Elektronkirjade klassifitseerimine

Abstract

Tänapäeval on elektronpost üks enimkasutatud rakendusi, mis arvuti jaoks on läbi aegade leiutatud. Kuna saadetavate ekirjade hulk kasvab kiiresti oleme me aina enam seismas silmitsi probleemiga, kus infot tuleb liiga palju ja selle hulgast vajaliku leidmine muutub üha raskemaks. Antud töö eesmärk on anda ülevaade erinevatest klassifitseerimismeetoditest ja võimalustest antud probleemi lahendada läbi ekirjade klassifitseerimise. Antud töö annab ülevaate erinevatest klassifitseerimismeetoditest, võtmesõnade ja võtmefraaside leidmisest ning sellest, kuidas tekstist leitud informatsiooni erinevatesse klassidesse jagada. Samuti tutvustab lühidalt elektronkirja formaati, annab ülevaate, milliseid programme kasutatakse enim elektronkirjade lugemiseks ning toob välja statistika saadetud elektronkirjade hulga kohta aastas. Samuti tutvustab põgusalt suurest ekirjade hulgast põhjustatud infokülluse probleemi. Töö lõpus viiakse läbi ka reaalne katse kasutades meililugemisprogramme – Microsoft Outlook ja Mozilla Thunderbird – ja neisse sisseehitatud kirjade klassifitseerimise funktsionaalsust. Katse tulemusena võib öelda, et mõlema meiliprogrammi vastav funktsionaalsus töötab hästi ja on kasutajale igapäevaselt suureks abiks, et hoida saabuvad kirjad kontrolli all ja klassifitseerida neid vastavalt kasutaja soovile, et seeläbi lihtsustada vajaliku info leidmist.

Today email is one of the most widely used communication methods. It has been used for decades by now and is used daily by organizations as well as by individuals to forward and receive all kind of information. Considering this the amount of email messages sent and received has grown significantly and more than before we are seriously facing a message overload problem. To make managing and finding messages easier it is reasonable to classify messages based on user needs. The specific way for classifying emails can be developed by every person just the way it is reasonable for the specific user. An electronic message or in short email consists of two parts: the message body (email content) and the message header. By using information from there I will try to classify email messages to make it easier to find and manage both incoming and existing emails. This thesis aims to give an overview of what classification is and introduce some common classification methods. Another aim is to briefly introduce email format and message overload problem and to take a look at the number of emails sent yearly. Last aim is to study different built-in features for widely used email programs to see if these features are useful for classifying emails to make finding information faster and easier. This thesis is divided into 3 chapters. The first chapter gives an overview of email message format, the message overload problem, widely used email clients, and the amount of emails sent. In chapter two some classification methods, information extraction, categorization and classification are introduced. In chapter three some real life experiments are conducted to show how to use email clients to classify email messages.