1、TEXEM：一種基于實體的郵件任務提取策略張相於，陳繼東，李玉坤，孟小峰中國人民大學WAMDM實驗室http:/EMC中國實驗室演示綱要 研究動機 相關工作 處理流程 事件提取 基于事件聚類的任務構造 任務空間向量 實驗評估 總結&未來工作演示綱要 研究動機研究動機 相關工作 處理流程 事件提取 基于事件聚類的任務構造 任務空間向量 實驗評估 總結&未來工作研究動機（1） 電子郵件數據量劇增 IDC ：5 Exabyte商業郵件（1 Exabyte = 1 billion Gigabyte），2007四月。 電子郵件作用越來越豐富 任務管理任務管理，協作管理，存檔管理，聯系人管

2、理 人們處理郵件的時間十分有限 現有工具不能滿足需求 Outlook，Gmail 人們仍需要手工管理郵件中的任務。研究動機（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.regardsgautam5三個事件：1. Making a list.2. Send your address & number3. Schedu

3、led to come to US on 25th研究動機（3） 我們提出一種基于實體的郵件任務提取框架TEXEM。 充分考慮電子郵件中的結構信息。 從郵件中提取屬于不同實體的任務。 對任務進行重要性評估。 提高用戶郵件管理的效率。6演示綱要 研究動機 相關工作相關工作 處理流程 事件提取 基于事件聚類的任務構造 任務空間向量 實驗評估 總結&未來工作相關工作（1） Gmail，Hotmail 可以提取形式較為規范的事件信息。相關工作（2） 演示綱要 研究動機 相關工作 處理流程處理流程 事件提取 基于事件聚類的任務構造 任務空間向量 實驗評估 總結&未來工作處理流程事件提取任

4、務構造重要性評估11演示綱要 研究動機 相關工作 處理流程 事件提取事件提取 基于事件聚類的任務構造 任務空間向量 實驗評估 總結&未來工作事件提?。?） 每句話都可能包含一個事件。 一個事件具有如下結構：Event=O, V, T, L, P, DO：事件所有者V：事件中的動詞集合T：事件發生的時間L：事件發生的地點P：事件涉及的人的集合D：事件中的其他關鍵字事件提?。?）電子郵件詞性標注標識實意動詞標識人名標識地名標識時間事件集合事件提?。?） 事件合并 將不含有實意動詞的句子與離它最近的事件合并：He is busy tomorrow for the meeting. 事件分解

5、如果句子含有and或but等連詞，并且連接的是分句而不是短語或詞。演示綱要 研究動機 相關工作 處理流程 事件提取 基于事件聚類的任務構造基于事件聚類的任務構造 任務空間向量 實驗評估 總結&未來工作基于事件聚類的任務構造（1） 實體識別 I，We，You。 第三人稱實體。 基于實體的事件聚類 將屬于某個實體的事件進行聚類。基于事件聚類的任務構造（2） 實體識別 識別出I，we和you。 識別出第三人稱的名字：人名，組織名。 識別出第三人稱代詞指代的實體：在該代詞前面，并且離它最近的對應實體。 Mike is coming tomorrow, and he will bring som

6、e beers.基于事件聚類的任務構造（3） 基于實體的事件聚類 基于事件構造階段提取出來的事件所有者，進行事件聚類。 屬于同一實體的事件被聚類到一起。 所有者為代詞的按照上述方法識別所有者。 無法識別的事件聚到一起。19基于事件聚類的任務構造（2）演示綱要 研究動機 相關工作 處理流程 事件提取 基于事件聚類的任務構造 任務空間向量任務空間向量 實驗評估 總結&未來工作任務空間向量(1) 每個人任務中的事件具有不同的重要性。 基于TF-IDF對任務中的事件進行排序： Score(e) = Mean(weight(term in e) Weight(term) = factor*(TF

7、(term)*log(N/DF(term)任務空間向量(2)演示綱要 研究動機 相關工作 處理流程 事件提取 基于事件聚類的任務構造 任務空間向量 實驗評估實驗評估 總結&未來工作實驗評估（1） 實驗環境 實驗平臺：Java 數據集：Enron郵件數據集，1.2GB，150個用戶的500 000封郵件。 詞性標注：PoSTagger。 實體標注：ANNIE。實驗評估（2） Enron郵件數據集 在安然公司出事后為調查案件被向公共開放。 被MIT的研究者加工整理形成。 已知的最大的真實郵件數據集。26實驗評估（3）實驗評估（4）實驗評估（5） 以人工對郵件進行處理的結果為基準值，對我們的方法從三個方面進行評估： 任務提取召回率：能夠提取出多少任務。 任務評估準確率：事件排序的準確率。 實體識別準確率：能正確識別多少實體。29任務提取召回率任務提取召回率73.27%任務評估準確率任務評估準確率54.49%實體識別準確率實體識別準確率66.48%演示綱要 研究動機 相關工作 處理流程 事件提取 基于事件聚類的任務構造 任務空間向量 實驗評估 總結總結