TW202316836A

TW202316836A - 電子郵件備份方法與電子郵件管理系統

Info

Publication number: TW202316836A
Application number: TW110137407A
Authority: TW
Inventors: 陳冠儒
Original assignee: 宏碁股份有限公司
Priority date: 2021-10-07
Filing date: 2021-10-07
Publication date: 2023-04-16
Also published as: TWI790769B

Abstract

一種電子郵件備份方法與電子郵件管理系統。所述方法包括：根據訓練資料集訓練推理模型，其中所述訓練資料集包括備份資料夾中的第一電子郵件；由所述推理模型將第二電子郵件備份至所述備分資料夾中；偵測第三電子郵件，其中所述第三電子郵件包括所述備份資料夾中非由所述推理模型選定進行備份的手動備份郵件以及所述多個電子郵件中由所述推理模型選定進行備份但被使用者從所述備份資料夾中移除的手動移除郵件的至少其中之一；以及根據所述第三電子郵件調整所述推理模型的決策邏輯。

Description

電子郵件備份方法與電子郵件管理系統

本發明是有關於一種電子郵件管理技術，且特別是有關於一種電子郵件備份方法與電子郵件管理系統。

大部分的公司都會具有內部郵件系統。公司員工可以藉由此郵件系統來收發電子郵件，以與上司、同事、屬下或外部廠商彼此間透過電子郵件進行溝通。然而，現有的郵件系統普遍是由使用者手動備份或刪除使用者帳戶內的電子郵件。或者，即便某些郵件系統可協助使用者備份重要郵件，一旦使用者在公司內部的職位、所屬單位、主管、屬下或主要客戶發生變化、則郵件系統也無法立即將此變化反映至其郵件備份機制中。

有鑑於此，本發明提供一種電子郵件備份方法與電子郵件管理系統，可改善上述問題。

本發明的實施例提供一種電子郵件備份方法，其用於電子郵件管理系統。所述電子郵件管理系統保存多個電子郵件。所述電子郵件管理系統具有備分資料夾。所述電子郵件備份方法包括：根據訓練資料集訓練推理模型，其中所述訓練資料集包括所述備份資料夾中的第一電子郵件；由所述推理模型將所述多個電子郵件中的第二電子郵件備份至所述備分資料夾中；偵測所述多個電子郵件中的第三電子郵件，其中所述第三電子郵件包括所述備份資料夾中非由所述推理模型選定進行備份的手動備份郵件以及所述多個電子郵件中由所述推理模型選定進行備份但被使用者從所述備份資料夾中移除的手動移除郵件的至少其中之一；以及根據所述第三電子郵件調整所述推理模型的決策邏輯。

本發明的實施例另提供一種電子郵件管理系統，其包括儲存電路與處理器。所述儲存電路用以儲存多個電子郵件、訓練資料集及推理模型。所述處理器耦接至所述儲存電路並用以：根據所述訓練資料集訓練所述推理模型，其中所述訓練資料集包括備份資料夾中的第一電子郵件；經由所述推理模型將所述多個電子郵件中的第二電子郵件備份至所述備分資料夾中；偵測所述多個電子郵件中的第三電子郵件，其中所述第三電子郵件包括所述備份資料夾中非由所述推理模型選定進行備份的手動備份郵件以及所述多個電子郵件中由所述推理模型選定進行備份但被使用者從所述備份資料夾中移除的手動移除郵件的至少其中之一；以及根據所述第三電子郵件調整所述推理模型的決策邏輯。

基於上述，推理模型可根據訓練資料集來進行訓練，且訓練資料集包括備份資料夾中的第一電子郵件。經訓練的推理模型可自動將第二電子郵件備份至備分資料夾中。特別是，第三電子郵件可被偵測，且第三電子郵件包括備份資料夾中非由所述推理模型選定進行備份的手動備份郵件以及由所述推理模型選定進行備份但被使用者從備份資料夾中移除的手動移除郵件的至少其中之一。爾後，所述推理模型的決策邏輯可根據所述第三電子郵件來進行調整。藉此，可將使用者的手動郵件備份或手動移除郵件備份的行為模式反映至推理模型中，使推理模型的決策邏輯符合使用者最新的社交或工作需求。

圖1是根據本發明的實施例所繪示的電子郵件管理系統的示意圖。請參照圖1，電子郵件管理系統10可設置於智慧型手機、平板電腦、筆記型電腦、桌上型電腦、工業電腦或伺服器等各式具有資料處理以及通訊功能的電子裝置中。

電子郵件管理系統10包括處理器11、儲存電路12及輸入/輸出(I/O)界面13。處理器11用以負責電子郵件管理系統10的整體或部分運作。例如，處理器11可包括中央處理單元(Central Processing Unit, CPU)、圖形處理器(graphics processing unit, GPU)、或是其他可程式化之一般用途或特殊用途的微處理器、數位訊號處理器(Digital Signal Processor, DSP)、可程式化控制器、特殊應用積體電路(Application Specific Integrated Circuits, ASIC)、可程式化邏輯裝置(Programmable Logic Device, PLD)或其他類似裝置或這些裝置的組合。

儲存電路12用以儲存資料。例如，儲存電路12可包括揮發性儲存電路與非揮發性儲存電路。揮發性儲存電路用以揮發性地儲存資料。例如，揮發性儲存電路可包括隨機存取記憶體(Random Access Memory, RAM)或類似的揮發性儲存媒體。非揮發性儲存電路用以非揮發性地儲存資料。例如，非揮發性儲存電路可包括唯讀記憶體(Read Only Memory, ROM)、固態硬碟(solid state disk, SSD)、傳統硬碟(Hard disk drive, HDD)或類似的非揮發性儲存媒體。

輸入/輸出界面13可包括攝影鏡頭、通訊電路(例如網路介面卡)、滑鼠、鍵盤、螢幕、觸控螢幕、揚聲器及/或麥克風等各式訊號的輸出/輸出裝置。本發明不限制輸入/輸出界面13的裝置類型。

電子郵件管理系統10可用以保存電子郵件101。電子郵件101可儲存於儲存電路12中。電子郵件101的數目可以是一或多個。處理器11可經由輸入/輸出界面13中的通訊電路從遠端裝置接收電子郵件101的其中之一並將其儲存至儲存電路12中。或者，處理器11可經由輸入/輸出界面13中的通訊電路將電子郵件101的其中之一發送至遠端裝置。例如，處理器11可基於簡單郵件傳輸協定(Simple Mail Transfer Protocol, SMTP)、郵局協定(Post Office Protocol, POP)、網際網路郵件存取協定(Internet Message Access Protocol, IMAP)及HTTP等與電子郵件有關的通訊協定來傳輸電子郵件。

電子郵件管理系統10可具有收件夾與備份資料夾。收件夾可用以儲存電子郵件101。備份資料夾可用以儲存電子郵件101中較為重要且需要較長時間保存的電子郵件。例如，假設電子郵件管理系統10的收件夾中的電子郵件每經過一段時間(例如30或60天)就會被系統自動刪除(或移動至垃圾資料夾)，以釋放電子郵件管理系統10的儲存空間。然而，位於備份資料夾中的電子郵件將可不受此規則限制，而可持續保存在電子郵件管理系統10中。藉此，可避免對使用者來說較為重要的電子郵件被系統誤刪。

儲存電路12中亦可儲存訓練資料集102與推理模型103。訓練資料集102可用以訓練推理模型103。推理模型103可包括深度學習(deep learning)模型或神經網路(Neural Network)模型等各式可經由訓練來自主執行特定功能的人工智慧模型。

圖2是根據本發明的實施例所繪示的電子郵件備份方法的流程圖。請參照圖2，在步驟S201中，處理器11可根據訓練資料集102來訓練推理模型103。訓練資料集102中的資料包括備份資料夾中的至少部分電子郵件(亦稱為第一電子郵件)。第一電子郵件的數目可以是一或多個。在使用訓練資料集102來訓練推理模型103的過程中，推理模型103可逐漸學習如何分辨電子郵件101中需要備份的電子郵件。

在訓練並建立推理模型103後，在步驟S202中，處理器11可經由推理模型103從電子郵件101中自動挑選需要備份的電子郵件(亦稱為第二電子郵件)並將第二電子郵件備份至備分資料夾中。透過由推理模型103自動挑選需備份的電子郵件(即第二電子郵件)，可有效節省使用者手動備份郵件所需花費的時間。此外，使用者亦可以手動將電子郵件加入至備份資料夾中。

在建立並運行推理模型103後，在步驟S203中，處理器11可主動偵測電子郵件101中符合特定條件的電子郵件(亦稱為第三電子郵件)。例如，第三電子郵件可包括備份資料夾中非由推理模型103選定進行備份的電子郵件(亦稱為手動備份郵件)及/或電子郵件101中由推理模型103選定進行備份但被使用者從備份資料夾中移除的電子郵件(亦稱為手動移除郵件)。

換言之，手動備份郵件是指在建立並運行推理模型103後，未被推理模型103自動備份(表示推理模型103認為不重要或不符合篩選門檻)而是由使用者手動加入至備份資料夾中的電子郵件。手動移除郵件則是指在建立並運行推理模型103後，被推理模型103自動備份(表示推理模型103認為重要或符合篩選門檻)但被使用者手動從備份資料夾中移除的電子郵件。手動備份郵件與手動移除郵件都反映使用者與推理模型103對需備份的電子郵件的選擇標準不一致。

在偵測到第三電子郵件後，在步驟S204中，處理器11可根據第三電子郵件來調整推理模型103的決策邏輯。經調整的推理模型103的決策邏輯可更加符合使用者對需備份的電子郵件的選擇標準。換言之，在根據第三電子郵件來調整推理模型103的決策邏輯後，推理模型103與使用者對需備份的電子郵件的選擇標準可趨於一致。

圖3是根據本發明的實施例所繪示的訓練推理模型的操作流程的示意圖。請參照圖3，在使用訓練資料集102中的資料來訓練推理模型103的階段，在步驟S301中，處理器11可從備份資料夾中選擇某一電子郵件作為目標電子郵件。例如，目標電子郵件可包括第一電子郵件。在步驟S302中，處理器11可擷取目標電子郵件的收件人資訊與寄件人資訊。例如，目標電子郵件的收件人資訊可包括目標電子郵件的收件人的郵件地址資訊，且目標電子郵件的寄件人資訊可包括目標電子郵件的寄件人的郵件地址資訊。

在步驟S303中，處理器11可根據目標電子郵件的收件人資訊與寄件人資訊決定基於特定的操作模式來訓練推理模型103。例如，所述特定的操作模式可包括第一操作模式與第二操作模式。若處理器11決定基於第一操作模式來訓練推理模型103，則在步驟S304中，處理器11可使用與目標電子郵件有關的特定類型的識別資訊(亦稱為第一類識別資訊)來訓練推理模型103。或者，若處理器11決定基於第二操作模式來訓練推理模型103，則在步驟S305中，處理器11可使用與目標電子郵件有關的另一類型的識別資訊(亦稱為第二類識別資訊)來訓練推理模型103。與目標電子郵件有關的第一類識別資訊可不同於與目標電子郵件有關的第二類識別資訊。也就是說，在不同的操作模式中，處理器11可使用與目標電子郵件有關的不同類型的資料來訓練推理模型103，使經訓練的推理模型103對不同類型的電子郵件皆有不錯的辨識效果。

在一實施例中，在步驟S303中，處理器11可判斷目標電子郵件的收件人的郵件地址資訊中的伺服器地址(亦稱為第一伺服器地址)是否相同於所述第一電子郵件的寄件人的郵件地址資訊中的伺服器地址(亦稱為第二伺服器地址)。例如，假設目標電子郵件的收件人與寄件人的郵件地址資訊分別為“Alex@abc.mail.com”與“Linda@abc.mail.com”。處理器11可判定對目標電子郵件而言，收件人的郵件地址資訊中的伺服器地址(即第一伺服器地址)相同於寄件人的郵件地址資訊中的伺服器地址(即第二伺服器地址)，例如兩者皆為“abc.mail.com”。

在一實施例中，響應於第一伺服器地址相同於第二伺服器地址(表示目標電子郵件的收件人與寄件人屬同公司或同組織)，處理器11可決定基於第一操作模式來訓練推理模型103。或者，在一實施例中，響應於第一伺服器地址不同於第二伺服器地址(表示目標電子郵件的收件人與寄件人屬不同公司或不同組織)，則處理器11可決定基於第二操作模式來訓練推理模型103。

在一實施例中，目標電子郵件的第一類識別資訊可包括目標電子郵件的收件人的單位名稱資訊、寄件人的單位名稱資訊、收件人的職務資訊、寄件人的職務資訊及郵件內容特徵。此外，目標電子郵件的第二類識別資訊可包括目標電子郵件的收件人的郵件地址資訊、寄件人的郵件地址資訊及郵件內容特徵。

在一實施例中，處理器11可使用目標電子郵件的收件人及/或寄件人的名稱來查詢公司或組織的組織人事資料庫，以獲得收件人在公司或組織中的單位名稱資訊、寄件人在公司或組織中的單位名稱資訊、收件人在公司或組織中的職務資訊及寄件人在公司或組織中的職務資訊。目標電子郵件的第一類識別資訊中其他有用的資訊亦可藉由查詢公司或組織的組織人事資料庫而獲得，而不限於上述。

在一實施例中，處理器11可根據目標電子郵件的郵件內容(包含目標電子郵件的標題、內容及/或附檔)中的特定關鍵字的出現頻率及/或類型等與關鍵字有關的統計資訊，來計算並獲得目標電子郵件的郵件內容特徵。目標電子郵件的郵件內容特徵可反映目標電子郵件的郵件內容中特定關鍵字相較於目標電子郵件甚至整個字詞庫的重要性等等。

在一實施例中，目標電子郵件的郵件內容特徵可包括詞頻-逆向文件頻(Term Frequency - Inverted Document Frequency, TF-IDF)資料。例如，處理器11可藉由TF-IDF或類似的統計規則來分析目標電子郵件的郵件內容，以獲得對應於目標電子郵件的TF-IDF資料。

在一實施例中，推理模型103的第一操作模式是統一基於收件人與寄件人屬同公司或同組織的電子郵件來進行訓練，而推理模型103的第二操作模式則是統一基於收件人與寄件人屬不同公司或不同組織的電子郵件來進行訓練。爾後，推理模型103的第一操作模式可專用於從收件人與寄件人屬同公司或同組織的電子郵件中識別出較重要且需備份的電子郵件，且推理模型103的第二操作模式可專用於從收件人與寄件人屬不同公司或不同組織的電子郵件中識別出較重要且需備份的電子郵件。

圖4是根據本發明的實施例所繪示的經由推理模型篩選電子郵件進行備份的操作流程的示意圖。請參照圖4，在步驟S401中，處理器11可從電子郵件管理系統10的收件夾中選擇某一電子郵件作為目標電子郵件。例如，目標電子郵件可包括第二電子郵件。在步驟S402中，處理器11可擷取目標電子郵件的收件人資訊與寄件人資訊。

在步驟S403中，處理器11可根據目標電子郵件的收件人資訊與寄件人資訊決定將推理模型103操作於第一操作模式或第二操作模式。若處理器11決定將推理模型103操作於第一操作模式，在步驟S404中，在第一操作模式中，推理模型103使用與目標電子郵件有關的第一類識別資訊來決定是否備份第二電子郵件。或者，若處理器11決定將推理模型103操作於第二操作模式，在步驟S405中，在第二操作模式中，推理模型103使用與目標電子郵件有關的第二類識別資訊來決定是否備份第二電子郵件。例如，在不同的操作模式中，處理器11可將與目標電子郵件有關的不同類型的資料輸入至推理模型103，而推理模型103可根據輸入的資料決定是否要備份目標電子郵件。

在一實施例中，在步驟S403中，處理器11可判斷目標電子郵件的收件人的郵件地址資訊中的伺服器地址(亦稱為第三伺服器地址)是否相同於目標電子郵件的寄件人的郵件地址資訊中的伺服器地址(亦稱為第四伺服器地址)。響應於第三伺服器地址相同於第四伺服器地址(表示目標電子郵件的收件人與寄件人屬同公司或同組織)，處理器11可決定將推理模型103操作於第一操作模式。或者，在一實施例中，響應於第三伺服器地址不同於第四伺服器地址(表示目標電子郵件的收件人與寄件人屬不同公司或不同組織)，則處理器11可決定將推理模型103操作於第二操作模式。

在一實施例中，相較於推理模型103的第二操作模式，推理模型103的第一操作模式可更精準地從收件人與寄件人屬同公司或同組織的電子郵件中識別出較重要且需備份的電子郵件。或者，相較於推理模型103的第一操作模式，推理模型103的第二操作模式可更精準地從收件人與寄件人屬不同公司或不同組織的電子郵件中識別出較重要且需備份的電子郵件。

在一實施例中，無論是在步驟S404或S405中，推理模型103可根據輸入的資料產生一個輸出值。若此輸出值大於一個門檻值，處理器11可將當前選擇的目標電子郵件加入至備份資料夾中進行備份。反之，若此輸出值未大於所述門檻值，則處理器11可不將當前選擇的目標電子郵件加入至備份資料夾中。在一實施例中，若此輸出值未大於所述門檻值，則處理器11亦可刪除當前選擇的目標電子郵件。

圖5是根據本發明的實施例所繪示的調整推理模型的決策邏輯的操作流程圖。請參照圖5，在步驟S501中，處理器11可偵測目標電子郵件。例如，目標電子郵件包括手動備份郵件。例如，每當使用者手動將某一電子郵件加入至備份資料夾時，處理器11可在此電子郵件加上一個手動備份標記。爾後，處理器11可將備份資料夾中具有手動備份標記的電子郵件視為手動備份郵件。

在步驟S502中，處理器11可計算目標電子郵件的郵件內容特徵。例如，目標電子郵件的郵件內容特徵可包括對應於目標電子郵件的TF-IDF資料。在步驟S503中，處理器11可獲得郵件內容特徵與推理模型103的特徵模型之間的相似度評估值。所述相似度評估值可反映目標電子郵件的郵件內容與推理模型103當前採用的特徵模型之間的相似度。

在一實施例中，所述相似度評估值可介於數值0與1之間，且所述相似度評估值與目標電子郵件的郵件內容與推理模型103當前採用的特徵模型之間的相似度呈負相關。亦即，若目標電子郵件的郵件內容與推理模型103當前採用的特徵模型之間的相似度越高，則所述相似度評估值可越小。

在步驟S504中，處理器11可判斷相似度評估值是否小於一門檻值。若相似度評估值不小於門檻值(表示目標電子郵件的郵件內容與推理模型103當前採用的特徵模型之間的差異較大)，在步驟S505中，處理器11可將目標電子郵件的郵件內容特徵加入至一個訓練清單中。或者，若相似度評估值小於門檻值(表示目標電子郵件的郵件內容與推理模型103當前採用的特徵模型之間的差異不大)，在步驟S506中，處理器11可將與目標電子郵件有關的識別資訊加入至訓練清單中，並提高此識別資訊的權重。例如，此識別資訊可包括目標電子郵件的收件人名稱、寄件人名稱、收件人的郵件地址資訊、寄件人的郵件地址資訊、收件人在公司或組織中的單位名稱、寄件人在公司或組織中的單位名稱、收件人在公司或組織中的職務、寄件人在公司或組織中的職務及/或收件人與寄件人在公司或組織中的職務相對關係(例如為上屬對下屬、同事或下屬對上屬)等。在步驟S507中，處理器11可根據所述訓練清單重新訓練推理模型103，以調整推理模型103的決策邏輯。

需注意的是，在圖5的實施例中，推理模型103是根據手動備份郵件來重新訓練。因此，使用者對手動備份郵件的選擇邏輯可以被進一步反映至推理模型103中。經調整的推理模型103的決策邏輯可更加符合使用者對電子郵件的備份邏輯。

圖6是根據本發明的實施例所繪示的調整推理模型的決策邏輯的操作流程圖。請參照圖6，在步驟S601中，處理器11可偵測目標電子郵件。例如，目標電子郵件包括手動移除郵件。例如，每當使用者手動將某一電子郵件從備份資料夾中移除(例如從備份資料夾移動至收件夾或垃圾資料夾)時，處理器11可在此電子郵件加上一個手動移除標記。爾後，處理器11可將收件夾或垃圾資料夾中具有手動移除標記的電子郵件視為手動移除郵件。

在步驟S602中，處理器11可計算目標電子郵件的郵件內容特徵。例如，目標電子郵件的郵件內容特徵可包括對應於目標電子郵件的TF-IDF資料。在步驟S603中，處理器11可獲得郵件內容特徵與推理模型103的特徵模型之間的相似度評估值。

在步驟S604中，處理器11可判斷相似度評估值是否小於一門檻值。若相似度評估值不小於門檻值(表示目標電子郵件的郵件內容與推理模型103當前採用的特徵模型之間的差異較大)，在步驟S605中，處理器11可將目標電子郵件的郵件內容特徵從訓練清單中移除。或者，若相似度評估值小於門檻值(表示目標電子郵件的郵件內容與推理模型103當前採用的特徵模型之間的差異不大)，在步驟S606中，處理器11可將與目標電子郵件有關的識別資訊加入至訓練清單中，並降低此識別資訊的權重。例如，此識別資訊可包括目標電子郵件的收件人名稱、寄件人名稱、收件人的郵件地址資訊、寄件人的郵件地址資訊、收件人在公司或組織中的單位名稱、寄件人在公司或組織中的單位名稱、收件人在公司或組織中的職務、寄件人在公司或組織中的職務及/或收件人與寄件人在公司或組織中的職務相對關係(例如為上屬對下屬、同事或下屬對上屬)等。在步驟S607中，處理器11可根據所述訓練清單重新訓練推理模型103，以調整推理模型103的決策邏輯。

需注意的是，在圖6的實施例中，推理模型103是根據手動移除郵件來重新訓練。因此，使用者對手動移除郵件的移除邏輯可以被進一步反映至推理模型103中。經調整的推理模型103的決策邏輯可更加符合使用者對電子郵件的備份邏輯。

圖7是根據本發明的實施例所繪示的調整推理模型的決策邏輯的操作流程圖。請參照圖7，在步驟S701中，處理器11可偵測模型變更指令。例如，模型變更指令可根據使用者操作而產生。例如，當使用者在公司或組織中的職務、單位及/或業務類型發生改變時，使用者可經由圖1的輸入/輸出界面13中的滑鼠、鍵盤或觸控螢幕來輸入使用者操作，以產生模型變更指令。

在步驟S702中，響應於模型變更指令，處理器11可從組織人事資料庫中提取與使用者有關的關鍵字並計算關鍵字的特徵資料。例如，此關鍵字可反映使用者在公司或組織中的新的職務、新的單位及/或新的業務類型，而關鍵字的特徵資料則可包括處理器11根據所提取的關鍵字所計算的TF-IDF資料。在步驟S703中，處理器11可獲得關鍵字的特徵資料與推理模型103的特徵模型之間的相似度評估值。

在步驟S704中，處理器11可判斷相似度評估值是否小於一門檻值。若相似度評估值不小於門檻值(表示新提取的關鍵字與推理模型103當前採用的特徵模型之間的差異較大)，在步驟S705中，處理器11可將新提取之關鍵字的特徵資料加入至訓練清單中，並提高所述關鍵字的特徵資料的權重。或者，若相似度評估值小於門檻值(表示新提取的關鍵字與推理模型103當前採用的特徵模型之間的差異不大)，在步驟S706中，處理器11可從收件夾中提取新的識別資訊，將所述新的識別資訊加入至訓練清單中，並提高所述新的識別資訊的權重。例如，所述識別資訊可包括使用者在改變職務、單位及/或業務類型後所接收到的新的電子郵件的收件人名稱、寄件人名稱、收件人的郵件地址資訊、寄件人的郵件地址資訊、收件人在公司或組織中的單位名稱、寄件人在公司或組織中的單位名稱、收件人在公司或組織中的職務、寄件人在公司或組織中的職務及/或收件人與寄件人在公司或組織中的職務相對關係(例如為上屬對下屬、同事或下屬對上屬)等。在步驟S707中，處理器11可根據所述訓練清單重新訓練推理模型103，以調整推理模型103的決策邏輯。

需注意的是，在圖7的實施例中，推理模型103是根據使用者在公司或組織中的新的職務、新的單位及/或新的業務類型相關的關鍵字以及使用者在改變職務、單位及/或業務類型後新接收到的電子郵件來重新訓練。因此，使用者在公司或組織中的職務、單位及/或業務類型之改變可被進一步反映至推理模型103中。經調整的推理模型103的決策邏輯可更加符合使用者對電子郵件的備份邏輯。

然而，圖2至圖7中各步驟已詳細說明如上，在此便不再贅述。值得注意的是，圖2至圖7中各步驟可以實作為多個程式碼或是電路，本發明不加以限制。此外，圖2至圖7的方法可以搭配以上範例實施例使用，也可以單獨使用，本發明不加以限制。

綜上所述，本發明所提出的實施例可在訓練階段針對不同類型的電子郵件在不同操作模式下對推理模型進行訓練，並且在系統上線後，也可根據電子郵件的類型使推理模型合適的操作模式下預測需備份的電子郵件。此外，根據使用者對電子郵件的手動備份、手動移除備份及組織人事調整，推理模型的決策邏輯也可被對應調整。藉此，推理模型對需備份的電子郵件之預測可隨著使用者的使用習慣而不斷進化，進而提升使用者體驗。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

10:電子郵件管理系統 11:處理器 12:儲存電路 13:輸入/輸出界面 101:電子郵件 102:訓練資料集 103:推理模型 S201~S204,S301~S305,S401~S405, S501~S507,S601~S607,S701~S707:步驟

圖1是根據本發明的實施例所繪示的電子郵件管理系統的示意圖。圖2是根據本發明的實施例所繪示的電子郵件備份方法的流程圖。圖3是根據本發明的實施例所繪示的訓練推理模型的操作流程的示意圖。圖4是根據本發明的實施例所繪示的經由推理模型篩選電子郵件進行備份的操作流程的示意圖。圖5是根據本發明的實施例所繪示的調整推理模型的決策邏輯的操作流程圖。圖6是根據本發明的實施例所繪示的調整推理模型的決策邏輯的操作流程圖。圖7是根據本發明的實施例所繪示的調整推理模型的決策邏輯的操作流程圖。

S201~S204:步驟

Claims

一種電子郵件備份方法，用於一電子郵件管理系統，該電子郵件管理系統保存多個電子郵件，且該電子郵件管理系統具有備分資料夾，該電子郵件備份方法包括：根據訓練資料集訓練推理模型，其中該訓練資料集包括該備份資料夾中的第一電子郵件；由該推理模型將該多個電子郵件中的第二電子郵件備份至該備分資料夾中；偵測該多個電子郵件中的第三電子郵件，其中該第三電子郵件包括該備份資料夾中非由該推理模型選定進行備份的手動備份郵件以及該多個電子郵件中由該推理模型選定進行備份但被使用者從該備份資料夾中移除的手動移除郵件的至少其中之一；以及根據該第三電子郵件調整該推理模型的決策邏輯。
如請求項1所述的電子郵件備份方法，其中根據該備份資料夾中的該第一電子郵件訓練該推理模型的步驟包括：擷取該第一電子郵件的收件人資訊與寄件人資訊；根據該收件人資訊與該寄件人資訊決定基於第一操作模式或第二操作模式來訓練該推理模型；在該第一操作模式中，使用與該第一電子郵件有關的第一類識別資訊來訓練該推理模型；以及在該第二操作模式中，使用與該第一電子郵件有關的第二類識別資訊來訓練該推理模型，其中該第一類識別資訊不同於該第二類識別資訊。
如請求項2所述的電子郵件備份方法，其中根據該收件人資訊與該寄件人資訊決定基於該第一操作模式或該第二操作模式來訓練該推理模型的步驟包括：響應於該第一電子郵件的收件人的郵件地址資訊中的第一伺服器地址相同於該第一電子郵件的寄件人的郵件地址資訊中的第二伺服器地址，決定基於該第一操作模式來訓練該推理模型；以及響應於該第一伺服器地址不同於該第二伺服器地址，決定基於該第二操作模式來訓練該推理模型。
如請求項2所述的電子郵件備份方法，其中該第一類識別資訊包括該收件人的單位名稱資訊、該寄件人的單位名稱資訊、該收件人的職務資訊、該寄件人的職務資訊及該第一電子郵件的郵件內容特徵，並且該第二類識別資訊包括該收件人的郵件地址資訊、該寄件人的郵件地址資訊、及該郵件內容特徵。
如請求項1所述的電子郵件備份方法，其中由該推理模型將該多個電子郵件中的該第二電子郵件備份至該備分資料夾中的步驟包括：擷取該第二電子郵件的收件人資訊與寄件人資訊；根據該收件人資訊與該寄件人資訊決定將該推理模型操作於第一操作模式或第二操作模式；在該第一操作模式中，該推理模型使用與該第二電子郵件有關的第一類識別資訊來決定是否備份該第二電子郵件；以及在該第二操作模式中，該推理模型使用與該第二電子郵件有關的第二類識別資訊來決定是否備份該第二電子郵件。
如請求項1所述的電子郵件備份方法，其中根據該第三電子郵件調整該推理模型的該決策邏輯的步驟包括：計算該手動備份郵件的郵件內容特徵；獲得該郵件內容特徵與該推理模型的特徵模型之間的相似度評估值；響應於該相似度評估值不小於門檻值，將該郵件內容特徵加入至訓練清單中；響應於該相似度評估值小於該門檻值，將與該手動備份郵件有關的識別資訊加入至該訓練清單中，並提高該識別資訊的權重；以及根據該訓練清單重新訓練該推理模型，以調整該推理模型的該決策邏輯。
如請求項1所述的電子郵件備份方法，其中根據該第三電子郵件調整該推理模型的該決策邏輯的步驟包括：計算該手動移除郵件的郵件內容特徵；獲得該郵件內容特徵與該推理模型的特徵模型之間的相似度評估值；響應於該相似度評估值不小於門檻值，將該郵件內容特徵從訓練清單中移除；響應於該相似度評估值小於該門檻值，將與該手動移除郵件有關的識別資訊加入至該訓練清單中，並降低該識別資訊的權重；以及根據該訓練清單重新訓練該推理模型，以調整該推理模型的該決策邏輯。
如請求項1所述的電子郵件備份方法，更包括：偵測模型變更指令；響應於該模型變更指令，從組織人事資料庫中提取與使用者有關的關鍵字並計算該關鍵字的特徵資料；獲得該特徵資料與該推理模型的特徵模型之間的相似度評估值；響應於該相似度評估值不小於門檻值，將該關鍵字的特徵資料加入至訓練清單中，並提高該關鍵字的特徵資料的權重；響應於該相似度評估值小於該門檻值，從收件夾中提取新的識別資訊，將該新的識別資訊加入至該訓練清單中，並提高該新的識別資訊的權重；以及根據該訓練清單重新訓練該推理模型，以調整該推理模型的該決策邏輯。
一種電子郵件管理系統，包括：儲存電路，用以儲存多個電子郵件、訓練資料集及推理模型；處理器，耦接至該儲存電路並用以：根據該訓練資料集訓練該推理模型，其中該訓練資料集包括備份資料夾中的第一電子郵件；經由該推理模型將該多個電子郵件中的第二電子郵件備份至該備分資料夾中；偵測該多個電子郵件中的第三電子郵件，其中該第三電子郵件包括該備份資料夾中非由該推理模型選定進行備份的手動備份郵件以及該多個電子郵件中由該推理模型選定進行備份但被使用者從該備份資料夾中移除的手動移除郵件的至少其中之一；以及根據該第三電子郵件調整該推理模型的決策邏輯。
如請求項9所述的電子郵件管理系統，其中根據該備份資料夾中的該第一電子郵件訓練該推理模型的操作包括：擷取該第一電子郵件的收件人資訊與寄件人資訊；根據該收件人資訊與該寄件人資訊決定基於第一操作模式或第二操作模式來訓練該推理模型；在該第一操作模式中，使用與該第一電子郵件有關的第一類識別資訊來訓練該推理模型；以及在該第二操作模式中，使用與該第一電子郵件有關的第二類識別資訊來訓練該推理模型，其中該第一類識別資訊不同於該第二類識別資訊。
如請求項10所述的電子郵件管理系統，其中根據該收件人資訊與該寄件人資訊決定基於該第一操作模式或該第二操作模式來訓練該推理模型的操作包括：響應於該第一電子郵件的收件人的郵件地址資訊中的第一伺服器地址相同於該第一電子郵件的寄件人的郵件地址資訊中的第二伺服器地址，決定基於該第一操作模式來訓練該推理模型；以及響應於該第一伺服器地址不同於該第二伺服器地址，決定基於該第二操作模式來訓練該推理模型。
如請求項10所述的電子郵件管理系統，其中該第一類識別資訊包括該收件人的單位名稱資訊、該寄件人的單位名稱資訊、該收件人的職務資訊、該寄件人的職務資訊及該第一電子郵件的郵件內容特徵，並且該第二類識別資訊包括該收件人的郵件地址資訊、該寄件人的郵件地址資訊、及該郵件內容特徵。
如請求項9所述的電子郵件管理系統，其中由該推理模型將該多個電子郵件中的該第二電子郵件備份至該備分資料夾中的操作包括：擷取該第二電子郵件的收件人資訊與寄件人資訊；根據該收件人資訊與該寄件人資訊決定將該推理模型操作於第一操作模式或第二操作模式；在該第一操作模式中，該推理模型使用與該第二電子郵件有關的第一類識別資訊來決定是否備份該第二電子郵件；以及在該第二操作模式中，該推理模型使用與該第二電子郵件有關的第二類識別資訊來決定是否備份該第二電子郵件。
如請求項9所述的電子郵件管理系統，其中根據該第三電子郵件調整該推理模型的該決策邏輯的操作包括：計算該手動備份郵件的郵件內容特徵；獲得該郵件內容特徵與該推理模型的特徵模型之間的相似度評估值；響應於該相似度評估值不小於門檻值，將該郵件內容特徵加入至訓練清單中；響應於該相似度評估值小於該門檻值，將與該手動備份郵件有關的識別資訊加入至該訓練清單中，並提高該識別資訊的權重；以及根據該訓練清單重新訓練該推理模型，以調整該推理模型的該決策邏輯。
如請求項9所述的電子郵件管理系統，其中根據該第三電子郵件調整該推理模型的該決策邏輯的操作包括：計算該手動移除郵件的郵件內容特徵；獲得該郵件內容特徵與該推理模型的特徵模型之間的相似度評估值；響應於該相似度評估值不小於門檻值，將該郵件內容特徵從訓練清單中移除；響應於該相似度評估值小於該門檻值，將與該手動移除郵件有關的識別資訊加入至該訓練清單中，並降低該識別資訊的權重；以及根據該訓練清單重新訓練該推理模型，以調整該推理模型的該決策邏輯。
如請求項9所述的電子郵件管理系統，更包括：偵測模型變更指令；響應於該模型變更指令，從組織人事資料庫中提取與使用者有關的關鍵字並計算該關鍵字的特徵資料；獲得該特徵資料與該推理模型的特徵模型之間的相似度評估值；響應於該相似度評估值不小於門檻值，將該關鍵字的特徵資料加入至訓練清單中，並提高該關鍵字的特徵資料的權重；響應於該相似度評估值小於該門檻值，從收件夾中提取新的識別資訊，將該新的識別資訊加入至該訓練清單中，並提高該新的識別資訊的權重；以及根據該訓練清單重新訓練該推理模型，以調整該推理模型的該決策邏輯。