在计算系统中显现选择电子消息技术方案

在本文中公开了在计算系统中选择性地显现电子邮件消息的技术。在一个实施例中，一种方法包括基于传入的电子邮件的属性的一个或多个值以及所述特征对重要性值的对应贡献值来计算与传入的电子邮件相对应的重要性值。然后，所述方法能够包括在计算出的传入的电子邮件的重要性值和预设的重要性阈值之间进行比较，并且基于所执行的比较，在电子邮件收件箱的第一部分中选择性地向用户显现传入的电子邮件，而不管传入的电子邮件相对于收件箱中的其他电子邮件的接收日期/时间。其他电子邮件的接收日期/时间。其他电子邮件的接收日期/时间。

【技术实现步骤摘要】
【国外来华专利技术】在计算系统中显现选择电子消息

技术介绍

[0001]电子邮件(“email”或“e
‑
mail”)是一种使用计算机、智能电话或其他合适类型的电子设备在用户之间交换消息的技术。电子邮件交换跨计算机网络(诸如互联网或内联网)来操作。当今的电子邮件系统通常基于利用电子邮件服务器来接收、转发和存储电子邮件消息的存储转发模型。用户或其计算机能够经由计算机网络连接到电子邮件服务器或网络邮件(webmail)接口，以发送或接收电子邮件。

技术实现思路

[0002]提供本
技术实现思路
以简化形式介绍一些概念，这些概念将在下文的详细描述中进一步描述。本
技术实现思路
既不旨在标识所要求保护的主题的关键特征或必要特征，也并不旨在用于限制所要求保护的主题的范围。
[0003]为了发送和接收电子邮件消息，客户端设备能够在网络浏览器中执行独立的客户端应用(例如，Outlook)，网络邮件客户端(例如，)或其他合适类型的电子邮件客户端以从电子邮件服务器发送/取回电子邮件。然后，电子邮件客户端能够经由用户界面将取回的电子邮件显现给用户。然后，用户能够经由用户界面在所显现的电子邮件上读取、标记、回复、删除或执行其他合适的动作。然后，电子邮件客户端能够执行合适的操作，诸如发送或者与电子邮件服务器同步电子邮件副本，以执行用户动作。
[0004]在某些实现方式中，能够基于接收、发送或其他时间度量的日期/时间来布置在用户界面中显现的电子邮件。例如，用户界面能够显现电子邮件，其中最新近的电子邮件在用户的收件箱中接收到的电子邮件消息列表的顶部。然而，这样的布置会显现最新近的电子邮件，这可能不是要求用户立即注意的那些电子邮件。例如，包含对用户的紧急请求的电子邮件可能会在所述列表中被下推，或者被包含信息广播的其他更新近接收到的电子邮件“稀释”。
[0005]解决前述困难的一种解决方案是过滤电子邮件，使得紧急电子邮件被显现在一个文件夹(例如，焦点文件夹)中，而其他电子邮件被显现在另一文件夹(例如，收件箱文件夹)中。然而，这样的解决方案会具有某些缺点。例如，一些紧急电子邮件可能被错误分类为信息性的并且在收件箱文件夹中显现，而一些非紧急电子邮件可能被错误分类为紧急的并且在焦点文件夹中显现。电子邮件的这样的错误分类可能导致用户跳过紧急电子邮件，并且因此对焦点文件夹特征失去信任，并且因此对电子邮件服务的用户体验产生负面影响。
[0006]所公开的技术的若干实施例能够解决前述困难，同时经由用于电子邮件服务的用户界面来提供经改善的用户体验。所公开的技术的某些方面针对自动分类器，所述自动分类器被配置为基于电子邮件的各种特征或属性的值将电子邮件分类为重要的或不重要的。示例性特征能够包括正文部分(body section)的大小、收件人数量、抄送收件人数量、电子邮件是否被回复、转发等。每个特征能够具有与电子邮件相关联的特征值。例如，第一电子邮件的正文部分的大小能够是256K，并且收件人数量为一。在另一示例中，第二电子邮件的大小为512K，并且收件人数量为二十。能够通过例如电子邮件扫描器，通过扫描电子邮件的
各个部分，或者经由其他合适的技术，来确定各种特征值。在某些实施例中，可以预先定义各种特征或属性。在其他实施例中，额外和/或不同的特征可以是用户定义的。
[0007]在任何前述实施例中，能够将个体特征与指示所述特征对电子邮件被分类为重要或不重要的贡献的对应值相关联。在某些实现方式中，能够经由机器学习来确定贡献值。例如，用户接收到的一组电子邮件能够由用户手动地注释为重要或不重要的。在其他示例中，除了用户的注释或代替用户的注释，能够基于用户与电子邮件的交互来推断接收到的电子邮件的重要性级别。这样的推断能够基于例如用户是否回复/转发电子邮件、用户读取读电子邮件的持续时间、在打开电子邮件与回复/转发电子邮件之间经过的时间、或其他合适的参数。
[0008]然后，特征开发者能够通过使用被配置为通过学习已知示例来“学习”或逐步提高任务性能的“神经网络”或“人工神经网络”，基于特征来分析用户的电子邮件集。在某些实现方式中，神经网络能够包括多层对象，通常被称为“神经元”或“人工神经元”。每个神经元能够被配置为基于经由对应连接的一个或多个输入来执行诸如非线性激活功能的功能。人工神经元和连接通常具有随着学习的进行而调整的贡献值。所述贡献值增大或减小在连接处的输入的强度。通常，人工神经元是分层组织的。不同的层可以对各自的输入执行不同种类的变换。信号通常可能在遍历一个或多个中间层之后从输入层进行到输出层。因此，通过使用神经网络，特征开发者能够提供对应特征的一组贡献值，所述特征值能够由自动分类器用于对额外的接收到的电子邮件进行分类。
[0009]在某些实施例中，自动分类器能够被配置为基于电子邮件的各种特征值以及由特征开发者提供的贡献值来确定传入的电子邮件的重要性级别或概率。例如，在一种实现方式中，所述自动分类器能够被配置为通过如下式将电子邮件的特征值和贡献值的乘积进行求和来计算电子邮件的重要性值：
[0010]Im＝∑Wi
×
Fi
[0011]其中，I
m
是重要性值，并且W
i
是与具有特征值F
i
的特征相对应的贡献值。所述重要性值能够包括指示电子邮件是重要电子邮件的概率的百分比或其他合适类型的表示。在其他实现方式中，所述自动分类器能够被配置为归一化所述重要性值、偏置所述重要性值、或者执行其他合适的动作。
[0012]然后，所述自动分类器能够将计算出的重要性值与预先定义的阈值进行比较。响应于确定计算出的重要性值超过阈值，所述自动分类器能够通过例如添加和/或修改与重要性级别有关的电子邮件的元数据来将电子邮件分类为重要的。经添加和/或修改的元数据能够指示电子邮件是重要的、以及一个或多个原因或“洞察”为什么电子邮件被视为重要的(例如，来自重要发送者、关于重要项目等)。在某些实现方式中，所述原因或洞察能够由具有大于阈值的Wi
×
Fi的值的一个或多个特征来确定。在其他实现方式中，能够将所述原因或洞察确定为对总重要性值贡献最大的一个或多个特征。在另外的实施例中，能够基于特征值和对应的贡献值以其他合适的方式来确定所述原因或洞察。在又另外的实施例中，所述自动分类器也能够被配置为接收电子邮件的用户注释，并且将所述用户注释提供给特征开发者，以重新评估贡献值。这样，能够动态地确定电子邮件的重要性级别，以使得对于第一日期/时间被视为重要的电子邮件对于第二日期/时间可能不被视为重要的。
[0013]所公开的技术的若干实施例还涉及基于电子邮件的重要性的级别在用户界面中
向用户显现未读电子邮件。在一种实现方式中，具有指示电子邮件是重要的(在本文中被称为“重要电子邮件”)元数据的未读电子邮件能够在用户界面(例如，收件箱)中的电子邮件的列表的顶部显现，而与电子邮件的接收/发送日期/时间无关。例如，基于接收/发送的日期/时间、对应的重要性值或其他合适的标准，重要电子邮件能够在其他不重要和已读电子本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于在计算系统中显现选择传入的电子邮件的方法，所述计算系统具有通过计算机网络互连到客户端设备的一个或多个电子邮件服务器，所述方法包括：在电子邮件服务器处扫描传入的电子邮件以确定所述传入的电子邮件的一个或多个特征值；基于确定出的特征值和个体特征值对所述传入的电子邮件的重要性值的对应贡献值，来计算与所述传入的电子邮件相对应的所述重要性值；确定所述传入的电子邮件的计算出的重要性值是否超过重要性阈值；以及响应于确定所述计算出的重要性值超过所述重要性阈值，修改所述传入的电子邮件的元数据，以包括重要性标志和关于为什么所述传入的电子邮件被视为重要的一个或多个原因的信息；以及经由所述计算机网络将具有经修改的元数据的所述传入的电子邮件发送至客户端设备，以在所述客户端设备上的电子邮件客户端中的收件箱的第一部分中向用户显现，而与所述传入的电子邮件的接收的日期/时间无关，所述第一部分在所述收件箱中的包含额外电子邮件的第二部分上方。2.根据权利要求1所述的方法，其中：所述个体特征值对应于所述传入的电子邮件的特征；并且所述特征个体地包括以下中的一项：所述传入的电子邮件的正文部分的大小、所述传入的电子邮件的接收者的数量、所述传入的电子邮件的抄送接收者的数量、或者所述传入的电子邮件是否被回复和/或转发。3.根据权利要求1所述的方法，其中：所述个体特征值对应于所述传入的电子邮件的特征；并且所述特征被个体地预先定义或者由所述传入的电子邮件的用户进行定义。4.根据权利要求1所述的方法，其中，计算所述重要性值包括如下式对所述电子邮件的特征值和贡献值的乘积进行求和：Im＝∑Wi
×
Fi其中，I
m
是重要性值，并且W
i
是与具有特征值F
i
的特征相对应的贡献值。5.根据权利要求1所述的方法，其中，修改所述元数据包括：将元数据插入到所述传入的电子邮件的数据中，所插入的元数据包括所述重要性标志和关于为什么所述传入的电子邮件被视为重要的一个或多个原因的所述信息。6.根据权利要求1所述的方法，其中：计算所述重要性值包括如下式对所述电子邮件的特征值和贡献值的乘积进行求和：Im＝∑Wi
×

【专利技术属性】
技术研发人员：P，
申请(专利权)人：微软技术许可有限责任公司，
类型：发明
国别省市：