- 综合排序
- 最热优先
- 最新优先
- 来自专栏深蓝居
使用Outlook对邮件进行分类
我加入了公司的一个技术讨论组，结果每天差不多就有100来封邮件，相比以前我每天也就是几封而已。邮件太多了就有点看不过来，接下来遇到的问题就是我们部门的邮件些容易被淹没在讨论组100多封的邮件中。 所以我希望能够系统自动将邮件分组，所有收件人地址为讨论组的邮件自动转移到另外一个文件夹中。 我相信Outlook应该有这个功能，但是一直不知道怎么设，我也问过几个同事，他们都不知道。 直到前天在办公室看到梁振的邮件分成了很多个文件夹，我就知道他肯定知道怎么设置。果然，梁振就是强，对微软的产品十分熟悉，两三下帮我搞定了。 运行后邮件完全通过规则分开了，部门的邮件就不会被大量的讨论组的邮件给淹没了。如图：
3.1K10编辑于 2022-06-16 - 来自专栏iSharkFly
Confluence 6 邮件队列 原
需要发送的电子邮件将会在邮件队列中进行等待，Confluence 的邮件队列每分钟刷新一次。Confluence 的管理员也可以手动的刷新邮件队列中等待发送的消息。 如何查看邮件队列： 在屏幕的右上角单击 控制台按钮 ? ，然后选择 General Configuration 链接。 在左侧的面部中选择 邮件队列（Mail Queue）。 这个将会显示当前队列中的电子邮件消息。 选择 刷新邮件队列（Flush Mail Queue）能够将队列中的邮件马上发送。 选择 错误的队列（Error Queue）来查看发送失败的消息。 https://www.cwiki.us/display/CONF6ZH/The+Mail+Queue
57030发布于 2019-01-30 - 来自专栏图像处理与模式识别研究所
基于支持向量机的电子邮件垃圾邮件分类。
ex6.m %% Machine Learning Online Class % Exercise 6 | Support Vector Machines % % Instructions % \n') % Load from ex6data1: % You will have X, y in your environment load('ex6data1.mat'); % Plot training \n') % Load from ex6data2: % You will have X, y in your environment load('ex6data2.mat'); % Plot training \n'); % Load from ex6data2: % You will have X, y in your environment load('ex6data2.mat'); % SVM Parameters \n') % Load from ex6data3: % You will have X, y in your environment load('ex6data3.mat'); % Plot training
79230编辑于 2022-05-28 - 来自专栏HHTjim'S 部落格
利用 LLM 自动分类Gmail邮件汇总
利用 LLM 自动分类Gmail邮件汇总 作者：matrix 被围观: 14 次 发布时间：2025-04-30 分类：零零星星 | 无评论 » 我邮箱订阅了很多博客或者 dev 相关的通知， 但又不想退订 咋整 有邮件汇总服务就完美了，能自动分类和汇总, 标记已读和label。 = "[script.google]AI汇总" //汇总的分类名 const MAX_EMAILS_PER_BATCH = 5; // 每次最多汇总邮件数 5 const MAX_EMAILS_BATCH 标记邮件为特定分类（标签） limitedThreads.forEach(thread => { // 获取或创建标签 const labelName = LABEL_NAME ，也就是 Gmail 输入框的文本 LABEL_NAME 标记已读后需要移动到的分类名 测试运行 第一次运行会有 Google 应用的授权提示，允许即可。
77000编辑于 2025-05-01 - 来自专栏Michael阿明学习之路
SpamHam Email Classification 垃圾邮件分类（BERT）
训练 6. 提交测试结果 练习地址：https://www.kaggle.com/c/ds100fa19 相关博文： [Kaggle] Spam/Ham Email Classification 垃圾邮件分类（ spacy） [Kaggle] Spam/Ham Email Classification 垃圾邮件分类（RNN/GRU/LSTM） 本文使用 huggingface 上的预训练模型，在预训练模型的基础上 ，使用垃圾邮件数据集，进行训练 finetune，在kaggle提交测试结果 本文代码参考了《自然语言处理动手学Bert文本分类》 1. device) # 模型 model = myModel().to(device) # 训练、评估、测试 train(model, train_iter, valid_iter, test_iter) 6.
2.1K20发布于 2021-02-19 - 来自专栏Michael阿明学习之路
SpamHam Email Classification 垃圾邮件分类（RNNGRULSTM）
测试 练习地址：https://www.kaggle.com/c/ds100fa19 相关博文 [Kaggle] Spam/Ham Email Classification 垃圾邮件分类（spacy ） [Kaggle] Spam/Ham Email Classification 垃圾邮件分类（BERT） 1. np.array(train.isnull()==True), axis=0)) print(np.sum(np.array(test.isnull()==True), axis=0)) 存在 Na 单元格 [0 6 ， 1 是垃圾邮件 print(train['spam'].unique()) [0 1] 2. 文本处理 邮件内容和主题合并为一个特征 X_train = train['subject'] + ' ' + train['email'] y_train = train['spam'] X_test
99920发布于 2021-02-19 - 来自专栏foochane
词嵌入+神经网络进行邮件分类
1 问题描述 问题：邮件分类问题（Email classification） 任务：将邮件分为两类(spam or ham) 数据集：https://www.kaggle.com/uciml/sms-spam-collection-dataset 0.92 150 avg / total 0.98 0.98 0.98 1115 文章来源: foochane Blog：词嵌入+神经网络进行邮件分类
68920发布于 2019-05-23 - 来自专栏Michael阿明学习之路
SpamHam Email Classification 垃圾邮件分类（spacy）
预测 练习地址：https://www.kaggle.com/c/ds100fa19 相关博文： [Kaggle] Spam/Ham Email Classification 垃圾邮件分类（RNN/ GRU/LSTM） [Kaggle] Spam/Ham Email Classification 垃圾邮件分类（BERT） 1. 特征组合 对邮件的主题和内容进行组合 + 处理标签 train['all'] = train['subject']+train['email'] train['label'] = [{"spam": bool config= # { # "exclusive_classes": True, # 排他的，二分类
1.4K10发布于 2021-02-19 - 来自专栏人工智能头条
机器学习做中文邮件内容分类，准确识别垃圾邮件，真香！
但是不管是企业内部工作邮箱，还是个人邮箱，总是收到各种各样的垃圾邮件，包括商家的广告、打折促销信息、澳门博彩邮件、理财推广信息等等，不管如何进行垃圾邮件分类，总有漏网之鱼。 因此打算针对同一数据集，逐步尝试各种方法，来进行垃圾邮件的识别分类——希望假以时日，这种定制化的垃圾邮件识别工具能大幅提升用户的邮箱使用体验。 因此我们依次对上述要素进行分析： 垃圾邮件内容分类（通过提取垃圾邮件内容进行判断） 中文垃圾邮件分类 英文垃圾邮件分类 垃圾邮件标题分类 垃圾邮件发送方分类 最终，我们可以根据这三个维度进行综合评判，从而实现垃圾邮件的准确分类 本文将根据邮件内容进行垃圾邮件分类。 中文邮件内容分类实现步骤 1、数据集介绍首先我们选择TREC 2006 Spam Track Public Corpora这一个公开的垃圾邮件语料库。 文件目录形式：delay和full分别是一种垃圾邮件过滤器的过滤机制，full目录下，是理想的邮件分类结果，我们可以视为研究的标签。
2.1K20编辑于 2022-03-03 - 来自专栏iSharkFly
为 Confluence 6 配置发送邮件消息
如何配置 Confluence 向外发送邮件： 进入 ? > 基本配置（General Configuration） > 邮件服务器（Mail Servers）。 发送地址（From Address）：输入需要在 from 字段中显示的电子邮件地址，这个地址标识了这个邮件服务器发送的原始地址。 这个字段是必填的。 这个字段必须填写为普通的电子邮件地址，你不能在这个字段送使用变量。 发送名（From Name）：输入需要在 from 字段中显示的名字，这个名字标识了电子邮件发送人的名字。 ${fullname} 用户的全名 ${email} 用户的电子邮件地址 ${email.hostname} 对应用户电子邮件地址的域名/主机名（domain/host） 主题前缀（Subject Prefix https://www.cwiki.us/display/CONF6ZH/Configuring+a+Server+for+Outgoing+Mail
1.9K40发布于 2019-01-30 - 来自专栏全栈程序员必看
Jenkins（6）测试报告邮件发送
，安装Email Extension Plugin插件 测试你的邮箱 jenkins首页-系统管理-系统配置页面，先配置系统管路员邮箱地址，也就是发件人的地址 测试邮箱的配置是否能发送邮件 Extended E-mail Notification配置 上一步是jenkins系统自带的邮件功能，功能比较少，接着使用Email Extension Plugin插件，前面配置跟上面一步差不多 Default Content Type 邮件的类型使用HTML 格式 Default Recipients 是默认的收件人 接着配置邮件的模板内容，也就是这个Email邮件的高级内容 Default Subject 邮件的主题，一般不用改 Default Content 邮件的正文内容，html格式，内容如下 <! job，配置里面添加构建后的操作 接着添加触发机制：always是不管构建成功还是失败都会发邮件 触发器里面可以配置当前job指定的收件人，也可以勾选添加日志到邮箱 查收邮件
61220编辑于 2022-09-19 - 来自专栏机器学习AI算法工程
python实现朴素贝叶斯模型:文本分类+垃圾邮件分类
三 实战1 -文本分类（应用过滤恶意留言等） 下面是二分类问题，文档只能属于0和1两个类别， 1 载入数据集：6条文本及它们各自的类别，这6条文本作为训练集。 ? 6 测试函数： 加载数据集+提炼词表； 训练模型：根据六条训练集计算先验概率和条件概率； 测试模型：对训练两条测试文本进行分类。 ? 改进方法：采用词袋模型，见下面垃圾邮件分类实战。 四 实战2-垃圾邮件分类 1 对邮件的文本划分成词汇，长度小于2的默认为不是词汇，过滤掉即可。返回一串小写的拆分后的邮件信息。 3 输入为25封正常邮件和25封垃圾邮件。50封邮件中随机选取10封作为测试样本，剩余40封作为训练样本。 训练模型：40封训练样本，训练出先验概率和条件概率； 测试模型：遍历10个测试样本，计算垃圾邮件分类的正确率。 ?
2.8K71发布于 2018-03-14 - 来自专栏拓端tecdat
weka文本挖掘分析垃圾邮件分类模型
WEKA文本分词预处理 首先对于训练集文件夹中的两类邮件文档进行分析，可从不同角度自动化分析两类文件特征，编写算法，构建分类模型。 首先设置工作目录，并且读取分类后的文本文件 可以看到垃圾邮件和非垃圾邮件的频数直方图 ? ? 然后对得到的原始语料进行分词处理 得到词频矩阵文件 ? 得到各个词频的分类直方图 ? 得到词频矩阵后 对数据进行分类器的建模 2. 找出区分positive和negative的分类规则（即哪些词在一起出现的时候会导致分类器判断的结果为positive，哪些词在一起出现的时候会导致分类器判断的结果为negative） 从结果可以看出cell WEKA文本分词结果比较 下面得到每个分类器的准确度和混淆矩阵： NaiveBayes 结语 基于判别方法的垃圾邮件过滤在现代研究中引起比较少的关注 ，结果很清楚地表明,基于随机森林、SVM模型的分类方法相对于传统的方法
1K21发布于 2020-09-23 - 来自专栏简书专栏
基于jieba、TfidfVectorizer、LogisticRegression的垃圾邮件分类
到2018年9月27日仍为最新版本的anaconda下载链接: https://pan.baidu.com/s/1pbzVbr1ZJ-iQqJzy1wKs0A 密码: g6ex 官网下载地址：https 0.打开jupyter 在桌面新建文件夹命名为基于TfidfVectorizer的垃圾分类，如下图所示: ? image.png 打开基于TfidfVectorizer的垃圾邮件分类文件夹，在按住Shift键的情况下，点击鼠标右键，出现如下图所示。 64000多篇邮件分词去除停顿词共花费350秒左右，即6分钟左右。 4.3 保存分词结果 第1行代码导入pickle库 第3行代码open方法中的'wb'表示文件以二进制形式写入。 最后在全部样本的f1-score指标为0.98，总体来说这个分类模型较优秀，能够投入实际应用。
1.6K20发布于 2018-10-09 - 来自专栏iSharkFly
Confluence 6 测试电子邮件设置 原
一个 Confluence 的管理员可以通过下面的步骤测试电子邮件服务器的配置： 按照上面的步骤中描述得方法设置一个电子邮件服务器。 单击 发送测试邮件（Send Test Email）来检查你设置的电子邮件服务器有没有正常工作。检查是否在你的收件箱中收到了发送的测试邮件。 你可以刷新电子邮件队列来让电子邮件马上发送出去。 进入 邮件队列（Mail Queue），然后单击刷新邮件队列（Flush Mail Queue），请查看 The Mail Queue 来获得更多的信息。 检查你的电子邮件收件箱。你可能还需要等待一段时间才能看到你的邮件显示到你的收件箱中。 https://www.cwiki.us/display/CONF6ZH/Configuring+a+Server+for+Outgoing+Mail
1K20发布于 2019-01-30 - 来自专栏iSharkFly
Confluence 6 使用电子邮件可见 原
Confluence 提供了 3 个电子邮件策略，这些策略 Confluence 管理员可以通过管理员控制台（Administration Console）进行配置： 公开（Public）：电子邮件地址公开显示在网站中 保护（Masked）： 电子邮件地址还是在网站中显示的，但是电子邮件地址被掩盖了，这样有助于电子邮件地址不被垃圾邮件收集器收集后发送垃圾邮件。 请注意，如果你选择了这个选项，电子邮件地址将不会在用户查找组中可见（例如，当设置 Page Restrictions 的时候）。 如何配置用户电子邮件可见： 在屏幕的右上角单击 控制台按钮 ? 从 用户电子邮件可见（User email visibility）下拉菜单中选择上面提到的 3 种电子策略。 选择 保存（Save）。 屏幕截图：电子邮件可见 ? https://www.cwiki.us/display/CONF6ZH/User+Email+Visibility
87930发布于 2019-01-30 - 来自专栏用户7873631的专栏
tp6发送邮件（qq邮箱）
下载邮件插件： composer require phpmailer/phpmailer <? { $toemail = '****@qq.com';//发送给谁 $mail = new PHPMailer(); $mail->isSMTP(); //使用smtp鉴权方式发送邮件 ; //添加该邮件的主题 $mail->Body = '邮件内容'; //该邮件内容 //如果发送失败 if (! $mail->send()) { return json(['code' => 400 , 'msg'=>'邮件发送失败']); } else { return json(['code ' => 200 , 'msg'=>'邮件发送成功']); } } }
81110编辑于 2022-05-25 - 来自专栏邮件营销
6大技巧帮你吸引电子邮件客户
查看这8个电子邮件主题编写公式以获得成功。 3.设计精美的电子邮件 如果电子邮件难以使用，读者可能会停止使用它。拥有清晰，清晰和富有创意的电子邮件设计对于客户参与至关重要。 使用细分列表可以让您在不同的受众特征中创建个性化且有针对性的电子邮件广告系列 通过使用准确的数据，您可以发送个性化的电子邮件和行为触发的电子邮件，以此来改善您的电子邮件个性化。 5.细分电子邮件列表 具有个性化主题的电子邮件可使分段和目标广告系列的电子邮件收入增加760％。通过细分目标列表，您可以个性化电子邮件并以强大的方式与受众群体建立联系。 您还可以根据买方的旅程或最近的电子邮件活动对列表进行细分。例如，您可以向每个新客户发送欢迎电子邮件，并向专门的客户发送VIP电子邮件内容。 6.借助电子邮件营销自动化工具 为了创建分段列表，发送有针对性的电子邮件活动并衡量其有效性，您需要有一个可靠的电子邮件营销自动化工具。营销自动化允许您通过客户旅程培养潜在客户并将其转化为客户。
1.7K00发布于 2019-02-19 - 来自专栏简书专栏
基于tensorflow+CNN的垃圾邮件文本分类
文本分类是NLP（自然语言处理）的经典任务。 提取码: uytb 压缩文件CNN垃圾邮件分类中有3个文件，如下图所示： ? 方法加载； 3.mailLabel_list.pickle文件是本文作者处理好的邮件标签文件，可以用pickle.load方法加载。 数据集中共有2种分类：垃圾邮件用spam表示，正常邮件用ham表示。 垃圾邮件样本40000多条，正常邮件样本20000多条，样本总共60000多条。 image.png 7.总结 1.本文是作者第6个NLP小型项目，数据共有60000多条。 2.分类模型的评估指标F1score为0.994左右，总体来说这个分类模型很优秀，能够投入实际应用。
2.1K30发布于 2018-10-18 2026实战指南：怎么配置 OpenClaw 自动分类过滤垃圾邮件，并把重要邮件转成日历日程？
每天早上打开邮箱，几十封未读邮件扑面而来——客户询价、会议邀请、系统通知混在一起。光是分类就得花半小时，转头发现日历里三个会议时间冲突，又得挨个发邮件重新协调。 本文将手把手教你如何部署 OpenClaw，实现自动清洗垃圾邮件并将重要邮件转为日历日程。 基础设施选型：为什么不用 AWS 而选轻量应用服务器？ 我只是想部署个邮件管理工具，不是搭建生产级分布式系统。 核心配置建议如下： 实例规格：2核4G（足以应对日均 1000+ 封邮件处理） 系统盘：80GB SSD 带宽：6Mbps（拉取 Docker 镜像速度快） 价格：¥62/月起（套餐制，无额外流量账单焦虑 进阶配置：实现自动分类与日历转换 部署成功后，访问 http://<服务器公网IP>:8080 完成首次授权。接下来是 OpenClaw 的核心——规则配置。
1.4K10编辑于 2026-03-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号