该处理器用于调用该程序代码,执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
第四方面,本申请提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序;当该计算机程序在一个或多个处理器上运行时,使得该终端设备执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
本申请实施例中,针对多封待处理邮件中每封待处理邮件,分别确定与待处理邮件的第一邮箱地址所在目标区域对应的第一参数,确定与第一预设关键词库中的关键词匹配的第一关键词对应的第二参数,基于回复待处理邮件的时间与当前时间之间的时间差确定与回复待处理邮件的时间的第二关键词对应的第三参数,以及确定与待处理邮件中包含预设特征的内容信息对应的第四参数,并将每封邮件的第一参数、第二参数、第三参数以及第四参数输入机器学习模型,通过机器学习模型对该多封待处理邮件进行智能化的优先级排序,从而得到排序后的多个待处理邮件,在该排序过程中,参考了待处理邮件的多个特征,从而提高排序的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种邮件处理方法的流程示意图;
图2为本申请实施例提供的另一种邮件处理方法的流程示意图;
图3为本申请实施例提供的一种邮件处理装置的示意图;
图4为本申请实施例提供的另一种邮件处理装置的示意图。
具体实施方式
下面结合附图对本发明作进一步详细描述。
本申请以下实施例中所使用的术语只是为了描述特定实施例的目的,而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样,单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式,除非其上下文中明确地有相反指示。
在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上,“至少两个(项)”是指两个或三个及三个以上,“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”。
本申请实施例可以基于人工智能技术对相关的邮件数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供了一种邮件处理方法,为了更清楚地描述本申请的方案,下面对本申请涉及的一些附图作进一步介绍。
请参阅图1,图1为本申请实施例提供的一种邮件处理方法的流程示意图。如图1所示,所述方法包括以下步骤:
步骤101,获取用户的电子邮箱中多封待处理邮件,所述电子邮箱的邮箱地址为第一邮箱地址;
本申请实施例中,可以是每隔预设时间间隔对用户电子邮箱中所接收的待处理邮件进行一次优先级排序。可选的,也可以是设置N的值,当用户的电子邮箱中所接收到的待处理邮件的数量达到N时,即对电子邮箱中所接收到的待处理邮件进行一次优先级排序。其中,该用户的电子邮箱的邮箱地址为第一邮箱地址。
步骤102,确定所述第一邮箱地址在所述待处理邮件的目标区域,并确定与所述目标区域对应的第一参数,所述目标区域包括收件人区域或抄送人区域;
本申请实施例中,针对每封待处理邮件,确定该第一邮箱地址在待处理邮件的目标区域,该目标区域包括收件人区域或者抄送人区域,从而根据目标区域确定用于表示待处理邮件与用户之间紧密度的第一参数。可选的,如果该第一邮箱地址是在抄送人区域,即该待处理邮件是抄送给该用户的,则可以认为该待处理邮件与该用户的紧密度不大,可以预先设定与抄送人区域对应的预设参数值为0。可选的,如果该第一邮箱地址在收件人区域,具体可以获取收件人区域包含的邮箱地址数量,从而根据邮箱地址总数量确定用于表示该待处理邮件与该用户之间紧密度的第一参数。比如,将收件人区域包含的邮箱地址总数量设置为参数y,y的取值可以是1到收件人区域包含的邮箱地址的最大数量,比如,150(假设150就是邮箱收件人的最大数值),第一参数x可以是1/y,比如,y=1,第一参数x=1/y=1,此时该邮件与该用户的紧密度最大;比如y=10,第一参数x=1/y=0.1。
步骤103,从所述待处理邮件的文本中查找与第一预设关键词库中的关键词匹配的第一关键词,并确定与所述第一关键词对应的第二参数,所述第一预设关键词库中包括至少一个用于表示重要程度的关键词;
本申请实施例中,针对每封待处理邮件,对该待处理邮件的主题和/或邮件的正文内容进行自然语言处理,识别出该待处理邮件中包含的第一关键词,该第一关键词可以是与第一预设关键词库中的关键词匹配的关键词。该第一预设关键词库中包括至少一个用于表示邮件的重要程度的关键词,比如,第一预设关键词库中的关键词可以包括但不限于:【紧急】【重要】【回复】【反馈】【普通】等。可以预先设定各种用于表示重要程度的关键词所对应的预设参数,比如,预先设定【紧急】对应的预设参数为2,【重要】对应的预设参数为1.5,【回复】对应的预设参数为1.2,【反馈】对应的预设参数为1.1。当识别出待处理邮件中的用于表示重要程度的第一关键词之后,即可获取与第一关键词对应的预设参数。可以理解的是,如果该待处理邮件中一个第一关键词反复出现多次,可以算一次,或者,也可以根据次数进行加权,本申请不作限定。可选的,如果该邮件中出现至少两种第一关键词,可以根据该至少两种第一关键词中每种第一关键词分别对应的预设参数,计算得到用于表示该待处理邮件的重要程度的第二参数。可选的,如果该待处理邮件中出现至少两种第一关键词,也可以将该至少两种第一关键词分别对应的预设参数中最高预设参数作为该待处理邮件的第二参数。
步骤104,对所述待处理邮件的文本进行分析,获得所述待处理邮件的文本中用于表示回复所述待处理邮件的时间的第二关键词,并基于回复所述待处理邮件的时间与当前时间之间的时间差,确定与所述第二关键词对应的第三参数;
本申请实施例中,针对每封待处理邮件,对该待处理邮件的主题和/或邮件的正文内容进行自然语言处理,识别出该待处理邮件内容中的第二关键词,该第二关键词用于表示回复该待处理邮件的时间信息。具体可选的,对待处理邮件的文本进行分词,并获取该待处理邮件的文本中采用时间表达格式进行表示的目标词语,时间表达格式包括但不限于“x月x日x点、年份-月份-日、以及年份.月份.日以及明天上午、后天下班前”等等。由于待处理邮件中用于表示时间的目标词语不一定是表示回复该邮件的词语,因此,进一步获取与目标词语关联的上下文信息,比如,与该目标词语相邻的且在该目标词语之前或之后的词语确定为与该目标词语关联的上下文信息,进一步确定该上下文信息中是否包含与第二预设关键词库中的关键词匹配的词语,该第二预设关键词库中包括至少一个用于表示回复该待处理邮件的关键词,该第二预设关键词库中包括的关键词包括但不限于“回复、反馈、请确认、请处理”。当该上下文信息中包含与第二预设关键词库中的关键词匹配的词语,那么就将目标词语确定为用于表示回复待处理邮件的时间的关键词。
进一步计算第二关键词所表示的时间与当前时间之间的时间差T,时间差T为回复该待处理邮件的剩余时长,如果时间差T越小,则说明该待处理邮件的紧急程度越高。可选的,可以预设各种时长段(即时间差)与各个预设参数之间的对应关系,比如,1小时之内,对应的预设参数为3,1小时到5小时之间,对应的预设参数为2,以此类推。当计算得到时间差T之后,可以确定该时间差T所属的目标时长段,并将目标时长段对应的预设参数作为该待处理邮件的第三参数。
步骤105,从所述待处理邮件中提取包含预设特征的内容信息,并确定与所述内容信息对应的第四参数;
本申请实施例中,针对每封待处理邮件,判断该待处理邮件包含的内容信息中是否包括附件,如果该待处理邮件包含附件,将附件确定为包含预设特征的内容信息,获取该附件所属的目标附件类型,目标附件类型可以是以该附件的格式进行区分,比如附件类型可以包括但不限于PPT文件、Word文件、Excel文件以及压缩文件等等。可以预先设定各种附件类型分别对应的预设参数,例如,可以预先设定PPT文件对应的预设参数为2,Word文件对应的预设参数为1.5,Excel文件对应的预设参数为1.4。当确定待处理邮件包含的附件所属的目标附件类型之后,即可根据预先设定的各种附件类型分别对应的预设参数,确定与目标附件类型对应的第三预设参数,作为用于表示该待处理邮件内容复杂程度的第四参数。
可选的,如果该待处理邮件不包含附件,则可以获取该待处理邮件的正文内容,并将正文内容中采用目标格式描述的内容确定为包含预设特征的内容信息,该目标格式可以是表格,或者,是以文字提纲的形式出现的待处理事项,比如,以“一、二”“1.2.”“··”类似符号对待处理事项进行项目编号的格式。进一步将与目标格式对应的预设参数确定为与内容信息对应的第四参数。例如,可以预先设定不同的格式所对应的不同预设参数,比如,待处理邮件的正文内容中有表格,则对应的预设参数为1.2,如果待处理邮件的正文内容中包括以文字提纲的形式出现的待处理事项,比如,以“一、二”“1.2.”“··”类似符号对待处理事项进行项目编号,则预设参数可以为1.1,如果待处理邮件的正文内容没有预设内容,则对应的预设参数可以为1。
步骤106,将所述多封待处理邮件中每封待处理邮件的第一参数、第二参数、第三参数以及第四参数输入机器学习模型,并通过所述机器学习模型对所述多封待处理邮件进行优先级排序,获得排序后的多封待处理邮件。
本申请实施例中,通过步骤101-步骤105获取到多封待处理邮件中每封待处理邮件的第一参数、第二参数,第三参数以及第四参数,将该多封待处理邮件中每封待处理邮件的第一参数、第二参数,第三参数以及第四参数输入预先训练好的机器学习模型进行优先级排序,从而得到排序后的邮件序列,该邮件序列包括排序后的多封待处理邮件。
可选的,该机器学习模型可以是卷积神经网络模型,或者也可以是深度神经网络模型等,本申请不作限定。该机器学习模型可以是通过样本数据训练后得到的模型。该样本数据可以是该邮箱或其他邮箱历史接收的多个邮件中每个邮件的第一参数、第二参数、第三参数以及第四参数,其中,历史接收的各个邮件的第一参数、第二参数、第三参数以及第四参数的获取方式请参照前述实施例的描述,在此不再赘述。将历史接收的多个邮件中每个邮件的第一参数、第二参数,第三参数以及第四参数输入到待训练的机器学习模型,得到该多个邮件的优先级排序,根据用户历史处理该多个邮件的优先级顺序和模型输出的多个邮件的优先级排序,计算损失,并根据损失调整该机器学习模型的参数,直至该机器学习模型收敛,即损失小于设定阈值,得到训练好的机器学习模型。
示例性的,可以按照接收时间,将历史接收的多个邮件划分为多个分组,并分别基于每个分组的邮件的参数分别对机器学习模型进行训练,从而得到各个分组分别对应的收敛时的机器学习模型,从该各个分组分别对应的机器学习模型中选择一个机器学习模型作为最终的机器学习模型。其中,选择方式可以是:在后续使用该机器学习模型阶段,分别使用各个分组对应的机器学习模型对多封待处理邮件进行优先级排序,从而各个机器学习模型均输出对应的排序后的多封待处理邮件,进一步,通过用户实际处理邮件的顺序,从该各个分组对应的机器学习模型中确定出最符合用户处理习惯的机器学习模型作为最终机器学习模型。
本申请实施例中,针对多封待处理邮件中每封待处理邮件,分别确定与待处理邮件的第一邮箱地址所在目标区域对应的第一参数,确定与第一预设关键词库中的关键词匹配的第一关键词对应的第二参数,基于回复待处理邮件的时间与当前时间之间的时间差确定与回复待处理邮件的时间的第二关键词对应的第三参数,以及确定与待处理邮件中包含预设特征的内容信息对应的第四参数,并将每封邮件的第一参数、第二参数、第三参数以及第四参数输入机器学习模型,通过机器学习模型对该多封待处理邮件进行智能化的优先级排序,从而得到排序后的多个待处理邮件,在该排序过程中,参考了待处理邮件的多个特征,从而提高排序的准确性。
请参阅图2,图2为本申请实施例提供的另一种邮件处理方法的流程示意图。如图2所示,所述方法包括以下步骤:
步骤201,获取用户的电子邮箱中多封待处理邮件,所述电子邮箱的邮箱地址为第一邮箱地址;
步骤202,确定所述第一邮箱地址在所述待处理邮件的目标区域,并确定与所述目标区域对应的第一参数,所述目标区域包括收件人区域或抄送人区域;
步骤203,从所述待处理邮件的文本中查找与第一预设关键词库中的关键词匹配的第一关键词,并确定与所述第一关键词对应的第二参数,所述第一预设关键词库中包括至少一个用于表示重要程度的关键词;
步骤204,对所述待处理邮件的文本进行分析,获得所述待处理邮件的文本中用于表示回复所述待处理邮件的时间的第二关键词,并基于回复所述待处理邮件的时间与当前时间之间的时间差,确定与所述第二关键词对应的第三参数;
步骤205,从所述待处理邮件中提取包含预设特征的内容信息,并确定与所述内容信息对应的第四参数;
步骤206,将所述多封待处理邮件中每封待处理邮件的第一参数、第二参数、第三参数以及第四参数输入机器学习模型,并通过所述机器学习模型对所述多封待处理邮件进行优先级排序,获得排序后的多封待处理邮件。
本申请实施例步骤201-步骤206请参照图1实施例的步骤101-步骤106,在此不再赘述。
步骤207,当检测到针对所述排序后的多封待处理邮件中目标邮件的回复指令时,输出第一邮件回复模板;
本申请实施例中,用户可以对排序后的多封待处理邮件中的任意一封待处理邮件进行回复,本申请将用户选择回复的待处理邮件称为目标邮件。用户可以通过操作针对目标邮件的“回复”控件触发回复指令,并输出第一邮件回复模板,该第一邮件回复模板的收件人区域的邮箱地址是目标邮件的发件人区域的邮箱地址,用户可以在第一邮件模板中输入邮件正文内容,也可以在第一邮件模板中添加邮件附件。
步骤208,若检测到在所述第一邮件回复模板添加目标附件的添加指令,判断所述目标附件的数据量是否大于预设最大数据量;
步骤209,在所述目标附件包含的数据量大于所述预设最大数据量的情况下,输出附件拆分选项,所述附件拆分选项用于指示对所述目标附件进行拆分;
本申请实施例中,当检测到在第一邮件回复模板添加目标附件的添加指令时,比如,用户选择添加附件,并选中目标附件时,即触发添加指令,判断该目标附件的数据量是否大于预设最大数据量,即邮件所能发送的最大附件的数据量。如果待添加的目标附件包含的数据量大于预设最大数据量,可以输出附件拆分选项供用户选择。
步骤210,当检测到作用于所述附件拆分选项的用户操作时,将所述目标附件拆分为至少两个子附件,每个子附件的数据量小于或者等于所述预设最大数据量,其中,每个子附件包括一个编号,所述编号用于指示所述子附件在所述目标附件中的顺序;
本申请实施例中,当检测到作用于附件拆分选项的用户操作时,将目标附件进行拆分,得到至少两个子附件,每个子附件的数据量均小于或者等于预设最大数据量,划分方式可以是平均划分,也可以是随机划分,即每个子附件的数据量大小不一定相同。进一步根据各个子附件在目标附件中的顺序,确定各个子附件的编号,其中,该编号用于接收端将各个子附件合成为目标附件。
步骤211,根据所述第一邮件回复模板,生成至少两个第二邮件回复模板,所述第二邮件回复模板与所述第一邮件回复模板相同,所述第二邮件回复模板的数量与所述子附件的数量相同;
步骤212,将所述至少两个子附件分别添加在所述至少两个第二邮件回复模板中,一个子附件添加在一个第二邮件回复模板中;
本申请实施例中,可以对第一邮件回复模板进行复制,从而生成至少两个第二邮件回复模板,该第二邮件回复模板的数量与所拆分的子附件的数量相同。进一步,将所拆分的至少两个子附件分别添加在该至少两个第二邮件回复模板中,一个子附件添加在一个第二邮件回复模板中,并输出添加子附件后的至少两个第二邮件回复模板。
步骤213,当检测到邮件发送指令时,将添加子附件后的至少两个第二邮件回复模板生成至少两封目标邮件,并发送所述至少两封目标邮件。
具体可选的,每个第二邮件回复模板可以均包括“发送”控件,用户可以通过对该“发送”控件进行操作触发邮件发送指令,可选的,用户可以对该至少两个第二邮件回复模板中任一个第二邮件回复模板进行操作,从而触发邮件发送指令。
当检测到邮件发送指令时,将添加子附件后的至少两个第二邮件回复模板生成至少两封目标邮件,一个第二邮件回复模板生成一封目标邮件,从而将一封邮件拆分为至少两封目标邮件。可选的,为了接收端识别该至少两封目标邮件为对附件进行拆分得到的邮件,可选的,该至少两封目标邮件中可以均包含拆分标识,当接收端接收到包含拆分标识的邮件时,即将该邮件放入缓存中进行附件合并处理。
可选的,由于可能不止一封邮件的附件会进行拆分,为了区分不同邮件拆分得到的邮件,同一个邮件的附件拆分得到的多个邮件可以具有相同的拆分标识,不同邮件拆分得到的邮件包含不同的拆分标识,比如邮件1拆分得到的多个邮件均包含拆分标识11,邮件2拆分得到的多个邮件均包含拆分标识10。当接收端接收到多封包含拆分标识的邮件时,将具有相同拆分标识的邮件所携带的子附件进行合并,在对子附件进行合并时,可以根据各个子附件的编号进行顺序合并,从而得到发送端所发送的目标附件。
这里以平均划分为例进行举例说明,邮箱所能发送附件最大值为Max,用户所添加的附件大小为P,P大于Max,P/Max,取整数,得到v;那么就要发送v+1个邮件,即将附件划分为v+1个子附件。假设附件为PPT文件,文件名为“演示文稿.pptx”,那么统计PPT的页数,比如是A页,则选取A/(v+1),即1~A/(v+1)页,将其转存为一个新的PPT文件,文件名为“演示文稿(1)-v+1.pptx”,而A/(v+1)+1页~2A/(v+1)页为演示文稿(2)-v+1.pptx,直到最后一个文稿是“演示文稿(v+1)-v+1.pptx”,接收方的客户端可以根据序号(1)(2)……一直到(v+1)将文件按照顺序合并起得到一个完整的附件。
通过实施本实施例,在用户待发送的目标附件超过邮箱所能添加的最大附件时,可以将目标附件拆分为多个子附件,并通过多封邮件将该多个子附件发送给接收端,从而可以实现超大附件的邮件发送,方便用户使用。
请参见图3,为本申请实施例提供了一种邮件处理装置的结构示意图。如图3所示,该邮件处理装置可以包括:
获取单元10,用于获取用户的电子邮箱中多封待处理邮件,所述电子邮箱的邮箱地址为第一邮箱地址;
第一确定单元11,用于确定所述第一邮箱地址在所述待处理邮件的目标区域,并确定与所述目标区域对应的第一参数,所述目标区域包括收件人区域或抄送人区域;
第二确定单元12,用于从所述待处理邮件的文本中查找与第一预设关键词库中的关键词匹配的第一关键词,并确定与所述第一关键词对应的第二参数,所述第一预设关键词库中包括至少一个用于表示重要程度的关键词;
第三确定单元13,用于对所述待处理邮件的文本进行分析,获得所述待处理邮件的文本中用于表示回复所述待处理邮件的时间的第二关键词,并基于回复所述待处理邮件的时间与当前时间之间的时间差,确定与所述第二关键词对应的第三参数;
第四确定单元14,用于从所述待处理邮件中提取包含预设特征的内容信息,并确定与所述内容信息对应的第四参数;
排序单元15,用于将所述多封待处理邮件中每封待处理邮件的第一参数、第二参数、第三参数以及第四参数输入机器学习模型,并通过所述机器学习模型对所述多封待处理邮件进行优先级排序,获得排序后的多封待处理邮件。
在一种可能的设计中,所述第一确定单元11具体用于:若所述目标区域包括抄送人区域,将与所述抄送人区域对应的预设参数值确定为与所述目标区域对应的第一参数;
若所述目标区域包括收件人区域,获取所述收件人区域包含的邮箱地址的总数量,并根据所述总数量确定与所述收件人区域对应的第一参数。
在一种可能的设计中,所述与所述抄送人区域对应的预设参数值为0;若所述收件人区域包含的邮箱地址的总数量为y,与所述收件人区域对应的第一参数为1/y。
在一种可能的设计中,所述第三确定单元13具体用于:从所述待处理邮件的文本中查找采用时间表达格式进行表示的目标词语,并获取与所述目标词语关联的上下文信息;
确定所述上下文信息中是否包含与第二预设关键词库中的关键词匹配的词语,所述第二预设关键词库中包括至少一个用于表示回复所述待处理邮件的关键词;
若所述上下文信息中包含与所述第二预设关键词库中的关键词匹配的词语,则将所述目标词语确定为用于表示回复所述待处理邮件的时间的第二关键词。
在一种可能的设计中,所述第三确定单元13具体用于:确定回复所述待处理邮件的时间与当前时间之间的时间差所属目标时长段;
将所述目标时长段对应的预设参数确定为与所述第二关键词对应的第三参数,其中,所述目标时长段关联的时长越短,与所述目标时长段对应的所述预设参数的值越大。
在一种可能的设计中,所述第四确定单元14具体用于:判断所述待处理邮件包含的内容信息中是否包括附件;
若所述待处理邮件包括附件,将所述附件确定为包含预设特征的内容信息,并确定所述附件所属目标附件类型,将所述目标附件类型对应的预设参数确定为与所述内容信息对应的第四参数,不同附件类型对应不同的预设参数;
若所述待处理邮件包含的内容信息中不包括附件,获取所述待处理邮件的正文内容,并将所述正文内容中采用目标格式描述的内容确定为包含预设特征的内容信息,将与所述目标格式对应的预设参数确定为与所述内容信息对应的第四参数,不同格式对应不同的预设参数。
在一种可能的设计中,所述装置还包括:
输出单元,用于当检测到针对所述排序后的多封待处理邮件中目标邮件的回复指令时,输出第一邮件回复模板;
判断单元,用于若检测到在所述第一邮件回复模板添加目标附件的添加指令,判断所述目标附件的数据量是否大于预设最大数据量;
所述输出单元还用于在所述目标附件包含的数据量大于所述预设最大数据量的情况下,输出附件拆分选项,所述附件拆分选项用于指示对所述目标附件进行拆分;
拆分单元,用于当检测到作用于所述附件拆分选项的用户操作时,将所述目标附件拆分为至少两个子附件,每个子附件的数据量小于或者等于所述预设最大数据量,其中,每个子附件包括一个编号,所述编号用于指示所述子附件在所述目标附件中的顺序;
生成单元,用于根据所述第一邮件回复模板,生成至少两个第二邮件回复模板,所述第二邮件回复模板与所述第一邮件回复模板相同,所述第二邮件回复模板的数量与所述子附件的数量相同;
添加单元,用于将所述至少两个子附件分别添加在所述至少两个第二邮件回复模板中,一个子附件添加在一个第二邮件回复模板中;
发送单元,用于当检测到邮件发送指令时,将添加子附件后的至少两个第二邮件回复模板生成至少两封目标邮件,并发送所述至少两封目标邮件。
其中,图3所示装置实施例的具体描述可以参照前述图1或图2所示方法实施例的具体说明,在此不进行赘述。
请参照图4,为本申请实施例提供的另一种邮件处理装置的结构示意图,如图4所示,该邮件处理装置1000可以包括:至少一个处理器1001,例如CPU,至少一个通信接口1003,存储器1004,至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。通信接口1003可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1004可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1004可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图4所示,作为一种计算机存储介质的存储器1004中可以包括操作系统、网络通信单元以及程序指令。
在图4所示的邮件处理装置1000中,处理器1001可以用于加载存储器1004中存储的程序指令,并具体执行以下操作:
获取用户的电子邮箱中多封待处理邮件,所述电子邮箱的邮箱地址为第一邮箱地址;
确定所述第一邮箱地址在所述待处理邮件的目标区域,并确定与所述目标区域对应的第一参数,所述目标区域包括收件人区域或抄送人区域;
从所述待处理邮件的文本中查找与第一预设关键词库中的关键词匹配的第一关键词,并确定与所述第一关键词对应的第二参数,所述第一预设关键词库中包括至少一个用于表示重要程度的关键词;
对所述待处理邮件的文本进行分析,获得所述待处理邮件的文本中用于表示回复所述待处理邮件的时间的第二关键词,并基于回复所述待处理邮件的时间与当前时间之间的时间差,确定与所述第二关键词对应的第三参数;
从所述待处理邮件中提取包含预设特征的内容信息,并确定与所述内容信息对应的第四参数;
将所述多封待处理邮件中每封待处理邮件的所述第一参数、所述第二参数、所述第三参数以及所述第四参数输入机器学习模型,并通过所述机器学习模型对所述多封待处理邮件进行优先级排序,获得排序后的多封待处理邮件。
需要说明的是,具体执行过程可以参见图1或图2所示方法实施例的具体说明,在此不进行赘述。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质可以存储有多条指令,所述指令适于由处理器加载并执行如上述图1或图2所示实施例的方法步骤,具体执行过程可以参见图1或图2所示实施例的具体说明,在此不进行赘述。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例该的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘)等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,该流程可以由计算机程序来指令相关的硬件完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。而前述的存储介质包括:ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
Claims (10)
1.一种邮件处理方法,其特征在于,包括:
获取用户的电子邮箱中多封待处理邮件,所述电子邮箱的邮箱地址为第一邮箱地址;
确定所述第一邮箱地址在所述待处理邮件的目标区域,并确定与所述目标区域对应的第一参数,所述目标区域包括收件人区域或抄送人区域;
从所述待处理邮件的文本中查找与第一预设关键词库中的关键词匹配的第一关键词,并确定与所述第一关键词对应的第二参数,所述第一预设关键词库中包括至少一个用于表示重要程度的关键词;
对所述待处理邮件的文本进行分析,获得所述待处理邮件的文本中用于表示回复所述待处理邮件的时间的第二关键词,并基于回复所述待处理邮件的时间与当前时间之间的时间差,确定与所述第二关键词对应的第三参数;
从所述待处理邮件中提取包含预设特征的内容信息,并确定与所述内容信息对应的第四参数;
将所述多封待处理邮件中每封待处理邮件的所述第一参数、所述第二参数、所述第三参数以及所述第四参数输入机器学习模型,并通过所述机器学习模型对所述多封待处理邮件进行优先级排序,获得排序后的多封待处理邮件。
2.如权利要求1所述的方法,其特征在于,所述确定与所述目标区域对应的第一参数,包括:
若所述目标区域包括抄送人区域,将与所述抄送人区域对应的预设参数值确定为与所述目标区域对应的第一参数;
若所述目标区域包括收件人区域,获取所述收件人区域包含的邮箱地址的总数量,并根据所述总数量确定与所述收件人区域对应的第一参数。
3.如权利要求2所述的方法,其特征在于,所述与所述抄送人区域对应的预设参数值为0;若所述收件人区域包含的邮箱地址的总数量为y,与所述收件人区域对应的第一参数为1/y。
4.如权利要求1所述的方法,其特征在于,所述对所述待处理邮件的文本进行分析,获得所述待处理邮件的文本中用于表示回复所述待处理邮件的时间的第二关键词,包括:
从所述待处理邮件的文本中查找采用时间表达格式进行表示的目标词语,并获取与所述目标词语关联的上下文信息;
确定所述上下文信息中是否包含与第二预设关键词库中的关键词匹配的词语,所述第二预设关键词库中包括至少一个用于表示回复所述待处理邮件的关键词;
若所述上下文信息中包含与所述第二预设关键词库中的关键词匹配的词语,则将所述目标词语确定为用于表示回复所述待处理邮件的时间的第二关键词。
5.如权利要求1或4所述的方法,其特征在于,所述基于回复所述待处理邮件的时间与当前时间之间的时间差,确定与所述第二关键词对应的第三参数,包括:
确定回复所述待处理邮件的时间与当前时间之间的时间差所属目标时长段;
将所述目标时长段对应的预设参数确定为与所述第二关键词对应的第三参数,其中,所述目标时长段关联的时长越短,与所述目标时长段对应的所述预设参数的值越大。
6.如权利要求1所述的方法,其特征在于,所述从所述待处理邮件中提取包含预设特征的内容信息,并确定与所述内容信息对应的第四参数,包括:
判断所述待处理邮件是否包括附件;
若所述待处理邮件包括附件,将所述附件确定为包含预设特征的内容信息,并确定所述附件所属目标附件类型,将所述目标附件类型对应的预设参数确定为与所述内容信息对应的第四参数,不同附件类型对应不同的预设参数;
若所述待处理邮件包含的内容信息中不包括附件,获取所述待处理邮件的正文内容,并将所述正文内容中采用目标格式描述的内容确定为包含预设特征的内容信息,将与所述目标格式对应的预设参数确定为与所述内容信息对应的第四参数,不同格式对应不同的预设参数。
7.如权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
当检测到针对所述排序后的多封待处理邮件中目标邮件的回复指令时,输出第一邮件回复模板;
若检测到在所述第一邮件回复模板添加目标附件的添加指令,判断所述目标附件的数据量是否大于预设最大数据量;
在所述目标附件包含的数据量大于所述预设最大数据量的情况下,输出附件拆分选项,所述附件拆分选项用于指示对所述目标附件进行拆分;
当检测到作用于所述附件拆分选项的用户操作时,将所述目标附件拆分为至少两个子附件,每个子附件的数据量小于或者等于所述预设最大数据量,其中,每个子附件包括一个编号,所述编号用于指示所述子附件在所述目标附件中的顺序;
根据所述第一邮件回复模板,生成至少两个第二邮件回复模板,所述第二邮件回复模板与所述第一邮件回复模板相同,所述第二邮件回复模板的数量与所述子附件的数量相同;
将所述至少两个子附件分别添加在所述至少两个第二邮件回复模板中,一个子附件添加在一个第二邮件回复模板中;
当检测到邮件发送指令时,将添加子附件后的至少两个第二邮件回复模板生成至少两封目标邮件,并发送所述至少两封目标邮件。
8.一种邮件处理装置,其特征在于,包括:
获取单元,用于获取用户的电子邮箱中多封待处理邮件,所述电子邮箱的邮箱地址为第一邮箱地址;
第一确定单元,用于确定所述第一邮箱地址在所述待处理邮件的目标区域,并确定与所述目标区域对应的第一参数,所述目标区域包括收件人区域或抄送人区域;
第二确定单元,用于从所述待处理邮件的文本中查找与第一预设关键词库中的关键词匹配的第一关键词,并确定与所述第一关键词对应的第二参数,所述第一预设关键词库中包括至少一个用于表示重要程度的关键词;
第三确定单元,用于对所述待处理邮件的文本进行分析,获得所述待处理邮件的文本中用于表示回复所述待处理邮件的时间的第二关键词,并基于回复所述待处理邮件的时间与当前时间之间的时间差,确定与所述第二关键词对应的第三参数;
第四确定单元,用于从所述待处理邮件中提取包含预设特征的内容信息,并确定与所述内容信息对应的第四参数;
排序单元,用于将所述多封待处理邮件中每封待处理邮件的所述第一参数、所述第二参数、所述第三参数以及所述第四参数输入机器学习模型,并通过所述机器学习模型对所述多封待处理邮件进行优先级排序,获得排序后的多封待处理邮件。
9.一种邮件处理装置,其特征在于,包括处理器、存储器以及通信接口,所述处理器、存储器和通信接口相互连接,其中,所述通信接口用于接收和发送数据,所述存储器用于存储计算机程序,所述处理器用于调用所述计算机程序,执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序;当所述计算机程序在一个或多个处理器上运行时,执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110915012.7A CN113592461A (zh) | 2021-08-10 | 2021-08-10 | 邮件处理方法、装置与存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110915012.7A CN113592461A (zh) | 2021-08-10 | 2021-08-10 | 邮件处理方法、装置与存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113592461A true CN113592461A (zh) | 2021-11-02 |
Family
ID=78256919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110915012.7A Pending CN113592461A (zh) | 2021-08-10 | 2021-08-10 | 邮件处理方法、装置与存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113592461A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114244800A (zh) * | 2021-12-01 | 2022-03-25 | 北京计算机技术及应用研究所 | 一种电子邮件监控预警方法及系统 |
CN115766517A (zh) * | 2022-11-18 | 2023-03-07 | 维沃移动通信有限公司 | 信息校验方法、装置、电子设备及存储介质 |
CN117291563A (zh) * | 2023-11-24 | 2023-12-26 | 深圳薪汇科技有限公司 | 用于自动化办公的综合管理方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6816885B1 (en) * | 2000-09-21 | 2004-11-09 | International Business Machines Corporation | Method and system to handle large volume of E-mail received from a plurality of senders intelligently |
CN104508691A (zh) * | 2012-02-10 | 2015-04-08 | 国际商业机器公司 | 多层电子邮件优先级排序法 |
US20150200899A1 (en) * | 2013-01-29 | 2015-07-16 | Google Inc. | Automatic email reminder system based on machine learning |
CN106656759A (zh) * | 2016-12-27 | 2017-05-10 | 维沃移动通信有限公司 | 一种邮件的发送方法、接收方法及移动终端 |
CN108475365A (zh) * | 2015-12-30 | 2018-08-31 | 微软技术许可有限责任公司 | 将管理任务分类和划分优先级 |
CN110348009A (zh) * | 2019-06-19 | 2019-10-18 | 深圳壹账通智能科技有限公司 | 基于机器学习的邮件处理方法、装置、介质及电子设备 |
CN112134789A (zh) * | 2020-09-28 | 2020-12-25 | 中国银行股份有限公司 | 邮件发送、接收的方法及装置 |
CN112235190A (zh) * | 2020-10-19 | 2021-01-15 | 上海科越信息技术股份有限公司 | 一种基于客户端的电子邮件筛选方法 |
CN112866087A (zh) * | 2021-01-11 | 2021-05-28 | 腾讯科技(深圳)有限公司 | 一种信息接收方法及计算机可读存储介质 |
-
2021
- 2021-08-10 CN CN202110915012.7A patent/CN113592461A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6816885B1 (en) * | 2000-09-21 | 2004-11-09 | International Business Machines Corporation | Method and system to handle large volume of E-mail received from a plurality of senders intelligently |
CN104508691A (zh) * | 2012-02-10 | 2015-04-08 | 国际商业机器公司 | 多层电子邮件优先级排序法 |
US20150200899A1 (en) * | 2013-01-29 | 2015-07-16 | Google Inc. | Automatic email reminder system based on machine learning |
CN108475365A (zh) * | 2015-12-30 | 2018-08-31 | 微软技术许可有限责任公司 | 将管理任务分类和划分优先级 |
CN106656759A (zh) * | 2016-12-27 | 2017-05-10 | 维沃移动通信有限公司 | 一种邮件的发送方法、接收方法及移动终端 |
CN110348009A (zh) * | 2019-06-19 | 2019-10-18 | 深圳壹账通智能科技有限公司 | 基于机器学习的邮件处理方法、装置、介质及电子设备 |
CN112134789A (zh) * | 2020-09-28 | 2020-12-25 | 中国银行股份有限公司 | 邮件发送、接收的方法及装置 |
CN112235190A (zh) * | 2020-10-19 | 2021-01-15 | 上海科越信息技术股份有限公司 | 一种基于客户端的电子邮件筛选方法 |
CN112866087A (zh) * | 2021-01-11 | 2021-05-28 | 腾讯科技(深圳)有限公司 | 一种信息接收方法及计算机可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114244800A (zh) * | 2021-12-01 | 2022-03-25 | 北京计算机技术及应用研究所 | 一种电子邮件监控预警方法及系统 |
CN115766517A (zh) * | 2022-11-18 | 2023-03-07 | 维沃移动通信有限公司 | 信息校验方法、装置、电子设备及存储介质 |
CN117291563A (zh) * | 2023-11-24 | 2023-12-26 | 深圳薪汇科技有限公司 | 用于自动化办公的综合管理方法及系统 |
CN117291563B (zh) * | 2023-11-24 | 2024-03-12 | 深圳薪汇科技有限公司 | 用于自动化办公的综合管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113592461A (zh) | 邮件处理方法、装置与存储介质 | |
Kumar et al. | Email spam detection using machine learning algorithms | |
CN111414479B (zh) | 基于短文本聚类技术的标签抽取方法 | |
JP5165033B2 (ja) | 通信テキスト分類方法及び装置 | |
US8688690B2 (en) | Method for calculating semantic similarities between messages and conversations based on enhanced entity extraction | |
CN1664839B (zh) | 确定数据意向并基于该意向响应数据的系统和方法 | |
EP2378476A1 (en) | Method for calculating entity similarities | |
CN112035599B (zh) | 基于垂直搜索的查询方法、装置、计算机设备及存储介质 | |
CN107729520B (zh) | 文件分类方法、装置、计算机设备及计算机可读介质 | |
CN112148881B (zh) | 用于输出信息的方法和装置 | |
CN112036168B (zh) | 事件主体识别模型优化方法、装置、设备及可读存储介质 | |
JP2020512651A (ja) | 検索方法、装置及び非一時的コンピュータ読取可能記憶媒体 | |
CN113780007A (zh) | 语料筛选方法、意图识别模型优化方法、设备及存储介质 | |
CN113722438A (zh) | 基于句向量模型的句向量生成方法、装置及计算机设备 | |
US20180189298A1 (en) | Random Index Pattern Matching Based Email Relations Finder System | |
CN113706115A (zh) | 一种邮件处理方法、装置及存储介质 | |
CN111597821A (zh) | 一种确定应答概率的方法及装置 | |
CN111222851B (zh) | 一种邮件分类方法、装置及电子设备 | |
CN117171331A (zh) | 基于大型语言模型的专业领域信息交互方法、装置及设备 | |
Carmona-Cejudo et al. | Using gnusmail to compare data stream mining methods for on-line email classification | |
CN110837553B (zh) | 搜索邮件的方法及相关产品 | |
CN114780712B (zh) | 一种基于质量评价的新闻专题生成方法及装置 | |
US10963784B1 (en) | Identifying portions of electronic communication documents using machine vision | |
CN114528402A (zh) | 邮件的智能分类方法及装置 | |
CN112748828B (zh) | 一种信息处理方法、装置、终端设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |