从电子邮件中提取相关信息的最佳方法是什么？

Question

我的朋友经营一家小型企业，客户使用电子邮件订购服务。他每天会收到几封电子邮件，整理邮件变得很麻烦。

客户可以请求大约 10 种不同类型的任务，每个任务都有一两个词来指定它。电子邮件中的其他信息是服务的交付地点、时间和相关人员的姓名。该电子邮件还包含一个 ID，一个具有相当标准格式的长数字。

电子邮件非常非结构化，但都包含上述关键信息。我的问题是：扫描这些电子邮件并提取关键信息（例如服务类型、地点、人名、ID 等）的最佳方法是什么？

我考虑过某种预处理，然后通过 AlchemyAPI 将其传递，然后使用神经网络针对每个功能（关键信息）测试 Alchemy 输出。这可以是监督学习，因为我可以一直做一个反馈循环，因为一旦输入信息，我就可以有人来验证。

有什么想法吗？谢谢

Answer 1

我想某些部分（ID、任务、时间）可以通过正则表达式和字典匹配来捕获。看看GATE's JAPE 工具。

组装字典然后使用查找“任务”应该相当容易，您也可以重用可用的日期/时间的jape规则并为ID编写一个新规则（另外，一个简单的正则表达式可以没事）。

为了匹配地点和人名，您应该小心，如果名称和地点在定义明确的句子中使用，openCalais 和 alchemyAPI 可以为您提供良好的结果，并且可能会在某些表格或奇怪的格式中犯更多错误。此外，您永远无法确定您正确捕获了地点和人员，因此不要依赖它来直接处理订单。

如果您有更多关于邮件结构或预期名称和地点的信息（即您有一个包含所有可能名称的“客户”表），您可能希望自己进行标记，否则我会坚持使用 openCalais 或alchemyAPI + 一些正则表达式。

附：我假设所有邮件都是英文的。