日曆提醒生成方法和裝置製造方法
2023-06-15 01:00:46
日曆提醒生成方法和裝置製造方法
【專利摘要】本發明公開了一種日曆提醒生成方法和裝置，涉及移動網際網路【技術領域】。該方法通過自然語言處理技術和分類器，自動判斷郵件是否為日程類郵件，進而從非結構化郵件文本中自動提取日程詳情，並最終自動設置日曆提醒。本發明降低了用戶使用郵件系統的複雜性，提升用戶使用體驗，同時電子日曆產品可以利用本發明技術實現從郵件中自動提取日程信息，豐富日程內容來源，提升產品的用戶使用率和活躍度。
【專利說明】日曆提醒生成方法和裝置
【技術領域】
[0001]本發明涉及移動網際網路【技術領域】，特別涉及一種日曆提醒生成方法和裝置。
【背景技術】
[0002]電子郵件正越來越多的被人們使用，隨著網際網路的快速發展，電子郵件的內容也越來越豐富，海量信息需要用戶通過郵件處理，其中較多的一類郵件即為包含日程信息的郵件，如:會議通知、帳單截止日通知、酒店、機票訂單確認等等。
[0003]當前，用戶通常的做法是:收取郵件，人工在海量郵件中找到每個日程類郵件，手動將日程的主題、時間、地點、參與者等信息添加到日程管理軟體中。
[0004]Gmail在郵件中提供了創建日程活動的快捷方式，但是Gmail並且只提供了日程活動的模板，無法自動判斷該郵件是否包含日程信息，而無法自動將日程內容添加。
【發明內容】
[0005]本發明的發明人發現上述現有技術中存在問題，並因此針對所述問題中的至少一個問題提出了一種新的技術方案。
[0006]本發明的一個目的是提供一種用於日曆提醒自動生成的技術方案。
[0007]根據本發明的第一方面，提供了一種日曆提醒生成方法，包括:
[0008]從郵件中提取出郵件內容，所述郵件內容包括郵件正文；
[0009]利用自然語言處理工具對所述郵件正文進行分詞、詞性標註和命名實體識別、去除停用詞並統計非停用詞的詞頻；
[0010]通過分類器將所述郵件劃分為非日程郵件、創建類日程郵件、修改類日程郵件、取消類日程郵件；
[0011]對於日程類郵件，根據所述命名實體識別結果與規則模板匹配結合確定日程活動的時間、地點、主題、參與者信息；
[0012]根據所述日程主題、時間、地點、參與者信息色生成日曆提醒。
[0013]可選地，通過分類器將所述郵件劃分為非日程郵件、創建類日程郵件、修改類日程郵件、取消類日程郵件包括:選取郵件正文長度、關鍵詞的TFIDF (Term Frequency -1nverse Document Frequency,詞頻-反文檔頻率)、詞頻、詞性、關鍵詞左右各一個窗口的詞及其詞性作為日程郵件特徵構建分類器的特徵向量，通過支持向量機SVM分類器將所述郵件劃分為非日程郵件、創建類日程郵件、修改類日程郵件、取消類日程郵件。
[0014]可選地，該方法還包括:預先利用人工標註的日程郵件語料訓練所述SVM分類器。
[0015]可選地，郵件內容還包括郵件主題、郵件發送方、接收方和時間。
[0016]可選地，從郵件中提取出郵件內容包括:利用所述郵件中的TAG標籤去除掉所述郵件冗餘信息，提取出所述郵件的主題、發送方、接收方、時間、郵件正文信息。
[0017]根據本發明的另一方面，提供一種日曆提醒生成裝置，包括:
[0018]郵件內容提取模塊，用於從郵件中提取出郵件內容，所述郵件內容包括郵件正文；
[0019]語言分析處理模塊，用於利用自然語言處理工具對所述郵件正文進行分詞、詞性標註和命名實體識別；去除停用詞並統計非停用詞的詞頻；
[0020]郵件分類模塊，用於通過分類器將所述郵件劃分為非日程郵件、創建類日程郵件、修改類日程郵件、取消類日程郵件；
[0021]日程信息提取模塊，用於對於日程類郵件，根據所述命名實體識別結果與規則模板匹配結合確定日程活動的時間、地點、主題、參與者信息；
[0022]日曆提醒生成模塊，用於根據所述日程主題、時間、地點、參與者信息色生成日曆提醒。
[0023]可選地，郵件分類模塊包括:特徵向量構建單元，用於選取郵件正文長度、關鍵詞的TFIDF、詞頻、詞性、關鍵詞左右各一個窗口的詞及其詞性作為日程郵件特徵構建分類器的特徵向量；日程郵件分類單元，用於根據所述特徵向量通過SVM (Support VectorMachine，支持向量機)分類器將所述郵件劃分為非日程郵件、創建類日程郵件、修改類日程郵件、取消類日程郵件。
[0024]可選地，該裝置還包括:分類器訓練模塊，用於預先利用人工標註的日程郵件語料訓練所述SVM分類器。
[0025]可選地，郵件內容還包括郵件主題、郵件發送方、接收方和時間。
[0026]可選地，郵件內容提取模塊利用所述郵件中的TAG標籤去除掉所述郵件冗餘信息，提取出所述郵件的主題、發送方、接收方、時間、郵件正文信息。
[0027]本發明的一個優點在於，利用自然語言處理技術自動判斷郵件是否為日程類郵件，進一步自動提取日程內容並設置日程提醒，整個過程自動完成，實現了日程內容的自動添加。
[0028]通過以下參照附圖對本發明的示例性實施例的詳細描述，本發明的其它特徵及其優點將會變得清楚。
【專利附圖】
【附圖說明】
[0029]構成說明書的一部分的附圖描述了本發明的實施例，並且連同說明書一起用於解釋本發明的原理。
[0030]參照附圖，根據下面的詳細描述，可以更加清楚地理解本發明，其中:
[0031]圖1示出根據本發明的日曆提醒生成方法的一個實施例的流程圖。
[0032]圖2示出根據本發明的日曆提醒生成方法的另一個實施例的流程示意圖。
[0033]圖3示出根據本發明的日曆提醒生成裝置的一個實施例的結構圖。
[0034]圖4示出根據本發明的日曆提醒生成裝置的另一個實施例的結構圖。
[0035]圖5示出根據本發明的日曆提醒生成系統的一個實施例的結構圖。
【具體實施方式】
[0036]現在將參照附圖來詳細描述本發明的各種示例性實施例。應注意到:除非另外具體說明，否則在這些實施例中闡述的部件和步驟的相對布置、數字表達式和數值不限制本發明的範圍。
[0037]同時，應當明白，為了便於描述，附圖中所示出的各個部分的尺寸並不是按照實際的比例關係繪製的。
[0038]以下對至少一個示例性實施例的描述實際上僅僅是說明性的，決不作為對本發明及其應用或使用的任何限制。
[0039]對於相關領域普通技術人員已知的技術、方法和設備可能不作詳細討論，但在適當情況下，所述技術、方法和設備應當被視為授權說明書的一部分。
[0040]在這裡示出和討論的所有示例中，任何具體值應被解釋為僅僅是示例性的，而不是作為限制。因此，示例性實施例的其它示例可以具有不同的值。
[0041]應注意到:相似的標號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨後的附圖中不需要對其進行進一步討論。
[0042]圖1示出根據本發明的日曆提醒生成方法的一個實施例的流程圖。
[0043]如圖1所示，步驟102，從接收的郵件中提取出郵件內容，郵件內容包括郵件主題和郵件正文。
[0044]步驟104，利用自然語言處理工具對郵件正文進行分詞、詞性標註和命名實體識別；去除停用詞並統計非停用詞的詞頻。
[0045]分詞(Word Segmentat1n)指的是將一個文字序列切分成一個一個單獨的詞。對於輸入的一段文字，成功的進行分詞，以進一步達到自動識別語句含義的效果。
[0046]詞性標註指標註文本中詞的詞性，如動詞V、名詞N等，可以通過詞性標註工具實現詞性標註。命名實體一般是指人名、地名、機構名，如「張三」、「李四」、「天安門」、「中國電信」等，可以通過命名實體識別工具來實現。一般詞性標註和命名實體工具集成在一起統一提供，可採用現有的工具獲得；對郵件正文分詞後，例如「的」、「 了 」等對文本內容無意義的虛詞或者系統中其他限定為沒有意義的詞，可以預先生成停用詞表，通過停用詞表可以過濾掉停用詞。對於去除停用詞後剩下的非停用詞的詞，統計這些詞的詞頻，即該詞在整個文本中出現的次數，出現一次則詞頻加一。
[0047]步驟106，通過分類器將郵件劃分為非日程郵件、創建類日程郵件、修改類日程郵件、取消類日程郵件。
[0048]步驟108，對於日程類郵件，根據命名實體識別結果與規則模板匹配結合確定日程活動的時間、地點、主題、參與者信息；
[0049]步驟110，根據日程主題、時間、地點、參與者信息色生成日曆提醒。
[0050]上述實施例中，可以通過自然語言技術自動進行分詞，並進行詞性標註和識別命名實體，並根據訓練好的分類器自動將郵件分為日程郵件和非日程郵件，再結合規則模板確定日程活動的時間、地點、主題和參與者信息，從而自動生成日曆提醒信息。整個過程自動完成，實現了日程內容的自動添加。此外，日程郵件還可以自動分為創建類日程郵件、修改類日程郵件、取消類日程郵件，使得識別更準確，自動添加成功率高。
[0051]圖2示出根據本發明的日曆提醒生成方法的另一個實施例的流程示意圖。
[0052]如圖2所示，步驟201，郵件預處理步驟。系統接收到新郵件，分析郵件源文件，利用郵件中的TAG標籤去除掉冗餘信息，提取出郵件主題、發送方、接收方、時間、郵件正文等內容；利用自然語言處理工具對郵件正文進行分詞、去除停用詞、統計詞頻、詞性標註、命名實體識別等工作。
[0053]步驟202，郵件分類步驟。經過預處理的郵件到達SVM分類器將郵件分為四個類別:非日程郵件、創建類日程郵件、修改類日程郵件、取消類日程郵件。利用人工標註的日程郵件語料訓練SVM分類器(例如，使用開源的WEKA機器學習工具集)。選取郵件正文長度、關鍵詞的TFIDF、詞頻、詞性、關鍵詞左右各一個窗口的詞及其詞性等作為日程郵件特徵構建分類器的特徵向量，經過預處理的郵件到達時，訓練好的SVM分類器自動將郵件劃分到四個類別中的某一類。關鍵詞指非停用詞之外的所有出現過的詞。TFIDF是信息檢索領域的專業詞彙，是衡量一個詞在文本中重要性的指標。TF-1DF主要意義在於，如果某個詞或短語在一篇文章中出現的頻率TF高，並且在其他文章中很少出現，則認為此詞或者短語具有很好的類別區分能力，適合用來分類。TF (Term Frequency,詞頻)指的是某一個給定的詞語在該文件中出現的次數。IDF (Inverse Document Frequency,反文檔頻率)指的如果包含詞條的文檔越少，IDF越大，則說明詞條具有很好的類別區分能力。
[0054]步驟203，日曆詳情提取步驟。對於劃分到三種日程類郵件的內容，通過日程詳情提取子模塊提取日程詳情。例如，利用步驟201中預處理的命名實體識別結果(包括:人名、地名、機構名、時間等)與從訓練語料中提取出的規則模板匹配結合的方法，如:[會議地點=XXX ;]，則可提取出XXX為會議地點；定於[TIME]在[LOCAT1N]舉行[SUBJECT];請於[TIME]之前還款；[--ΜΕ1]中國國航CA1832 [LOCAT1N]-北京[TIME2]等模板，確定日程活動的時間、地點、主題、參與者等內容。日程活動的時間、地點、主題等均對應一系列規貝U，這些規則可以從訓練語料中提取或者人為制定，通過模板匹配可以提取出上述信息，再結合命名實體和詞性標註結果可以獲得時間、地點、主題等信息。
[0055]步驟204，日曆提醒設置步驟。創建新日程，將步驟203中提取的日程主題、時間、地點、參與者等信息添加到日程提醒中，並發送給日程伺服器。
[0056]上述實施例中，通過訓練的SVM分類器，結合經過自然語言處理後獲得的關鍵詞的特徵向量，自動實現了郵件的分類和識別，較好地匹配了日程郵件的特點，成功率高。
[0057]圖3示出根據本發明的日曆提醒生成裝置的一個實施例的結構圖。如圖3所示，該日曆提醒生成裝置300，包括:郵件內容提取模塊31，用於從郵件中提取出郵件內容，郵件內容包括郵件正文；語言分析處理模塊32，用於利用自然語言處理工具對郵件正文進行分詞、詞性標註和命名實體識別、去除停用詞並統計去除停用詞後剩餘詞的詞頻；郵件分類模塊33，用於通過分類器將郵件劃分為非日程郵件、創建類日程郵件、修改類日程郵件、取消類日程郵件；日程信息提取模塊34，用於對於日程類郵件，根據命名實體識別結果與規則模板匹配結合確定日程活動的時間、地點、主題、參與者信息；日曆提醒生成模塊35，用於根據日程主題、時間、地點、參與者信息色生成日曆提醒。郵件內容還可以包括郵件主題、郵件發送方、接收方和時間。郵件內容提取模塊31利用所述郵件中的TAG標籤去除掉郵件冗餘信息，提取出郵件的主題、發送方、接收方、時間、郵件正文信息。
[0058]圖4示出根據本發明的日曆提醒生成裝置的另一個實施例的結構圖。如圖4所示，該實施例中日曆提醒生成裝置400的郵件分類模塊43包括:特徵向量構建單元431，用於選取郵件正文長度、關鍵詞的TFIDF、詞頻、詞性、關鍵詞左右各一個窗口的詞及其詞性作為日程郵件特徵構建分類器的特徵向量；日程郵件分類單元432，用於根據構建的特徵向量通過支持向量機SVM分類器將郵件劃分為非日程郵件、創建類日程郵件、修改類日程郵件、取消類日程郵件。
[0059]在一個實施例中，日曆提醒生成裝置還包括:分類器訓練模塊40，用於預先利用人工標註的日程郵件語料訓練SVM分類器。
[0060]圖3和圖4實施例中各個模塊和單元的功能和作用可以參見上述方法實施例中的對應描述，為簡潔起見在此不再詳細描述。
[0061]圖5示出根據本發明的日曆提醒生成系統的一個實施例的結構圖。如圖5所示，相比傳統的郵件系統，該系統在原有的網絡、郵件伺服器51、日程伺服器52、郵件客戶端53之夕卜，在郵件伺服器51中增加了日曆提醒生成裝置511。日曆提醒生成裝置511可以參見圖3、圖4及上文實施例中的描述。在原有電子郵件系統的基礎上，增加了日曆提醒生成裝置，通過上述日曆提醒生成裝置以及對應的模塊可以實現日程類郵件的自動分類，日程詳情的自動提取以及日程提醒的自動添加。通過在現有郵件架構中增加日曆提醒生成裝置，實現自動判斷郵件是否為日程類郵件，進而從非結構化郵件文本中自動提取日程詳情，並最終自動設置日曆提醒。
[0062]本公開面向電子郵件應用提出一種從郵件中自動生成日曆提醒的系統和方法，利用自然語言處理技術自動判斷郵件是否為日程類郵件，進一步自動提取日程內容(主題、時間、地點、參與者等)並設置日程提醒的系統和方法。
[0063]本公開的技術方案降低了用戶使用郵件系統的複雜性，提升用戶使用體驗，同時電子日曆產品可以利用本專利技術實現從郵件中自動提取日程信息，豐富日程內容來源，提升產品的用戶使用率和活躍度。
[0064]本公開適用於現有郵箱系統的功能改進，可以實現日程郵件的自動篩選；同時適用於優化現有電子日曆軟體，可實現日程來源的自動獲取。
[0065]至此，已經詳細描述了根據本發明的日曆提醒生成方法和裝置。為了避免遮蔽本發明的構思，沒有描述本領域所公知的一些細節。本領域技術人員根據上面的描述，完全可以明白如何實施這裡公開的技術方案。
[0066]可能以許多方式來實現本發明的方法和系統。例如，可通過軟體、硬體、固件或者軟體、硬體、固件的任何組合來實現本發明的方法和系統。用於所述方法的步驟的上述順序僅是為了進行說明，本發明的方法的步驟不限於以上具體描述的順序，除非以其它方式特別說明。此外，在一些實施例中，還可將本發明實施為記錄在記錄介質中的程序，這些程序包括用於實現根據本發明的方法的機器可讀指令。因而，本發明還覆蓋存儲用於執行根據本發明的方法的程序的記錄介質。
[0067]雖然已經通過示例對本發明的一些特定實施例進行了詳細說明，但是本領域的技術人員應該理解，以上示例僅是為了進行說明，而不是為了限制本發明的範圍。本領域的技術人員應該理解，可在不脫離本發明的範圍和精神的情況下，對以上實施例進行修改。本發明的範圍由所附權利要求來限定。
【權利要求】
1.一種日曆提醒生成方法，其特徵在於，包括: 從郵件中提取出郵件內容，所述郵件內容包括郵件正文； 利用自然語言處理工具對所述郵件正文進行分詞、詞性標註、命名實體識別；去除停用詞並統計非停用詞的詞頻； 通過分類器將所述郵件劃分為非日程郵件、創建類日程郵件、修改類日程郵件、取消類日程郵件； 對於日程類郵件，根據所述命名實體識別結果與規則模板匹配結合確定日程活動的時間、地點、主題、參與者信息； 根據所述日程主題、時間、地點、參與者信息色生成日曆提醒。
2.根據權利要求1所述的方法，其特徵在於，所述通過分類器將所述郵件劃分為非日程郵件、創建類日程郵件、修改類日程郵件、取消類日程郵件包括: 選取郵件正文長度、關鍵詞的詞頻-反文檔頻率、詞頻、詞性、關鍵詞左右各一個窗口的詞及其詞性作為日程郵件特徵構建分類器的特徵向量，通過支持向量機分類器將所述郵件劃分為非日程郵件、創建類日程郵件、修改類日程郵件、取消類日程郵件。
3.根據權利要求2所述的方法，其特徵在於，還包括: 預先利用人工標註的日程郵件語料訓練所述支持向量機分類器。
4.根據權利要求1所述的方法，其特徵在於，所述郵件內容還包括郵件主題、郵件發送方、接收方和時間。
5.根據權利要求4所述的方法，其特徵在於，所述從郵件中提取出郵件內容包括: 利用所述郵件中的TAG標籤去除掉所述郵件冗餘信息，提取出所述郵件的主題、發送方、接收方、時間、郵件正文信息。
6.一種日曆提醒生成裝置，其特徵在於，包括: 郵件內容提取模塊，用於從郵件中提取出郵件內容，所述郵件內容包括郵件正文； 語言分析處理模塊，用於利用自然語言處理工具對所述郵件正文進行分詞、詞性標註和命名實體識別；去除停用詞並統計非停用詞的詞頻； 郵件分類模塊，用於通過分類器將所述郵件劃分為非日程郵件、創建類日程郵件、修改類日程郵件、取消類日程郵件； 日程信息提取模塊，用於對於日程類郵件，根據所述命名實體識別結果與規則模板匹配結合確定日程活動的時間、地點、主題、參與者信息； 日曆提醒生成模塊，用於根據所述日程主題、時間、地點、參與者信息色生成日曆提醒。
7.根據權利要求6所述的裝置，其特徵在於，所述郵件分類模塊包括: 特徵向量構建單元，用於選取郵件正文長度、關鍵詞的詞頻-反文檔頻率、詞頻、詞性、關鍵詞左右各一個窗口的詞及其詞性作為日程郵件特徵構建分類器的特徵向量； 日程郵件分類單元，用於根據所述特徵向量通過支持向量機分類器將所述郵件劃分為非日程郵件、創建類日程郵件、修改類日程郵件、取消類日程郵件。
8.根據權利要求7所述的裝置，其特徵在於，還包括: 分類器訓練模塊，用於預先利用人工標註的日程郵件語料訓練所述支持向量機分類器。
9.根據權利要求6所述的裝置，其特徵在於，所述郵件內容還包括郵件主題、郵件發送方、接收方和時間。
10.根據權利要求9所述的裝置，其特徵在於，所述郵件內容提取模塊利用所述郵件中的TAG標籤去除掉所述郵件冗餘信息，提取出所述郵件的主題、發送方、接收方、時間、郵件正文信息。
【文檔編號】G06Q10/10GK104463552SQ201310430849
【公開日】2015年3月25日 申請日期:2013年9月22日 優先權日:2013年9月22日
【發明者】康為 申請人:中國電信股份有限公司