電子郵件動(dòng)態(tài)分類系統(tǒng)的研究與應(yīng)用

王瑛 王勇

（廣東工業(yè)大學(xué)計(jì)算機(jī)學(xué)院）

0 概述

當(dāng)前，知識(shí)和智力資產(chǎn)正在成為企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)。知識(shí)型企業(yè)中，在已知知識(shí)上創(chuàng)造新的、復(fù)雜的知識(shí)的員工正成為主要角色[1]，商業(yè)決策越來越依靠日常工作中相互交流產(chǎn)生的知識(shí)[2-3]。知識(shí)管理的概念和方法被企業(yè)用來尋求應(yīng)對(duì)這種知識(shí)社會(huì)的變化[4-6]。盡管管理知識(shí)的重要性已被深入認(rèn)識(shí)，但系統(tǒng)的知識(shí)管理研究是最近10來年才開始的[7]。許多技術(shù)和方法被用于結(jié)構(gòu)化知識(shí)，以便有效地管理知識(shí)。例如貝葉斯網(wǎng)絡(luò)（Bayesian Networks），決策樹（Decision Trees），神經(jīng)網(wǎng)絡(luò) （Neural Networks），支持向量機(jī)（Support Vector Machines），K最近鄰方法（K-Nearest Neighbor Approach）等。一些技術(shù)方法聚焦在知識(shí)搜索領(lǐng)域，另一些方法用于知識(shí)的分類[8]。

分類體系（Taxonomy）是一種傳統(tǒng)有效的信息分類和管理方法。它包含實(shí)體（對(duì)象或者標(biāo)題）、關(guān)系、鏈接、分組、標(biāo)簽和導(dǎo)航等部件，提供信息的搜索、瀏覽、提示等功能，實(shí)現(xiàn)有效的內(nèi)容管理[9]。分類體系相比較知識(shí)庫(kù)而言，提供了一種結(jié)構(gòu)化的知識(shí)管理模式[10-11]，其組成要素包括控制詞表、元數(shù)據(jù)和分類目錄。由于知識(shí)的特性，傳統(tǒng)的人工分類及管理知識(shí)的方式是一項(xiàng)高智能和耗費(fèi)時(shí)間的工作。動(dòng)態(tài)分類體系（Dynamic Taxonomy）作為一種較好地描述和分類復(fù)雜的信息和知識(shí)的工具被提出來[12]，能夠有效地實(shí)現(xiàn)對(duì)非結(jié)構(gòu)化知識(shí)的分類管理。

在企業(yè)的商業(yè)運(yùn)作中，電子郵件已成為重要的、不可或缺的交流方式，大量的企業(yè)信息和知識(shí)蘊(yùn)含在電子郵件中。本文提出采用動(dòng)態(tài)分類體系的方法，建立一個(gè)基于多智能代理架構(gòu)的電子郵件信息管理自動(dòng)分類系統(tǒng)，以提升郵件自動(dòng)分類的效率，促進(jìn)企業(yè)知識(shí)的管理和分享，支持企業(yè)商業(yè)服務(wù)工作的開展。

1 體系架構(gòu)

電子郵件是當(dāng)前最重要和最廣泛應(yīng)用的通信媒介之一，許多公司已把電子郵件作為企業(yè)商業(yè)運(yùn)作的重要智力資產(chǎn)。基于WEB的郵件服務(wù)系統(tǒng)提供一種集中式的郵件信息管理模式。基于多智能代理架構(gòu)的電子郵件信息管理自動(dòng)分類系統(tǒng)（multi-agent email dynamic taxonomy system，MEDTS），包括4層結(jié)構(gòu)，如圖1所示。

1) 郵件代理子系統(tǒng)（email agent system，EAS）是MEDTS的基礎(chǔ)子系統(tǒng)，負(fù)責(zé)電子郵件信息的發(fā)送和接收。同時(shí)，EAS負(fù)責(zé)將接收到的電子郵件信息分解為結(jié)構(gòu)化信息，并存入到郵件數(shù)據(jù)庫(kù)（mail database，EDB），以便電子郵件信息能夠更方便地被管理和使用。需要說明的是，EAS自身并不是一個(gè)電子郵件服務(wù)器，它通過兩個(gè)電子郵件代理程序與第三方的電子郵件服務(wù)器連接。電子郵件發(fā)送代理程序（Sending Agent）負(fù)責(zé)通過連接SMTP服務(wù)器發(fā)送電子郵件，接收代理程序（Receiving Agent）則通過POP3服務(wù)器從互聯(lián)網(wǎng)接收電子郵件。MEDTS建立了一個(gè)可伸縮的、較靈活的體系結(jié)構(gòu)，支持在互聯(lián)網(wǎng)和內(nèi)聯(lián)網(wǎng)中發(fā)送和接收電子郵件。

圖1 基于多智能代理架構(gòu)的電子郵件信息管理自動(dòng)分類系統(tǒng)體系架構(gòu)

2) 動(dòng)態(tài)分類子系統(tǒng)（dynamic taxonomy system，DTS）負(fù)責(zé)將電子郵件中的信息和知識(shí)結(jié)構(gòu)化，并構(gòu)建分類體系，形成知識(shí)庫(kù)。郵件中的實(shí)體對(duì)象、關(guān)系、鏈接、分組、標(biāo)簽和導(dǎo)航由 DTS識(shí)別和抽取，并被保存在知識(shí)分類數(shù)據(jù)庫(kù)（knowledge taxonomies &inventory，KTI）。DTS提供搜索、瀏覽、提醒和內(nèi)容管理等功能，以便員工能快速、可視化地發(fā)現(xiàn)有用信息和知識(shí)。MEDTS系統(tǒng)提供3種動(dòng)態(tài)分類模式增強(qiáng)對(duì)知識(shí)的分類、整理和檢索等管理能力。

3) 知識(shí)審計(jì)子系統(tǒng)（knowledge audit system，KAS）提供對(duì)企業(yè)智力資產(chǎn)的審計(jì)服務(wù)功能，通過挖掘分析KTI中實(shí)體間的關(guān)系，可以定位關(guān)鍵人物和社交網(wǎng)絡(luò)，搜索和分享知識(shí)工作的解決方案。智力資產(chǎn)的評(píng)估和評(píng)價(jià)作為企業(yè)管理決策的主要任務(wù)之一，有助于企業(yè)高層對(duì)其智力資產(chǎn)的全面掌握，支持企業(yè)的商業(yè)運(yùn)作。

4) 知識(shí)工作流規(guī)劃子系統(tǒng)（knowledge workflow planning system，KWPS）構(gòu)造一個(gè)處理知識(shí)工作的多代理服務(wù)架構(gòu)，幫助員工在知識(shí)工作中可以動(dòng)態(tài)搜索相關(guān)的信息和知識(shí)，高效地找到所需的專業(yè)知識(shí)。KWPS 能夠規(guī)劃一個(gè)知識(shí)工作流，并根據(jù)具體需要和目標(biāo)，配置相應(yīng)的知識(shí)資源。

上述4個(gè)子系統(tǒng)構(gòu)成了MEDTS的4個(gè)層次。基于WEB的EAS是基礎(chǔ)層；DTS是負(fù)責(zé)將采集的電子郵件構(gòu)建為一個(gè)動(dòng)態(tài)分類體系，并保存在知識(shí)庫(kù)中；KAS分析和審計(jì)基于電子郵件的智力資產(chǎn)，評(píng)價(jià)知識(shí)的價(jià)值；審計(jì)的結(jié)果作為KWPS的運(yùn)作依據(jù)。

2 動(dòng)態(tài)分類模式

一般認(rèn)為，動(dòng)態(tài)分類體系是使用戶可以瀏覽所有可能的信息分類目錄的一種工具，包括觀察、交叉聯(lián)系、混合和匹配目錄，例如，郵件信息可被標(biāo)簽和分配到多個(gè)目錄項(xiàng)中。借助分類體系，用戶可以運(yùn)用其獨(dú)特的邏輯，自由地創(chuàng)造和組織其知識(shí)空間[11]。在MEDTS系統(tǒng)中，設(shè)計(jì)3種動(dòng)態(tài)分類模式：基于用戶定義的分類模式、基于搜索關(guān)鍵字的分類模式和基于多代理機(jī)制的動(dòng)態(tài)分類體系模式。前2種模式主要聚焦在如何邏輯地分類大量的信息；第3種模式則通過運(yùn)用人工智能的文本挖掘和分析技術(shù)，動(dòng)態(tài)辨識(shí)和生成新的分類體系。

2.1 基于用戶定義的動(dòng)態(tài)分類模式

在信息系統(tǒng)中，用戶訪問管理是一項(xiàng)重要功能。根據(jù)用戶的角色、職位、部門和其他身份認(rèn)證，允許合法的訪問或禁止非法的訪問是主要的應(yīng)用形式。用戶對(duì)信息訪問的分類視角應(yīng)根據(jù)其角色的不同而不同。

圖2給出了企業(yè)中3種不同角色的分類視角，包括員工視角、經(jīng)理視角和CEO視角。經(jīng)理負(fù)責(zé)管理員工，在其分類體系中包含員工的目錄項(xiàng)；同樣，CEO的分類體系中也包括了部門的目錄項(xiàng)。

圖2 （a） 員工視角

圖2 3種不同視角的分類體系

動(dòng)態(tài)分類體系根據(jù)用戶登錄身份構(gòu)建個(gè)性化目錄，電子郵件信息被自動(dòng)分類到相應(yīng)的目錄項(xiàng)中。這種分類模式針對(duì)每個(gè)用戶提供了一個(gè)與之關(guān)聯(lián)的有效的分類體系，無(wú)用的信息被屏蔽。

2.2 基于搜索關(guān)鍵字的動(dòng)態(tài)分類模式

基于搜索關(guān)鍵字的動(dòng)態(tài)分類模式是通過對(duì)輸入關(guān)鍵字的理解自動(dòng)地生成分類體系。系統(tǒng)建立關(guān)鍵字的語(yǔ)義關(guān)聯(lián)模型，根據(jù)對(duì)關(guān)鍵字的語(yǔ)義分析，調(diào)用相關(guān)分類體系，形成語(yǔ)義關(guān)聯(lián)的分類架構(gòu)，以滿足用戶信息分類檢索的一般性習(xí)慣。例如，搜索關(guān)鍵字“詢價(jià)”意味著用戶想得到與市場(chǎng)相關(guān)的信息，“市場(chǎng)”目錄被用來分類搜索結(jié)果。類似的，產(chǎn)品的“白皮書”可能意味著用戶想得到產(chǎn)品的技術(shù)信息。圖3提供了市場(chǎng)和技術(shù)2種簡(jiǎn)單的分類體系。

圖3 2種分類體系示例

這種分類模式是一個(gè)由用戶行為驅(qū)動(dòng)的動(dòng)態(tài)和不斷演繹的分類體系，是一種根據(jù)搜索關(guān)鍵字可以邏輯地組織信息和提供合適的分類目錄的模式。它不同于通常的搜索引擎的搜索功能，主要包含著大量的搜索結(jié)果的列表，沒有信息組織的邏輯結(jié)構(gòu)。當(dāng)搜索關(guān)鍵字被輸入，系統(tǒng)會(huì)從控制單詞的列表中返回其含義，推斷用戶的意圖，確定相關(guān)領(lǐng)域，構(gòu)建檢索結(jié)果目錄。

2.3 基于多代理機(jī)制的動(dòng)態(tài)分類體系模式

考慮到信息和知識(shí)的不斷增長(zhǎng)，新概念、術(shù)語(yǔ)和知識(shí)在不斷產(chǎn)生，動(dòng)態(tài)分類體系應(yīng)具備持續(xù)改進(jìn)和演繹的能力。本文采用人工智能技術(shù)，設(shè)計(jì)了一種基于多代理機(jī)制的動(dòng)態(tài)分類體系模式。

代理（Agent）提供了需要處理大型和復(fù)雜問題的抽象，具有自治能力。多代理即建立了多個(gè)代理的協(xié)同工作機(jī)制，智能系統(tǒng)通常采用多代理機(jī)制協(xié)助用戶處理復(fù)雜的協(xié)同工作。在MEDTS系統(tǒng)中，幾個(gè)代理被設(shè)計(jì)成動(dòng)態(tài)分類體系，如圖4所示。它們鏈接在一起構(gòu)成一個(gè)增強(qiáng)系統(tǒng)自學(xué)習(xí)能力的學(xué)習(xí)環(huán)。系統(tǒng)采用了文本挖掘和基于案例推理的技術(shù)。

1) 抽取代理（Extracting Agent）負(fù)責(zé)從電子郵件中抽取關(guān)鍵字，采用詞法分析技術(shù)，建立控制詞表和詞組數(shù)據(jù)庫(kù)；

2) 合并代理（Merging Agent）負(fù)責(zé)將從電子郵件中抽取的關(guān)鍵字合并成關(guān)鍵字隊(duì)列；

3) 統(tǒng)計(jì)代理（Statistics Agent）根據(jù)從Merging Agent獲得的關(guān)鍵字列表，建立一個(gè)關(guān)鍵字的使用頻率表；

4) 文字挖掘代理（Word Mining Agent）根據(jù)關(guān)鍵字使用頻率在一個(gè)語(yǔ)義空間中挖掘單詞或術(shù)語(yǔ)之間的關(guān)系，推斷一個(gè)新的分類體系；

5) CBR代理（CBR Agent）基于案例庫(kù)中舊的分類體系，進(jìn)行歸納推理，構(gòu)成新的分類體系，并提交給用戶；

6) 人機(jī)交互代理（Human-Machine Interface Agent）建立人機(jī)交互，由用戶確定產(chǎn)生一個(gè)新的分類體系；

7) CBR存儲(chǔ)代理（CBR Storing Agent）負(fù)責(zé)存儲(chǔ)新的分類體系模式，并保存到案例庫(kù)中。

3 文本分類算法

在MEDTS系統(tǒng)中，文本分類算法是關(guān)鍵技術(shù)。本系統(tǒng)建立訓(xùn)練學(xué)習(xí)機(jī)制，構(gòu)建分類體系的每個(gè)目錄項(xiàng)的特征向量，通過詞法分析與特征提取，構(gòu)建電子郵件的特征向量，再采用文本相似度計(jì)算，以此判定電子郵件的分類目錄項(xiàng)。

定義1：電子郵件的特征向量為w

w =

其中，wn為詞表中第n個(gè)詞的權(quán)重；n為詞表中詞組的總數(shù)量。

定義2：wi權(quán)重為p

p =P/W

其中，P為第i個(gè)詞在郵件中出現(xiàn)的次數(shù)；W為郵件中所包含的詞表中所有詞的出現(xiàn)次數(shù)的總和。

圖4 基于多代理機(jī)制的DTS工作模式

分類體系中每個(gè)目錄項(xiàng)的特征向量由訓(xùn)練集中所屬電子郵件的特征值整合而成，即對(duì)包含的所有電子郵件的特征向量做簡(jiǎn)單的平均計(jì)算而成。

定義3：分類目錄項(xiàng)的特征向量為s

其中，wij為詞表中第i個(gè)詞在分類目錄項(xiàng)所包含的所有郵件中第j篇郵件的特征向量的權(quán)重；m為該分類目錄項(xiàng)中所包含郵件的總數(shù)量。

本文采用歐式距離為相似度計(jì)算算法。

定義4：分類相似度為μ

其中，wi為電子郵件的特征向量的第i個(gè)分量值；si為分類目錄項(xiàng)的特征向量的第i個(gè)分量值。

通過限定一定的閥值，依據(jù)相似度計(jì)算結(jié)果，可判定電子郵件是否屬于某個(gè)特定的分類目錄項(xiàng)。本系統(tǒng)選擇的閥值為0.7。

4 案例分析

本文研發(fā)的MEDTS系統(tǒng)已在一家總部設(shè)于香港的電子有限公司運(yùn)行。該公司主要經(jīng)營(yíng)電子元器件，為客戶提供電子元器件的整體解決方案。公司大量的信息和知識(shí)來源于員工與供應(yīng)商之間電子郵件的交流和溝通。傳統(tǒng)方式是：每個(gè)員工的電子郵件都封閉在其專有的賬戶內(nèi)，員工內(nèi)部的信息交流也依靠簡(jiǎn)單的郵件轉(zhuǎn)發(fā)實(shí)現(xiàn)，造成了信息冗余；成功的解決方案未能得到及時(shí)分享和應(yīng)用，已有的郵件轉(zhuǎn)發(fā)模式不能有效地管理不斷增長(zhǎng)的大量電子郵件信息，不利于企業(yè)知識(shí)的檢索和應(yīng)用。

MEDTS系統(tǒng)是一個(gè)基于WEB模式的應(yīng)用系統(tǒng)，可以嵌入傳統(tǒng)的電子郵件系統(tǒng)，MEDTS系統(tǒng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖5所示。它從電子郵件服務(wù)器接收郵件并存儲(chǔ)到一個(gè)單一中心的動(dòng)態(tài)分類體系中。員工通過個(gè)人電腦上的瀏覽器可瀏覽完整的動(dòng)態(tài)分類體系。通過集中式的信息管理模式，可以方便地對(duì)全公司的電子郵件信息進(jìn)行檢索，也能有效地支持信息的分享應(yīng)用。同時(shí)，提供發(fā)送電子郵件的功能，使員工可僅僅使用MEDTS系統(tǒng)執(zhí)行基于電子郵件的知識(shí)工作。

圖5 MEDTS系統(tǒng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

圖6給出根據(jù)用戶角色提供的個(gè)人分類目錄的界面；圖7為輸入搜索關(guān)鍵字界面；圖8為根據(jù)輸入的搜索關(guān)鍵字關(guān)聯(lián)的領(lǐng)域形成的搜索結(jié)果界面；圖9為基于多代理機(jī)制的動(dòng)態(tài)分類體系系統(tǒng)界面。

目前，該公司所有員工可以在MEDTS系統(tǒng)中發(fā)送和接收電子郵件，所有郵件信息被保存在一個(gè)中央數(shù)據(jù)庫(kù)中，通過安全授權(quán)機(jī)制，可以便捷地瀏覽所有郵件信息和解決方案知識(shí)，方便實(shí)現(xiàn)信息的共享與學(xué)習(xí)，有效地支持企業(yè)的商業(yè)運(yùn)營(yíng)工作。

圖6 電子郵件瀏覽界面

圖7 關(guān)鍵字搜索界面

圖8 搜索結(jié)果顯示界面

圖9 動(dòng)態(tài)分類體系界面

5 結(jié)論

動(dòng)態(tài)分類體系正在成為知識(shí)管理的有效方法。基于動(dòng)態(tài)分類體系的3種模式為知識(shí)工作者提供了良好的信息和知識(shí)組織管理工具。MEDTS系統(tǒng)提供了基于電子郵件的知識(shí)工作支持，使知識(shí)工作者可以方便地從電子郵件的分類體系邏輯中瀏覽和學(xué)習(xí)有用的信息，構(gòu)成知識(shí)協(xié)同工作的基礎(chǔ)。今后，3種動(dòng)態(tài)分類體系模式需要更深入的研究和開發(fā)智能功能，知識(shí)審計(jì)和知識(shí)工作流支持系統(tǒng)也將被深入研發(fā)。

[1] Drucker P F. The age of social transformation[J]. The Atlantic Monthly, 1994,274(5):53-80.

[2] Drucker P F. Managing in turbulent times[M]. London:Heinemann, 1980.

[3] Fred Nickols. Shift to knowledge work yearbook of knowledge management [M]. Butterworth-Heinemann, 2000.

[4] Sheila Corrall. Are we in the knowledge management business[J]. Adriad, 18. URL: http://www.ariadne.ac.uk/ issue18/knowledge-mgt / (available: Dec., 1998).

[5] Yogesh Malhora. Knowledge management for the new world of business[J]. Journal for Quality & Participation special issue on Learning and Information Management, 1998, 21(4):58-60.

[6] Prusak L. Where did knowledge management[J]. IBM Systems Journal, 2001, 40(4):1002-1007.

[7] Karl M Wiig. Knowledge Management: Where did it come from and where will It go[J]. Expert Systems With Applications, 1997,13(1) :1-14.

[8] Sebastiani F. Machine learning in automated text categorization.Technical[R]. ACM Computing Surveys, March 2002, 34(1):1-47.

[9] Steve Blake. Lecture note on taxonomies masterclass[M].Arkgroup, 2002.

[10] Susan Conway, Char Sligar. Unlocking Knowledge Assets[R].Microsoft Press, 2002.

[11] Scott Spangler, Jeffrey Kreulen. Interactive methods for taxonomy editing and validation[C]. The Proceedings of CIKM’02, URL: http://www.almaden.ibm.com/software/km/eClassifier/cikm2002.pdf, 2002.

[12] Sacco G. Dynamic taxonomies: a model for large information base[J]. IEEE Transaction On Knowledge & Data Engineering, 2000(12):68-479.