论文部分内容阅读
邮箱用户身份信息挖掘是数据挖掘研究的一个热点。当前相关研究大多仅从邮件头中抽取邮箱用户的别名，遗漏了邮件正文中潜藏的更能代表通信双方身份的别名信息。针对纯文本邮件正文中邮箱用户别名信息抽取问题，提出了基于统计和规则过滤的称呼块和签名决定位算法，该算法能高效准确地从邮件正文中提取出蕴涵邮箱用户别名的称呼块和签名块文本片段；进一步提出了基于别名边界词汇模板修正的别名抽取方法，从而提高了仅基于命名实体识别或词性标注工具识别别名的准确率。实验结果表明，提出的方法可以有效地抽取出邮件正文中邮箱用户的别名。