[發明專利]一種電子郵件的信息提取系統

在審

• 申請號: 201711307359.3
• 申請日: 2017-12-11
• 公開（公告）號: CN108038189A
• 公開（公告）日: 2018-05-15
• 發明（設計）人: 龍炳林;陸豐勤
• 申請（專利權）人: 南京茂毓通軟件科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 饒欣

本發明公開了一種電子郵件的信息提取系統，包括郵件信息提取引擎，郵件信息提取引擎通過訓練集對分類模型進行訓練，然后利用分詞工具對郵件內容進行分詞，最后用訓練好的分類模型對分詞后的郵件內容進行分類，得到郵件內容的類別；當用戶給郵件手動打上類別標簽后，郵件自動放回到對應類別的訓練集中。本發明能夠對郵件內容進行分類，用戶可通過查看類別來決定是否要閱讀郵件內容，有效節省了用戶的時間。此外，用戶參與對郵件手動打類別標簽，然后郵件會自動放回到對應類別的訓練集中，通過此過程不斷的迭代優化訓練集，最后的分類結果也會越來越滿足用戶的需求。

技術領域

本發明涉及電子郵件信息提取，特別是涉及一種電子郵件的信息提取系統。

背景技術

隨著互聯網技術的發展，網絡上的信息浩如煙海。如何快速準確地識別出信息如何在互聯網上的傳播，成為人們關注的焦點。電子郵件，是一種通過電子通信系統進行信息交換的通信方式，現在往往與互聯網聯系在一起，成為了最受歡迎的互聯網應用服務之一。電子郵件證據在涉網案件偵辦中的作用越來越重要。面對海量的電子郵件，如何快速、有效地分析郵件證據成為大數據時代海量電子郵件分析的一個焦點。目前現有的郵件分析系統無法對郵件內容進行分類，使辦案人員需要花費更多的時間人為的分析郵件內容。

發明內容

發明目的：本發明的目的是提供一種電子郵件的信息提取系統，能夠對郵件內容進行合理分類，從而節省辦案人員的時間和精力。

技術方案：本發明所述的電子郵件的信息提取系統，包括郵件信息提取引擎，郵件信息提取引擎通過訓練集對分類模型進行訓練，然后利用分詞工具對郵件內容進行分詞，最后用訓練好的分類模型對分詞后的郵件內容進行分類，得到郵件內容的類別；當用戶給郵件手動打上類別標簽后，郵件自動放回到對應類別的訓練集中。

進一步，所述郵件信息提取引擎還包括附件解析模塊和解壓縮模塊，能夠對加密附件進行識別：當附件不是壓縮文件時，通過附件解析模塊解析附件，如果附件能夠被正常解析，則判定附件沒有加密，如果附件不能被正常解析，則判定附件已加密；當附件是壓縮文件時，通過解壓縮模塊對附件進行解壓，如果附件能夠被正常解壓，則判定附件沒有加密，如果附件不能被正常解壓，則判定附件已加密。這樣能夠對附件是否加密進行有效判斷。

進一步，所述郵件信息提取引擎還包括郵件解析模塊，郵件解析模塊能夠對郵件進行解析，從解析結果中直接提取出郵件正文、郵件主題、收件人、發件人、抄送人及密送人的賬號和昵稱、郵件發送時間、收件人是否查收、語言編碼、附件名和附件個數。這樣能夠提取出郵件的基本信息。

進一步，所述郵件信息提取引擎還能夠對郵件摘要進行提取：先擬定一個權重評分標準，然后給每個句子打分，最后給出排名靠前的若干個句子作為提取結果。這樣不用通過閱讀郵件內容就可以了解郵件表達的主要信息，省時便捷。

進一步，所述郵件信息提取引擎還通過ngram對郵件正文內容進行語種識別。這樣方便用戶定向查看某一語種的郵件，無需對每個郵件進行篩查，節省大量時間。

進一步，所述郵件信息提取引擎還通過層疊馬爾可夫模型和角色標注的中文命名實體識別方法對郵件內容中的實體信息進行抽取。

進一步，所述信息提取系統還包括郵件附件信息提取引擎，郵件附件信息提取引擎包括附件解析模塊，所述附件解析模塊能夠提取出附件的內容。

進一步，所述信息提取系統還包括隱性信息提取引擎，隱性信息提取引擎包括郵件解析模塊，所述隱性信息提取引擎能夠提取轉發關系：利用郵件解析模塊對郵件進行解析，然后提取出發件人、收件人字段內容和時間字段內容。這樣用戶可以通過隱性信息提取引擎分析得到郵件時序的傳播過程和郵件中的轉發關系，能夠提高用戶發現郵件中有用信息的效率。