email - 如何将邮件主题行聚集到邮件线程？

Question

如果我只有邮件的主题行（没有其他标题），是否有一个好的算法（或包）将它们聚集成一组“相关消息”？

带有主题的邮件

可能与

到目前为止还不错，但也有

我想将它们全部聚集到一个线程中。plans当然，主题为,等的邮件Re: Our meeting不应出现在该线程中。我可以很好地实现分层结果——实际上，我有点喜欢那样，因为我希望具有相似内容的邮件有可能彼此“更接近”。

所以，我有很多想法：后缀匹配、前缀树、Levensthein 距离、Q-Gram 配置文件——可能太多了。因此我问自己：“有人已经这样做了吗？”

score 2 · Accepted Answer

对于序列比较，我使用 Open Refine（以前称为 Google Refine）来尝试聚类算法来微调和识别要使用的算法。它包括密钥冲突（指纹、ngram 和双变音素）和最近邻（levenshtein 距离和通过部分匹配（PPM）预测）。

导入数据后，只需使用构面进行聚类。

构面 > 文本构面 > 簇

1 回答 1