[发明专利]结合邮件内容和文本特征提取的信息挖掘系统和方法

说明书

本发明提供了结合邮件内容和文本特征提取的信息挖掘系统和方法。该系统包括数据汇集模块、数据处理模块、数据管理模块和数据应用模块，通过对多源调取的邮件包解压后进行预处理，得到含有邮件包中设定信息的结构化数据；对结构化数据进行文本特征提取，挖掘邮件内容关键信息；评估、校验和优化后，对数据进行可视化展示和进行人机交互。所述结合邮件内容和文本特征提取的信息挖掘系统和方法能够智能化地从海量文本中获取关注的信息和线索，快速提升通过邮件调查取证、获取相关信息的效率。

技术领域

本发明涉及邮件信息挖掘和提取的方法，特别涉及结合邮件内容和文本特征提取的信息挖掘方法。

背景技术

当前，电子文件已经成为传递信息、记录事实的重要载体，电子证据已经成为是否有违法商业行为的认定依据之一。其中就包括电子邮件，电子邮件的调查取证在海关缉私、企业调查、工商行政执法、税务稽查等行业中的作用大有可观。

因而，如何调查取证是非常重要的一环。一般而言，从邮件内容进行电子取证的方法主要依靠人工阅览和专家经验判断。然而，每一封进行商务往来的邮件的信息都不同，每件事请的信息可能会用多个邮件交流，并且不一定发送给同一个人，存在很多垃圾邮件，同时邮件里还包括大量附件文件等。当待调查的邮件数量众多时，要从成千上万的邮件中找到对应的货物信息，调查人员仅靠人力一封封阅览显然要花费大量时间和精力，事倍功半。

因此，亟需一种从邮件内容中挖掘线索或信息的方法，以便于从海量的邮件中快速可靠地实现电子邮件的调查取证和情报挖掘，给执法部门或者需求部门提供电子证据或电子信息。

针对上述现有技术中的问题，本发明结合大数据和文本关键信息提取技术，通过对邮件内容的挖掘，提供了一种结合邮件内容和文本特征提取的信息挖掘系统和方法。

发明内容

为了解决上述问题，本发明人进行了锐意研究，结果发现：通过设置数据汇集模块、数据处理模块、数据管理模块和数据应用模块，对多源调取的邮件包解压后清洗和结构化处理，得到含有邮件包中设定信息的便于信息挖掘的结构化数据；对挖掘的邮件内容关键信息评估、校验和优化后，可进行可视化展示和进行人机交互，能够智能化地从海量文本中获取关注的信息和线索，成果还可高效共享，从而完成了本发明。

本发明的目的在于提供以下方面：

第一方面，本发明提供一种结合邮件内容和文本特征提取的信息挖掘系统，该系统包括：

数据汇集模块，其将上传至该模块的多源调取的邮件包解压处理为非压缩邮件，以汇集邮件数据；

数据处理模块，对数据汇集模块汇集的非压缩邮件进行预处理，使非压缩邮件的数据结构化，以使数据管理模块识别和提取文本信息；

数据管理模块，其自动识别数据处理模块预处理后的结构化数据，基于预设规则进行文本特征提取，挖掘邮件内容关键信息。

所述挖掘系统中还设置有数据应用模块，对数据管理模块挖掘到的信息进行应用和展示。

其中，数据汇集模块支持解析的邮件格式和文件形式包括，

.eml邮件格式，.fox格式邮件格式，outlook另存为的.msg、.pst和另存的网页形式邮件格式；rar、7z、zip格式的压缩包；word、excel、ppt和jdt格式的文件形式和有密的上述格式文件。

其中，所述数据管理模块对挖掘出的邮件内容关键信息进行存储、分类和管理，为数据应用模块提供支撑。

其中，所述信息挖掘系统基于AKKA框架的并行处理和计算技术进行构建；

所述数据应用模块基于B/S架构，结合Hibernate和jQuery EasyUI技术构建。