[发明专利]邮件分类方法、装置、设备及存储介质

说明书

本申请公开了一种邮件分类方法、装置、设备及存储介质，属于计算机技术领域。该方法包括获取待分类邮件，该待分类邮件包括邮件文本；根据集成学习模型对该邮件文本进行识别，获取该集成学习模型输出的类别标签，该集成学习模型是由集成学习算法融合多个机器学习模型得到的；根据该类别标签，输出该待分类邮件的分类结果。本申请实施例提供的技术方案提高了邮件分类的精度。

技术领域

本申请涉及计算机技术领域，特别是涉及一种邮件分类方法、装置、设备及存储介质。

背景技术

通常情况下，用户的电子邮箱会收到各种类型邮件，如广告邮件、账单邮件、电子发票邮件、工作邮件、信安邮件和垃圾邮件等。随着时间的积累，邮件类型和数量不断增多，当用户查找指定类型的邮件时，需要耗费大量时间和精力去筛选。随之出现了对用户电子邮箱中的各种类型邮件进行分类的技术。

相关技术中，可以利用基于文本规则匹配的方法实现对各种类型邮件的分类。该方法具体操作是：对邮件文本进行分词，然后与现有规则词库进行匹配来识别各种类型邮件。

然而，该方案过度依赖于人工添加和更新规则，其中，人工添加和更新规则的过程容易出现人为失误，这些人为失误会导致规则词库中的规则不准确，继而影响利用规则词库对邮件进行分类的准确性，因此，利用相关技术对邮件进行分类存在着分类精度不高的问题。

发明内容

基于此，有必要对邮件分类精度不高的问题提供一种邮件分类的方法、装置、设备及存储介质。

第一方面，提供了一种邮件处理方法，该方法包括：

获取待分类邮件，该待分类邮件包括邮件文本；根据集成学习模型对该邮件文本进行识别，获取该集成学习模型输出的类别标签，该集成学习模型是由集成学习算法融合多个机器学习模型得到的；根据该类别标签，输出该待分类邮件的分类结果。

在其中一个实施例中，在根据该集成学习模型对邮件文本进行识别之前，该方法还包括：将邮件文本输入至词袋模型，获取该词袋模型输出的该邮件文本的文本向量；

对应地，根据该集成学习模型对该邮件文本进行识别，包括：将该邮件文本的文本向量输入至该集成学习模型。

在其中一个实施例中，在将该邮件文本输入至该词袋模型之前，该方法还包括：对该邮件文本进行分词处理，得到该邮件文本包括的多个词语；

对应地，将该邮件文本输入至该词袋模型，包括：将该邮件文本包括的多个词语输入至该词袋模型。

在其中一个实施例中，在根据该集成学习模型对该邮件文本进行识别之前，该方法还包括：获取多个训练文本向量；利用该多个训练文本向量对多个机器学习模型进行训练，获得训练后的多个机器学习模型；利用堆栈泛化成学习算法将该训练后的多个机器学习模型进行融合，获得该集成学习模型。

在其中一个实施例中，该多个机器学习模型包括：线性分类支持向量机模型、极端梯度提升决策树分类模型、梯度提升决策树分类模型和随机森林分类模型中的至少两个。

在其中一个实施例中，该词袋模型和该集成学习模型由对象序列化工具存储为本地文件，在将该邮件文本输入至该词袋模型之前，该方法还包括：利用该对象序列化工具加载该本地文件。

在其中一个实施例中，获取该待分类邮件，包括：利用套接字进程通信方式，接收多个电子邮件客户端并行发送的多个该待分类邮件。

第二方面，提供了一种邮件分类装置，该装置包括：

第一获取模块，用于获取待分类邮件，该待分类邮件包括邮件文本；

识别模块，用于根据集成学习模型对邮件文本进行识别，获取该集成学习模型输出的类别标签，该集成学习模型是由集成学习算法融合多个机器学习模型得到的；