一种邮件投递方法、装置及设备制造方法及图纸

本说明书涉及人工智能及机器学习技术领域，具体公开了一种邮件投递方法、装置及设备，所述方法包括：接收待投递的目标邮件；提取所述目标邮件的邮件信息及所述目标邮件的邮件接收域的投递频度；其中，所述投递频度是指指定投递时延下所述邮件接收域的投递量占所述指定投递时延下总投递量的比值；至少利用所述邮件信息以及投递频度预测所述目标邮件的投递时延，以基于所述投递时延投递所述目标邮件；所述投递时延是指所述目标邮件从邮件投递系统延迟投递出去的时间。利用本说明书各个实施例，可以进一步提高邮件投递的有效性，进而提高用户体验感。

【技术实现步骤摘要】
一种邮件投递方法、装置及设备
本说明书涉及人工智能及机器学习
，特别地，涉及一种邮件投递方法、装置及设备。
技术介绍
海量邮件投递系统可用于发送信用卡账单、业务办理通知、产品营销等各类对客业务场景的邮件，这类邮件往往具有数量大、邮件投递时间集中、时效性高、重要性高、投递邮件域范围广泛等特点。而各类邮件域的邮件接收系统，通常根据实际情况设置有多种邮件处理策略。例如单位时间内接收邮件数量、针对单个投递邮箱域的每日邮件接收数量、单个邮箱用户每日邮件接收数量等；以及可能还会根据邮件内容判断是否直接转入垃圾箱等等。结合海量邮件投递系统所投递邮件的特点以及各类邮件域的邮件处理策略，不难发现，若仅采用传统的邮件“到达即发送”的投递模式，不仅会直接影响邮件投递系统在其他邮件域的信誉值，导致投递系统投递的邮件在其他邮件域的投递成功率逐步降低，更会因为邮件投递的成功率低而导致企业形象受损。目前常用的解决方法是通过手动调整投递速率、定时重发拒收邮件等措施来缓解投递成功率低的问题，但这不仅加大了运维成本，还在一定程度上影响了邮件的时效性。本文档来自技高网...

【技术保护点】
1.一种邮件投递方法，其特征在于，应用于邮件投递系统，所述方法包括：/n接收待投递的目标邮件；/n提取所述目标邮件的邮件信息及所述目标邮件的邮件接收域的投递频度；其中，所述投递频度是指指定投递时延下所述邮件接收域的投递量占所述指定投递时延下总投递量的比值；/n至少利用所述邮件信息以及投递频度预测所述目标邮件的投递时延，以基于所述投递时延投递所述目标邮件；所述投递时延是指所述目标邮件从邮件投递系统延迟投递出去的时间。/n

【技术特征摘要】
1.一种邮件投递方法，其特征在于，应用于邮件投递系统，所述方法包括：
接收待投递的目标邮件；
提取所述目标邮件的邮件信息及所述目标邮件的邮件接收域的投递频度；其中，所述投递频度是指指定投递时延下所述邮件接收域的投递量占所述指定投递时延下总投递量的比值；
至少利用所述邮件信息以及投递频度预测所述目标邮件的投递时延，以基于所述投递时延投递所述目标邮件；所述投递时延是指所述目标邮件从邮件投递系统延迟投递出去的时间。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
提取历史邮件投递数据中每封邮件的邮件信息，以及统计所述历史邮件投递数据中各邮件接收域的投递频度；
以所述历史邮件投递数据中每封邮件的投递时延作为相应邮件的标签值，至少利用每封邮件的邮件信息以及每封邮件的邮件接收域的投递频度构建相应邮件的特征向量；
将每封邮件的标签值及特征向量作为一个样本，得到样本集；
利用所述样本集对指定模型进行训练，得到邮件筛选模型，以利用所述邮件筛选模型预测所述目标邮件的投递时延。


3.根据权利要求2所述的方法，其特征在于，所述指定模型包括Mod-GBDT模型。


4.根据权利要求3所述的方法，其特征在于，所述利用所述样本集对指定模型进行训练，包括：
以所述样本集中的样本作为初始样本，计算所述初始样本中的各特征的重要度；
以特征的重要度作为相应特征的权重，对相应的初始样本进行重构，得到重构样本；
利用重构样本对指定模型进行训练。


5.根据权利要求4所述的方法，其特征在于，所述计算所述初始样本中的各特征的重要度，包括：






其中，为特征xp的重要度，T(x；Lk)为学习器k对应的决策树，Lk为学习器k的损失函数，x为样本，K为学习器的总数目，为特征xp在T(x；Lk)上的关键度，M-1为非叶节点数，t为非叶节点，rt为非...

【专利技术属性】
技术研发人员：庞振鹏，张桂榕，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：北京;11