Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl


2015 | 227 | 16-30

Article title

Automatyczna klasyfikacja wiadomości e-mail w skrzynkach pocztowych z zastosowaniem tabel decyzyjnych


Title variants

Automatic classification of the messages e-mail with applying decision tables

Languages of publication



W artykule zaproponowano metodę dotyczącą automatycznej klasyfikacji wiadomości mailowych w skrzynkach pocztowych. Celem pracy jest opracowanie mechanizmu tworzenia tabel decyzyjnych ze zbiorów takich wiadomości e-mail, na których możliwe jest zbudowanie klasyfikatora, którego zastosowanie pozwala na poprawienie dokładności klasyfikacji wiadomości e-mail do folderów. Zaproponowana metoda została przetestowana na zbiorze danych Enron E-mail przy zastosowaniu wybranych algorytmów. Uzyskane wyniki potwierdzają, że użycie proponowanych rozwiązań pozwala na poprawienie dokładności klasyfikacji nowych wiadomości e-mail do folderów.
In this article is proposed an approach to an automatic classification of e-mail messages in mailboxes. The aim of the study is to develop a method to building decision tables from the set of e-mail messages, for which it is possible to building a classifier, whose application allows to improve the accuracy of the classification of e-mail folders. The proposed method has been tested on a set of data Enron E-mail using selected algorithms. The obtained results confirm that this approach allows one to improve the accuracy with which new emails are assigned to particular folders.






Physical description



  • Bekkerman R., McCallum A., Huang G. (2004), Automatic Categorization of Email into Folders: Benchmark Experiments on Enron and SRI Corpora, Center for Intelligent Information Retrieval, Technical Report IR.
  • Breiman L., Friedman J.H., Olshen R.A., Stone C.J. (1984), Classification and Regression Trees, Chapman & Hall, New York.
  • Clark P., Niblett T. (1989), The CN2 Induction Algorithm, Machine Learning.
  • Cortes C., Vapnik V. (1995), Support-vector Networks, Machine Learning.
  • Holland J.H. (1975), Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control and Artificial Intelligence, MIT Press, Cambridge.
  • Kiritchenko S., Matwin S. (2002), Email Classification with Co-training, Tech. rep., University of Ottawa.
  • Lewis D.D. (1992), Representation and Learning in Information Retrieval, Ph.D. thesis, Department of Computer Science, University of Massachusetts.
  • Payne T.R., Edwards P. (1997), Interface Agents that Learn an Investigation of Learning Issues in a Mail Agent Interface, Applied Artificial Intelligence.
  • Sahami M., Dumais S., Heckerman D., Horvitz E.(1998), A Bayesian Approach to Filtering Junk E-mail, Learning for Text Categorization: Papers from the 1998 Workshop.

Document Type

Publication order reference



YADDA identifier

JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.