基于机器学习的邮件处理方法、装置、介质及电子设备制造方法及图纸

本发明专利技术实施例提供了一种基于机器学习的邮件处理方法、装置、介质及电子设备，涉及数据处理技术领域，该方法包括：从未读邮件的第一特征区域中提取出优先级特征信息；将优先级特征信息输入预设的第一机器学习模型，得到未读邮件的优先级数；从优先级数大于预设阈值的未读邮件的第二特征区域中提取出模板特征信息；将模板特征信息输入第二机器学习模型，生成与未读邮件对应的邮件回复模板；获取邮件回复指令，显示对应的邮件回复模板。本发明专利技术实施例的技术方案使收件人能够优先处理比较重要的邮件，提高了收件人的邮件处理效率，避免收件人无法及时阅读重要邮件而错过最佳回复时间。

Mail processing methods, devices, media and electronic equipment based on machine learning

【技术实现步骤摘要】
基于机器学习的邮件处理方法、装置、介质及电子设备
本专利技术涉及数据处理
，具体而言，涉及一种基于机器学习的邮件处理方法、装置、介质及电子设备。
技术介绍
目前，邮箱的邮件收发以及提醒等服务中，一般会在收件人邮箱中先对发件人进行分组，根据分组的不同类型，将不同分组中的发件人发送的邮件设置成只接受不提醒或者未读提醒。当发件人发送的邮件中存在需要收件人特别关注并优先回复的内容，但发件人被分在只接受不提醒的分组时，收件人可能会无法及时阅读邮件而错过最佳回复时间。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本专利技术的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本专利技术实施例的目的在于提供一种基于机器学习的邮件处理方法、装置、介质及电子设备，进而至少在一定程度上使收件人能够优先处理比较重要的邮件，提高了收件人的邮件处理效率，避免收件人无法及时阅读重要邮件而错过最佳回复时间，提高收件人的邮件回复效率。本专利技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本专利技术的实践而习得。根据本专利技术实施例的第一方面，提供了一种基于机器学习的邮件处理方法，所述方法包括：从未读邮件的第一特征区域中提取出优先级特征信息；将所述优先级特征信息输入预设的第一机器学习模型，得到所述未读邮件的优先级数；从优先级数大于预设阈值的所述未读邮件的第二特征区域中提取出模板特征信息；将所述模板特征信息输入第二机器学习模型，生成与所述未读邮件对应的邮件回复模板；获取邮件回复指令，显示对应的所述邮件回复模板。在本专利技术的一些实施例中，基于前述方案，所述第一特征区域包括所述未读邮件的邮件主题、发件人邮箱地址、发送时间和收件人邮箱地址；所述从未读邮件的第一特征区域中提取出优先级特征信息包括：获取所述未读邮件的邮件主题、发件人邮箱地址、发送时间和收件人邮箱地址中的第一文本信息；从所述第一文本信息中提取出第一关键词；根据所述第一关键词确定所述未读邮件的优先级特征信息。在本专利技术的一些实施例中，基于前述方案，所述从未读邮件的第一特征区域中提取出优先级特征信息包括：获取收件人输入的特征区域选择指令；根据预设的特征区域选择指令与第一特征区域位置对照表确定所述未读邮件中的第一特征区域的位置；获取所述特征区域选择指令对应的第一特征区域处的第二文本信息；从所述第二文本信息中提取出第二关键词；根据所述第二关键词确定所述未读邮件的优先级特征信息。在本专利技术的一些实施例中，基于前述方案，所述第一特征区域包括所述未读邮件的邮件主题、发件人邮箱地址、发送时间和收件人邮箱地址；所述第一机器学习模型通过以下方式得到：获取已有的参考邮件的邮件主题、发件人邮箱地址、发送时间和收件人邮箱地址；根据所述参考邮件中的邮件主题、发件人邮箱地址、发送时间和收件人邮箱地址中的关键词确定所述已有的参考邮件的优先级特征信息，并生成第一训练样本数据；通过生成的所述第一训练样本数据对机器学习模型进行训练，得到所述第一机器学习模型。在本专利技术的一些实施例中，基于前述方案，所述第二特征区域包括所述未读邮件的邮件主题、发件人邮箱地址、收件人邮箱地址和邮件正文；所述第二机器学习模型通过以下方法得到：获取已有的参考邮件的邮件主题、发件人邮箱地址、收件人邮箱地址和邮件正文；根据所述参考邮件中的邮件主题、发件人邮箱地址和收件人邮箱地址及邮件正文中的关键词确定所述已有的参考邮件的模板特征信息，并生成第二训练样本数据；通过生成的所述第二训练样本数据对机器学习模型进行训练，得到所述第二机器学习模型。在本专利技术的一些实施例中，基于前述方案，所述通过生成的所述训练样本数据对机器学习模型进行训练，得到所述第二机器学习模型之后还包括：获取收件人对邮件回复模板的修改；将修改后的内容作为训练样本数据对所述第二机器学习模型进行训练。在本专利技术的一些实施例中，基于前述方案，所述方法还包括：按照所述未读邮件的优先级数的降序依次排列多个所述未读邮件。根据本专利技术实施例的第二方面，提供了一种基于机器学习的邮件处理装置，包括：第一提取单元，用于从未读邮件的第一特征区域中提取出优先级特征信息；优先级确定单元，用于将所述优先级特征信息输入预设的第一机器学习模型，得到所述未读邮件的优先级数；第二提取单元，用于从优先级数大于预设阈值的所述未读邮件的第一特征区域中提取出模板特征信息；模板生成单元，用于将所述模板特征信息输入第二机器学习模型，生成与所述未读邮件对应的邮件回复模板；处理单元，用于获取邮件回复指令，显示对应的所述邮件回复模板。在本专利技术的一些实施例中，基于前述方案，所述第一特征区域包括所述未读邮件的邮件主题、发件人邮箱地址、发送时间和收件人邮箱地址；所述第一提取单元配置为：获取所述未读邮件的邮件主题、发件人邮箱地址、发送时间和收件人邮箱地址中的第一文本信息；从所述第一文本信息中提取出第一关键词；根据所述第一关键词确定所述未读邮件的优先级特征信息。在本专利技术的一些实施例中，基于前述方案，所述第一提取单元配置为：获取收件人输入的特征区域选择指令；根据预设的特征区域选择指令与第一特征区域位置对照表确定所述未读邮件中的第一特征区域的位置；获取所述特征区域选择指令对应的第一特征区域处的第二文本信息；从所述第二文本信息中提取出第二关键词；根据所述第二关键词确定所述未读邮件的优先级特征信息。在本专利技术的一些实施例中，基于前述方案，所述第一特征区域包括所述未读邮件的邮件主题、发件人邮箱地址、发送时间和收件人邮箱地址；基于机器学习的邮件处理装置还包括：第一获取单元，用于获取已有的参考邮件的邮件主题、发件人邮箱地址、发送时间和收件人邮箱地址；第一生成单元，用于根据所述参考邮件中的邮件主题、发件人邮箱地址、发送时间和收件人邮箱地址中的关键词确定所述已有的参考邮件的优先级特征信息，并生成第一训练样本数据；第一训练单元，用于通过生成的所述第一训练样本数据对机器学习模型进行训练，得到所述第一机器学习模型。在本专利技术的一些实施例中，基于前述方案，所述第二特征区域包括所述未读邮件的邮件主题、发件人邮箱地址、收件人邮箱地址和邮件正文；所述基于机器学习的邮件处理装置还包括：第二获取单元，用于获取已有的参考邮件的邮件主题、发件人邮箱地址、收件人邮箱地址和邮件正文；第二生成单元，用于根据所述参考邮件中的邮件主题、发件人邮箱地址和收件人邮箱地址及邮件正文中的关键词确定所述已有的参考邮件的模板特征信息，并生成第二训练样本数据；第二训练单元，用于通过生成的所述第二训练样本数据对机器学习模型进行训练，得到所述第二机器学习模型。在本专利技术的一些实施例中，基于前述方案，所述基于机器学习的邮件处理装置还包括：第三获取单元，用于获取收件人对的邮件回复模板的修改；第三训练单元，用于将修改后的内容作为训练样本数据对所述第二机器学习模型进行训练。在本专利技术的一些实施例中，基于前述方案，所述基于机器学习的邮件处理装置还包括：排序单元，用于按照所述未读邮件的优先级数的降序依次排列多个所述未读邮件。根据本专利技术实施例的第三方面，提供了一种计算机程序介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行如上述实施例中第一方面所述的基于机器学习的邮件本文档来自技高网...

【技术保护点】
1.一种基于机器学习的邮件处理方法，其特征在于，所述方法包括：从未读邮件的第一特征区域中提取出优先级特征信息；将所述优先级特征信息输入预设的第一机器学习模型，得到所述未读邮件的优先级数；从优先级数大于预设阈值的所述未读邮件的第二特征区域中提取出模板特征信息；将所述模板特征信息输入第二机器学习模型，生成与所述未读邮件对应的邮件回复模板；获取邮件回复指令，显示对应的所述邮件回复模板。

【技术特征摘要】
1.一种基于机器学习的邮件处理方法，其特征在于，所述方法包括：从未读邮件的第一特征区域中提取出优先级特征信息；将所述优先级特征信息输入预设的第一机器学习模型，得到所述未读邮件的优先级数；从优先级数大于预设阈值的所述未读邮件的第二特征区域中提取出模板特征信息；将所述模板特征信息输入第二机器学习模型，生成与所述未读邮件对应的邮件回复模板；获取邮件回复指令，显示对应的所述邮件回复模板。2.根据权利要求1所述的方法，其特征在于，所述第一特征区域包括所述未读邮件的邮件主题、发件人邮箱地址、发送时间和收件人邮箱地址；所述从未读邮件的第一特征区域中提取出优先级特征信息包括：获取所述未读邮件的邮件主题、发件人邮箱地址、发送时间和收件人邮箱地址中的第一文本信息；从所述第一文本信息中提取出第一关键词；根据所述第一关键词确定所述未读邮件的优先级特征信息。3.根据权利要求1所述的方法，其特征在于，所述从未读邮件的第一特征区域中提取出优先级特征信息包括：获取收件人输入的特征区域选择指令；根据预设的特征区域选择指令与第一特征区域位置对照表确定所述未读邮件中的第一特征区域的位置；获取所述特征区域选择指令对应的第一特征区域处的第二文本信息；从所述第二文本信息中提取出第二关键词；根据所述第二关键词确定所述未读邮件的优先级特征信息。4.根据权利要求1所述的方法，其特征在于，所述第一特征区域包括所述未读邮件的邮件主题、发件人邮箱地址、发送时间和收件人邮箱地址；所述第一机器学习模型通过以下方式得到：获取已有的参考邮件的邮件主题、发件人邮箱地址、发送时间和收件人邮箱地址；根据所述参考邮件中的邮件主题、发件人邮箱地址、发送时间和收件人邮箱地址中的关键词确定所述已有的参考邮件的优先级特征信息，并生成第一训练样本数据；通过生成的所述第一训练样本数据对机器学习模型进行训练，得到所述第一机器学习模型。5.根据权...

【专利技术属性】
技术研发人员：梁锦霞，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东,44