一種基于機(jī)器學(xué)習(xí)的中文郵件簽名提取方法及系統(tǒng)

基本信息

申請(qǐng)?zhí)?/td> CN201710928671.8 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN107992508B 公開(kāi)（公告）日 2021-11-30
申請(qǐng)公布號(hào) CN107992508B 申請(qǐng)公布日 2021-11-30
分類(lèi)號(hào) G06F16/903（2019.01）I;G06F16/38（2019.01）I;G06N20/10（2019.01）I;G06K9/62（2006.01）I;G06Q10/10（2012.01）I 分類(lèi) 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 宋東旭;羅丁;楊浩 申請(qǐng)（專利權(quán)）人 北京知道未來(lái)信息技術(shù)有限公司
代理機(jī)構(gòu) 北京君尚知識(shí)產(chǎn)權(quán)代理有限公司 代理人 余長(zhǎng)江
地址 100102北京市朝陽(yáng)區(qū)阜通東大街1號(hào)院3號(hào)樓1單元112102室
法律狀態(tài) -

摘要

摘要 本發(fā)明提供一種基于機(jī)器學(xué)習(xí)的中文郵件簽名提取方法，包括以下步驟：通過(guò)正則切分方式，對(duì)待處理的中文郵件進(jìn)行簽名提取，獲取一部分簽名數(shù)據(jù)；提取樣本簽名數(shù)據(jù)的行特征，將所述行特征輸入SVM進(jìn)行訓(xùn)練獲得訓(xùn)練模型；對(duì)于通過(guò)正則切分方式無(wú)法提取獲得簽名數(shù)據(jù)的中文郵件數(shù)據(jù)，通過(guò)訓(xùn)練模型，識(shí)別中文郵件中的簽名行，對(duì)簽名行進(jìn)行合并后獲得另一部分簽名數(shù)據(jù)。能夠從中文郵件數(shù)據(jù)中準(zhǔn)確地提出發(fā)件人的個(gè)人信息，從而解決了在對(duì)郵件數(shù)據(jù)的數(shù)據(jù)挖掘中，經(jīng)常挖掘到郵箱就無(wú)法繼續(xù)深入的難題。且提取結(jié)果具有較高的準(zhǔn)確率，具有很高的泛用性。同時(shí)提供對(duì)應(yīng)上述方法的系統(tǒng)。