Learning techniques for automatic email message tagging

A organização automática de mensagens de correio electrónico é um desafio actual na área da aprendizagem automática. O número excessivo de mensagens afecta cada vez mais utilizadores, especialmente os que usam o correio electrónico como ferramenta de comunicação e trabalho. Esta tese aborda o problema da organização automática de mensagens de correio electrónico propondo uma solução que tem como objectivo a etiquetagem automática de mensagens. A etiquetagem automática é feita com recurso às pastas de correio electrónico anteriormente criadas pelos utilizadores, tratando-as como etiquetas, e à sugestão de múltiplas etiquetas para cada mensagem (top-N). São estudadas várias técnicas de aprendizagem e os vários campos que compõe uma mensagem de correio electrónico são analisados de forma a determinar a sua adequação como elementos de classificação. O foco deste trabalho recai sobre os campos textuais (o assunto e o corpo das mensagens), estudando-se diferentes formas de representação, selecção de características e algoritmos de classificação. É ainda efectuada a avaliação dos campos de participantes através de algoritmos de classificação que os representam usando o modelo vectorial ou como um grafo. Os vários campos são combinados para classificação utilizando a técnica de combinação de classificadores Votação por Maioria. Os testes são efectuados com um subconjunto de mensagens de correio electrónico da Enron e um conjunto de dados privados disponibilizados pelo Institute for Systems and Technologies of Information, Control and Communication (INSTICC). Estes conjuntos são analisados de forma a perceber as características dos dados. A avaliação do sistema é realizada através da percentagem de acerto dos classificadores. Os resultados obtidos apresentam melhorias significativas em comparação com os trabalhos relacionados.

Automatic email organization

Introdução Actualmente, as mensagens electrónicas são consideradas um importante meio de comunicação. As mensagens electrónicas – vulgarmente conhecidas como emails – são utilizadas fácil e frequentemente para enviar e receber o mais variado tipo de informação. O seu uso tem diversos fins gerando diariamente um grande número de mensagens e, consequentemente um enorme volume de informação. Este grande volume de informação requer uma constante manipulação das mensagens de forma a manter o conjunto organizado. Tipicamente esta manipulação consiste em organizar as mensagens numa taxonomia. A taxonomia adoptada reflecte os interesses e as preferências particulares do utilizador. Motivação A organização manual de emails é uma actividade morosa e que consome tempo. A optimização deste processo através da implementação de um método automático, tende a melhorar a satisfação do utilizador. Cada vez mais existe a necessidade de encontrar novas soluções para a manipulação de conteúdo digital poupando esforços e custos ao utilizador; esta necessidade, concretamente no âmbito da manipulação de emails, motivou a realização deste trabalho. Hipótese O objectivo principal deste projecto consiste em permitir a organização ad-hoc de emails com um esforço reduzido por parte do utilizador. A metodologia proposta visa organizar os emails num conjunto de categorias, disjuntas, que reflectem as preferências do utilizador. A principal finalidade deste processo é produzir uma organização onde as mensagens sejam classificadas em classes apropriadas requerendo o mínimo número esforço possível por parte do utilizador. Para alcançar os objectivos estipulados, este projecto recorre a técnicas de mineração de texto, em especial categorização automática de texto, e aprendizagem activa. Para reduzir a necessidade de inquirir o utilizador – para etiquetar exemplos de acordo com as categorias desejadas – foi utilizado o algoritmo d-confidence. Processo de organização automática de emails O processo de organizar automaticamente emails é desenvolvido em três fases distintas: indexação, classificação e avaliação. Na primeira fase, fase de indexação, os emails passam por um processo transformativo de limpeza que visa essencialmente gerar uma representação dos emails adequada ao processamento automático. A segunda fase é a fase de classificação. Esta fase recorre ao conjunto de dados resultantes da fase anterior para produzir um modelo de classificação, aplicando-o posteriormente a novos emails. Partindo de uma matriz onde são representados emails, termos e os seus respectivos pesos, e um conjunto de exemplos classificados manualmente, um classificador é gerado a partir de um processo de aprendizagem. O classificador obtido é então aplicado ao conjunto de emails e a classificação de todos os emails é alcançada. O processo de classificação é feito com base num classificador de máquinas de vectores de suporte recorrendo ao algoritmo de aprendizagem activa d-confidence. O algoritmo d-confidence tem como objectivo propor ao utilizador os exemplos mais significativos para etiquetagem. Ao identificar os emails com informação mais relevante para o processo de aprendizagem, diminui-se o número de iterações e consequentemente o esforço exigido por parte dos utilizadores. A terceira e última fase é a fase de avaliação. Nesta fase a performance do processo de classificação e a eficiência do algoritmo d-confidence são avaliadas. O método de avaliação adoptado é o método de validação cruzada denominado 10-fold cross validation. Conclusões O processo de organização automática de emails foi desenvolvido com sucesso, a performance do classificador gerado e do algoritmo d-confidence foi relativamente boa. Em média as categorias apresentam taxas de erro relativamente baixas, a não ser as classes mais genéricas. O esforço exigido pelo utilizador foi reduzido, já que com a utilização do algoritmo d-confidence obteve-se uma taxa de erro próxima do valor final, mesmo com um número de casos etiquetados abaixo daquele que é requerido por um método supervisionado. É importante salientar, que além do processo automático de organização de emails, este projecto foi uma excelente oportunidade para adquirir conhecimento consistente sobre mineração de texto e sobre os processos de classificação automática e recuperação de informação. O estudo de áreas tão interessantes despertou novos interesses que consistem em verdadeiros desafios futuros.

Digitalização das promoções de vendas e email marketing

Dissertação de Mestrado apresentado ao Instituto de Contabilidade e Administração do Porto para a obtenção do grau de Mestre em Marketing Digital, sob orientação de Professor Doutor António Correia de Barros

Evaluation of email alerts in practice: Part 2. Validation of the information assessment method.

RATIONALE AND OBJECTIVE:. The information assessment method (IAM) permits health professionals to systematically document the relevance, cognitive impact, use and health outcomes of information objects delivered by or retrieved from electronic knowledge resources. The companion review paper (Part 1) critically examined the literature, and proposed a 'Push-Pull-Acquisition-Cognition-Application' evaluation framework, which is operationalized by IAM. The purpose of the present paper (Part 2) is to examine the content validity of the IAM cognitive checklist when linked to email alerts. METHODS: A qualitative component of a mixed methods study was conducted with 46 doctors reading and rating research-based synopses sent on email. The unit of analysis was a doctor's explanation of a rating of one item regarding one synopsis. Interviews with participants provided 253 units that were analysed to assess concordance with item definitions. RESULTS AND CONCLUSION: The content relevance of seven items was supported. For three items, revisions were needed. Interviews suggested one new item. This study has yielded a 2008 version of IAM.

Email system upgrade : project report

Final degree project report. It summarizes the email upgrade project that was held at CELLS by Sergio Vicente.

Email marketing in business-to-business relationship

The objective of this study is to find out how email marketing is conducted towards existing customers in Company X. The first chapter of the study focuses on theoretical literature on direct marketing, especially on solicited and unsolicited email marketing, and on relationship marketing. The following relationship marketing areas: database marketing, customer retention, trust and commitment, loyalty, engagement and satisfaction are described and the possibilities to use email marketing within these entities of relationship marketing. The empirical second part of the study revealed that email marketing tactics to be used on relationship marketing in Company X are little used and there is potential for significant improvements in relationship marketing especially with marketing automation tools.

Capacity of an I-beam made of S960 QC based on Eurocode 3

The capacity of beams is a very important factor in the study of durability of structures and structural members. The capacity of a high-strength steel I-beam made of S960 QC was investigated in this study. The investigation included assessment of the service limits and ultimate limits of the steel beam. The thesis was done according to European standards for steel structures, Eurocode 3. An analytical method was used to determine the throat thickness, deformation, elastic and plastic moment capacities as well as the fatigue life of the beam. The results of the analytical method were compared with those obtained by Finite Element Analysis (FEA). Elastic moment capacity obtained by the analytical method was 172 kNm. FEA and the analytical method predicted the maximum lateral-torsional buckling (LTB) capacity in the range of 90-93 kNm and the probability of failure as a result of LTB is estimated to be 50%. The lateral buckling capacity meant that the I-beam can carry a safe load of 300 kN instead of the initial load of 600 kN. The beam is liable to fail shortly after exceeding the elastic moment capacity. Based on results in of the different approaches, it was noted that FEA predicted higher deformation values on the load-deformation curve than the analytical results. However, both FEA and the analytical methods predicted identical results for nominal stress range and moment capacities. Fatigue life was estimated to be in the range of 53000-64000 cycles for bending stress range using crack propagation equation and strength-life approach. As Eurocode 3 is limited to steel grades up to S690, results for S960 must be verified with experimental data and appropriate design rules.

FE-analyysin soveltaminen S960 QC teräksisen I-profiilin äärikestävyyden määrittämisessä

Tässä työssä tutkittiin FE-analyysin soveltamista S960 QC teräksisen I-profiilin kestävyyden määrittämisessä. Työn tavoitteena oli tarkastella nykyisten suunnitteluohjeiden soveltuvuutta ultralujille teräksille ja koota ohjemateriaali I-profiilin optimoimisesta sekä FE-analyysin hyö-dyntämisestä I-profiilin staattisen ja dynaamisen kestävyyden määrittämisessä. I-profiili mitoitettiin ja optimoitiin Eurokoodi 3:ssa esitettyjen PL3 mukaisten mitoitusohjeiden avulla. Rakenteelle suoritettiin Eurokoodi 3:n ja IIW:n mukaiset lommahdus-, kiepahdus- ja vä-symiskestävyystarkastelut. Väsymistarkastelussa sovellettiin nimellisen jännityksen, rakenteelli-sen jännityksen ja tehollisen lovijännityksen menetelmiä sekä murtumismekaniikkaa. Rakenteel-lisen jännityksen menetelmässä sovellettiin lisäksi lineaarista ja parabolista pintaa pitkin ekstra-polointia, paksuuden yli linearisointia sekä Dong:in menetelmää. Lommahdus-, kiepahdus- ja väsymistarkasteluissa hyödynnettiin analyyttistä laskentaa, FE-analyysiä sekä Frank2d sovellusta. Tarkastelujen perusteella voidaan todeta, että analyyttisillä menetelmillä saadaan numeerisia me-netelmiä varmemmalla puolella olevia tuloksia. Lommahdustarkastelussa ero tulosten välillä on suurimmillaan 8 % ja kiepahdustarkastelussa suurimmillaan 20 % mutta väsymistarkastelussa saadut tulokset eroavat keskenään huomattavasti. Väsymistarkastelussa tehollisen lovijännityksen menetelmällä sekä rakenteellisen jännityksen menetelmän Dong:in menetelmällä saadaan huo-mattavasti muita menetelmiä pidempiä kestoikiä, kun taas yksinkertaisemmilla menetelmillä saa-dut kestoiät ovat lyhyempiä. Rakenteen kestävyyden määrittäminen analyyttisillä menetelmillä on melko helppoa, mutta tu-lokset ovat monesti liian konservatiivisia. FE-analyysillä saadaan puolestaan hyvin tarkkoja tu-loksia mallin ollessa yksityiskohtainen. Mallintaminen on kuitenkin aikaa ja resursseja vievää ja vaatii käyttökokemusta. FE-analyysin mahdolliset hyödyt on aina arvioitava tapauskohtaisesti tarkasteltavan geometrian, kuormitusten ja reunaehtojen perusteella.

S960 QC teräksisen I-palkin äärikestävyyden määrittäminen

Tämän työn tavoitteena oli selvittää eurooppalaisen teräsrakenteiden suunniteltustandardin, Eurokoodi 3:n, soveltuvuus ultralujille teräksille. Tällä hetkellä kyseinen standardi pitää sisällään teräslajit vain S700-teräslajiin asti. Tässä kandidaatintyössä selvitettiin S960 QC –teräksisen I-palkin äärikestävyys ja tarkasteltiin nykyisten suunnitteluohjeiden paikkansapitävyyttä.