[發(fā)明專利]基于事件識(shí)別的搜索電子郵件內(nèi)容的方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810980147.X
• 申請(qǐng)日: 2018-08-27
• 公開(kāi)（公告）號(hào): CN109446299B
• 公開(kāi)（公告）日: 2022-08-16
• 發(fā)明（設(shè)計(jì)）人: 盧志剛;李寧;楊波;姜波
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院信息工程研究所
• 主分類號(hào): G06F16/332
• 分類號(hào): G06F16/332;G06F16/35;G06N3/04;G06N3/08;G06K9/62;H04L51/42
• 代理公司: 北京君尚知識(shí)產(chǎn)權(quán)代理有限公司 11200
• 代理人: 邱曉鋒

1.一種基于事件識(shí)別的搜索電子郵件內(nèi)容的方法，其特征在于，包括以下步驟：

1)解析網(wǎng)絡(luò)數(shù)據(jù)包，提取并存儲(chǔ)所有smtp協(xié)議數(shù)據(jù)包，以msg格式存儲(chǔ)每封郵件的內(nèi)容；

2)從存儲(chǔ)的郵件內(nèi)容中讀取msg信息，按行輸出到mbox格式文件；

3)通過(guò)預(yù)先訓(xùn)練完成的基于卷積神經(jīng)網(wǎng)絡(luò)的分類器讀取mbox格式文件中的郵件內(nèi)容，將郵件內(nèi)容按預(yù)定義事件類型進(jìn)行分類，得到每封郵件中發(fā)生的事件；

其中，步驟(3)所述按預(yù)定義事件類型進(jìn)行分類包括：

3.1)對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行修改，在其中加入事件類型觸發(fā)詞查找表；所述事件類型包括：會(huì)面事件、行程事件、聯(lián)絡(luò)事件、交易事件；根據(jù)案件類型和訓(xùn)練集中的先驗(yàn)數(shù)據(jù)，包括典型詞及其變形，來(lái)設(shè)定所述事件類型觸發(fā)詞查找表；

3.2)將郵件內(nèi)容的句子中的詞與所述事件類型觸發(fā)詞查找表中的觸發(fā)詞進(jìn)行余弦相似量平均加權(quán)計(jì)算，得到每個(gè)句子的詞級(jí)特征向量；其中的余弦相似量平均加權(quán)計(jì)算，采用的計(jì)算公式如下，其中A_i表示句子中的詞向量，B_i表示事件類型觸發(fā)詞查找表中的觸發(fā)詞向量，n表示向量維度：

3.3)將所述詞級(jí)特征向量與根據(jù)句子抽取的句子級(jí)特征向量結(jié)合，構(gòu)造最終的特征向量，用于最終分類。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟1)解析網(wǎng)絡(luò)數(shù)據(jù)包得到的解析結(jié)果包含：郵件發(fā)信人、收信人、郵件內(nèi)容及是否包含附件信息。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(1)對(duì)郵件內(nèi)容進(jìn)行哈希計(jì)算生成校驗(yàn)值，以保證郵件內(nèi)容的完整性。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(2)在按行輸出到mbox格式文件后，對(duì)msg信息進(jìn)行預(yù)處理，然后作為所述分類器的輸入；所述預(yù)處理包括分詞、去除噪聲。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于卷積神經(jīng)網(wǎng)絡(luò)的分類器通過(guò)word2vec算法構(gòu)造預(yù)處理詞向量作為郵件內(nèi)容中各個(gè)詞的向量，經(jīng)過(guò)訓(xùn)練，逐漸更新詞向量使詞向量參數(shù)適合輸出最優(yōu)分類結(jié)果。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)標(biāo)記好的語(yǔ)料進(jìn)行分類訓(xùn)練，得到所述基于卷積神經(jīng)網(wǎng)絡(luò)的分類器的內(nèi)部參數(shù)，所述內(nèi)部參數(shù)包括卷積核維度、權(quán)重維度。

7.一種采用權(quán)利要求1～6中任一權(quán)利要求所述方法的基于事件識(shí)別的搜索電子郵件內(nèi)容的系統(tǒng)，其特征在于，包括：

數(shù)據(jù)包解析模塊，負(fù)責(zé)解析網(wǎng)絡(luò)數(shù)據(jù)包，提取并存儲(chǔ)所有smtp協(xié)議數(shù)據(jù)包，以msg格式存儲(chǔ)每封郵件的內(nèi)容；

msg信息讀取模塊，負(fù)責(zé)從存儲(chǔ)的郵件內(nèi)容中讀取msg信息，按行輸出到mbox格式文件；

分類模塊，負(fù)責(zé)通過(guò)預(yù)先訓(xùn)練完成的基于卷積神經(jīng)網(wǎng)絡(luò)的分類器讀取mbox格式文件中的郵件內(nèi)容，將郵件內(nèi)容按預(yù)定義事件類型進(jìn)行分類，得到每封郵件中發(fā)生的事件。

8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，還包括分類器訓(xùn)練模塊，負(fù)責(zé)訓(xùn)練所述基于卷積神經(jīng)網(wǎng)絡(luò)的分類器。