TEXEM：一种基于实体的邮件任务提取策略 张相於，陈继东，李玉坤，孟小峰 中国人民大学WAMDM实验室 http://idke.ruc.edu.cn EMC中国实验室

演示纲要 研究动机 相关工作 处理流程 事件提取 基于事件聚类的任务构造 任务空间向量 实验评估 总结&未来工作

演示纲要 研究动机 相关工作 处理流程 事件提取 基于事件聚类的任务构造 任务空间向量 实验评估 总结&未来工作

研究动机（1） 电子邮件数据量剧增 电子邮件作用越来越丰富 人们处理邮件的时间十分有限 现有工具不能满足需求 IDC ：5 Exabyte商业邮件（1 Exabyte = 1 billion Gigabyte），2007四月。 电子邮件作用越来越丰富 任务管理，协作管理，存档管理，联系人管理…… 人们处理邮件的时间十分有限 现有工具不能满足需求 Outlook，Gmail…… 人们仍需要手工管理邮件中的任务。

研究动机（2） dear bhaiya i was making a list of all my contact addresses in USA. could u pls send ur complete address& ph/mobile. i am scheduled to come to US on 25th. regards gautam 三个事件： Making a list. Send your address & number Scheduled to come to US on 25th

研究动机（3） 我们提出一种基于实体的邮件任务提取框架——TEXEM。 充分考虑电子邮件中的结构信息。 从邮件中提取属于不同实体的任务。 对任务进行重要性评估。 提高用户邮件管理的效率。

演示纲要 研究动机 相关工作 处理流程 事件提取 基于事件聚类的任务构造 任务空间向量 实验评估 总结&未来工作

相关工作（1） Gmail，Hotmail 可以提取形式较为规范的事件信息。

相关工作（2） <Identifying and Understanding Dates and Times in Email> <Information Extraction of Seminar Information> <Automated Email Integration with Personal Information Management Applications> <Taking email to task: the design and evaluation of a task management centered email tool>

演示纲要 研究动机 相关工作 处理流程 事件提取 基于事件聚类的任务构造 任务空间向量 实验评估 总结&未来工作

处理流程 事件提取 任务构造 重要性评估

演示纲要 研究动机 相关工作 处理流程 事件提取 基于事件聚类的任务构造 任务空间向量 实验评估 总结&未来工作

事件提取（1） 每句话都可能包含一个事件。 一个事件具有如下结构： Event={O, V, T, L, P, D} O：事件所有者

事件提取（2） 标识实意动词 标识人名 电子邮件 词性标注 事件集合 标识地名 标识时间

事件提取（3） 事件合并 将不含有实意动词的句子与离它最近的事件合并：He is busy tomorrow for the meeting. 事件分解 如果句子含有and或but等连词，并且连接的是分句而不是短语或词。

演示纲要 研究动机 相关工作 处理流程 事件提取 基于事件聚类的任务构造 任务空间向量 实验评估 总结&未来工作

基于事件聚类的任务构造（1） 实体识别 I，We，You。 第三人称实体。 基于实体的事件聚类 将属于某个实体的事件进行聚类。

基于事件聚类的任务构造（2） 实体识别 识别出I，we和you。 识别出第三人称的名字：人名，组织名。 识别出第三人称代词指代的实体：在该代词前面，并且离它最近的对应实体。 Mike is coming tomorrow, and he will bring some beers.

基于事件聚类的任务构造（3） 基于实体的事件聚类 基于事件构造阶段提取出来的事件所有者，进行事件聚类。 属于同一实体的事件被聚类到一起。 所有者为代词的按照上述方法识别所有者。 无法识别的事件聚到一起。

基于事件聚类的任务构造（2）

演示纲要 研究动机 相关工作 处理流程 事件提取 基于事件聚类的任务构造 任务空间向量 实验评估 总结&未来工作

任务空间向量(1) 每个人任务中的事件具有不同的重要性。 基于TF-IDF对任务中的事件进行排序： Score(e) = Mean(weight(term in e)) Weight(term) = factor*(TF(term)*log(N/DF(term)))

任务空间向量(2)

演示纲要 研究动机 相关工作 处理流程 事件提取 基于事件聚类的任务构造 任务空间向量 实验评估 总结&未来工作

实验评估（1） 实验环境 实验平台：Java 数据集：Enron邮件数据集，1.2GB，150个用户的500 000封邮件。 词性标注：PoSTagger。 实体标注：ANNIE。

实验评估（2） Enron邮件数据集 在安然公司出事后为调查案件被向公共开放。 被MIT的研究者加工整理形成。 已知的最大的真实邮件数据集。

实验评估（3）

实验评估（4）

实验评估（5） 以人工对邮件进行处理的结果为基准值，对我们的方法从三个方面进行评估： 任务提取召回率：能够提取出多少任务。 任务评估准确率：事件排序的准确率。 实体识别准确率：能正确识别多少实体。 任务提取召回率 73.27% 任务评估准确率 54.49% 实体识别准确率 66.48%

演示纲要 研究动机 相关工作 处理流程 事件提取 基于事件聚类的任务构造 任务空间向量 实验评估 总结&未来工作

总结&未来工作 总结 未来工作 提出了一种基于实体的邮件任务提取框架。 对任务进行了重要性评估。 提高用户邮件处理的效率。 考虑更多邮件元信息。 通过合并相似事件来提高事件重要性。 处理结果的更好展示。

谢谢