Uma Abordagem Baseada em Gráficos para Classificação de E-mails em Múltiplas Pastas

Este artigo apresenta uma nova estrutura para a classificação de e-mails em múltiplas pastas utilizando mineração de grafos como técnica subjacente. Embora existam várias técnicas (por exemplo, SVM, TF-IDF, n-gram) para abordar esse problema em um contexto delimitado, elas dependem fortemente da extração de palavras-chave de alta frequência, ignorando assim os aspectos estruturais inerentes a um e-mail (ou documento em geral) que podem desempenhar um papel crítico na classificação. Alguns dos modelos (por exemplo, n-gram) consideram apenas as palavras sem levar em consideração onde na estrutura essas palavras aparecem juntas. Este artigo apresenta um modelo de aprendizado supervisionado que utiliza técnicas de mineração de grafos para classificação de e-mails em múltiplas pastas. Uma fórmula de classificação é apresentada para ordenar as subestruturas representativas - comuns e recorrentes - geradas a partir de e-mails pré-classificados. Essas subestruturas representativas classificadas são então utilizadas para categorizar e-mails recebidos. Esta abordagem é baseada em um modelo de classificação global que incorpora vários parâmetros relevantes para a classificação de e-mails e supera inúmeros problemas enfrentados por abordagens existentes usadas para a classificação em múltiplas pastas. Vários parâmetros que influenciam a geração de subestruturas representativas são analisados, reexaminados e adaptados para múltiplas pastas. O efeito das representações gráficas foi analisado. A eficácia da abordagem proposta foi validada experimentalmente.