将商务电子邮件与个人邮件分开

Question

我正在处理一个分类问题，在这个问题上，我想把商业邮件和个人电子邮件分开来分析他们的行为。我正在考虑使用regex，但在查看电子邮件后，我意识到电子邮件地址差异很大。虽然我可以手动识别一些带有明显商业名称的电子邮件，比如xxx@carsales.com.au，但很难系统地过滤这些电子邮件。有什么有用的技巧吗？Thx

Answer 1

谢谢你澄清你的问题。

所以，根据我所得到的，你想从电子邮件(即文本)中预测用户的统计数据。如果您知道同一组电子邮件的一些人口统计数据，您可以通过以下方式执行一项监督任务：

• 使用递归神经网络(RNN)或LSTM (https://towardsdatascience.com/understanding-rnn-and-lstm-f7cdf6dfc14e)，您可以通过将每个电子邮件作为令牌序列输入网络来对电子邮件进行编码。由此我们得到了一个“隐藏的表象”。从这个“隐藏表示”中，我们用一个标准的神经网络对其进行解码，然后输出人口学数据(不管是年龄、社会经济状况等等)。

如果您不知道人口统计学，那么您可以通过聚集聚类来构建客户配置文件：

在这里，您可以使用Doc2Vec (https://medium.com/wisio/a-gentle-introduction-to-doc2vec-db3e8c0cce5e)之类的方法将电子邮件编码成语义空间中的向量，然后在这些向量上使用聚集聚类(https://www.datanovia.com/en/lessons/agglomerative-hierarchical-clustering/)来查找用户集群。

以上是一种无监督的方法，您还可以在查看了生成的树状图之后，决定您认为需要多少客户配置文件。