申请/专利权人：成都工业职业技术学院

申请日：2024-01-25

公开（公告）日：2024-04-26

公开（公告）号：CN117633659B

主分类号：G06F18/2415

分类号：G06F18/2415;G06F18/213;G06F40/216;G06N7/01;G06Q10/107

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明涉及一种基于计算机的邮件分类方法及装置，包括以下步骤：对原始邮件文本进行数据处理，得到精化后的邮件文本；将精化后的邮件文本转换为邮件特征向量，并收集样本邮件数据；构建邮件分类模型，并以样本邮件数据为训练数据对邮件分类模型进行训练；对邮件分类模型进行评估，并根据评估结果对邮件分类模型进行优化；将邮件特征向量输入至优化后的邮件分类模型中，输出邮件特征向量的分类结果。本发明能够可以帮助用户快速准确地筛选和管理大量的电子邮件，节省了人工处理邮件的时间和成本，提高了工作效率。

主权项：1.一种基于计算机的邮件分类方法，其特征在于：包括以下步骤：对原始邮件文本进行数据处理，得到精化后的邮件文本；将精化后的邮件文本转换为邮件特征向量，并收集样本邮件数据；构建邮件分类模型，并以样本邮件数据为训练数据对邮件分类模型进行训练，包括以下步骤：输入有标签的样本邮件数据和对应的标签；构建分类算法，并通过分类算法对有标签的样本邮件数据和对应的标签进行训练，生成邮件分类模型，包括以下步骤：设置训练数据中待分类邮件的特征向量为Dnew，通过公式：，计算先验概率PC，其中，N为训练数据中的样本数，C为类别，i为训练数据中第i个样本；建立贝叶斯网络，并通过公式：，计算待分类邮件在给定类别C下出现的概率PD|C，其中，Paj为第j个特征再贝叶斯网络的父节点集合，M为特征的个数，Fj为第j个特征的取值，IFj,C为第j个特征是否与类别C有关；通过公式：，求解后验概率PC|D，其中，K为类别总数，为所有类别下待分类邮件Dnew的概率； ，式中，pfj,c为特征Fj和类别C同时出现的概率，pc和pc分别为特征Fj和类别C单独出现的概率；若IFj,C=1，则表示第j个特征与类别C有关；若IFj,C=0，则表示第j个特征与类别C无关；比较不同类别下的后验概率，将概率最大的类别作为待分类邮件的预测类别；对邮件分类模型进行评估，并根据评估结果对邮件分类模型进行优化；将邮件特征向量输入至优化后的邮件分类模型中，输出邮件特征向量的分类结果。

全文数据：

权利要求：

百度查询： 成都工业职业技术学院 一种基于计算机的邮件分类方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD