Mašīnmācīšanās algoritms iegūst 16 miljardus e-pasta

Elektroniskajam pastam ir ļoti svarīga loma lielas pasaules iedzīvotāju daļas dzīvē. Un tomēr dīvainā kārtā maz ir zināms par to, kā cilvēki izmanto e-pastu. Cik e-pasta sarunu cilvēkiem ir? Cik ilgas ir šīs sarunas un kā tās beidzas? Un kā ienākošā pasta apjoms ietekmē cilvēku uzvedību?

Šodien mēs saņemam atbildes uz vairākiem šādiem jautājumiem, pateicoties Yahoo Labs Barselonā un Kalifornijā un Dienvidkalifornijas universitātes pētnieku darbam. Šie puiši ir pētījuši uzvedības modeļus datu bāzē, kurā ir 16 miljardi e-pastu, ar kuriem vairāku mēnešu laikā apmainījās divi miljoni cilvēku. Mēs uzskatām, ka mūsu veiktā ir pirmā liela mēroga e-pasta sarunu analīze, viņi saka.

Izrādās, ka e-pasta raksti ir tik uzticami, ka mašīnmācīšanās algoritms var iepriekš paredzēt, cik ilgi, visticamāk, būs atbilde un kad e-pasta saruna, visticamāk, beigsies. Tā ir informācija, kurai varētu būt svarīga loma nākamās paaudzes e-pasta sistēmās.

Ir viegli iedomāties, ka skaitļošanas antropologi noteikti ir pētījuši plašas e-pasta datubāzes, lai noteiktu šī salīdzinoši jaunā ziņojumapmaiņas veida ietekmi uz parasto dzīvesveidu.

Ne tā. Salīdzinoši nedaudzie pabeigtie pētījumi ir veikti ar nelieliem e-pasta paraugiem, un tie ir radījuši salīdzinoši vienkāršus atklājumus. Tie ietver faktu, ka daži cilvēki atbild uz e-pastiem tādā secībā, kā viņi saņem, bet citi izvēlas vissvarīgāko, uz kuru atbildēt vispirms.

Lai novērstu šo nepilnību mūsu zināšanās, Farshad Kooti no Dienvidkalifornijas universitātes kopā ar draugiem pēta datubāzi ar 16 miljardiem e-pasta vēstuļu pakalpojumā Yahoo Mail no cilvēkiem, kuri bija piekrituši ļaut izmantot savus datus pētījumos.

Tā kā liela daļa cilvēku saņemto e-pastu ir surogātpasts vai tiek ģenerēti automātiski, komanda izvēlējās tikai tos e-pastus, kas ir nosūtīti starp divām personām sarunā, kas ilga vismaz piecas apmaiņas.

Šie 16 miljardi e-pasta ziņojumu nāca no divu miljonu unikālo lietotāju e-pasta kontiem, un tie ietvēra tikai e-pasta ziņojumus no komerciāliem domēniem un citiem Yahoo lietotājiem, kuri bija piedalījušies pētījumā. No šiem 16 miljardiem 187 miljoni e-pastu tika apmainīti starp lietotāju pāriem datu kopā. Tie būtībā bija tie, kas interesēja.

Pēc tam pētnieki varēja izpētīt šīs pāru saziņas formas statistisko raksturu, izmantojot tādu informāciju kā sūtītāja ID, saņēmēja ID, nosūtītais laiks, e-pasta tēma, e-pasta saturs un pielikumu skaits.

Lai nodrošinātu privātumu, pētnieki anonimizēja sūtītājus un saņēmējus, un neviens cilvēks neanalizēja e-pasta saturu. Tā vietā pētnieki izmantoja algoritmus, lai iegūtu statistiku no e-pasta struktūrām, piemēram, to garumu, e-pasta ID skaitu pavedienā un tā tālāk.

Komanda grupēja e-pasta ziņojumus starp personām, ja viņiem bija viena un tā pati temata rindiņa (visi, izņemot vienu, sākas ar Re:) un sakārtoja ziņojumus atbilstoši viņu laikspiedogam.

Pēc tam viņi pētīja dažādas šo e-pasta ķēžu iezīmes, piemēram, laiku, kas nepieciešams, lai atbildētu uz e-pastu, atbildes ilgumu, kā arī to, kā šie faktori mainās atkarībā no sūtītāja vecuma un dzimuma un tā tālāk. .

Rezultāti rada interesantu lasīšanu. Izrādās, ka jaunāki cilvēki sūta ātrākas, īsākas atbildes un vīrieši nedaudz ātrāk un īsākas atbildes nekā sievietes.

Rakstīšanas laiks arī ir faktors. Mēs atklājām, ka lietotāji ātrāk atbild uz e-pastiem, kas saņemti darba dienās un darba laikā, un ka atbildes mēdz kļūt īsākas vēlāk dienā un brīvdienās, saka Kooti un citi.

Un arī mobilajām ierīcēm ir ietekme. Viņi saka, ka atbildes no mobilajām ierīcēm bija ātrākas un īsākas nekā no galddatoriem, un e-pastiem bez pielikumiem parasti tika saņemtas ātrākas atbildes.

Arvien svarīgāka parādība ir e-pasta pārslodze. Kooti un kolēģi atklāja, ka, saņemot vairāk e-pastu, viņi palielina atbilžu biežumu, bet ne tik daudz, lai kompensētu lielāku slodzi.

Citiem vārdiem sakot, cilvēkiem kļūstot pārslogotākiem, viņi uz mazāku daļu ienākošo e-pastu atbild ar īsākām atbildēm. Tomēr viņu atsaucība palika neskarta un var būt pat ātrāka, saka pētnieki.

Komanda arī aplūkoja atšķirības starp e-pastu un tā atbildi, piemēram, izmantoto vārdu skaitu un laiku starp atbildēm. Interesanti, ka e-pasta sarunas pirmajā pusē atbildes kļūst līdzīgākas gan atbildes laikā, gan garumā. Tomēr tas viss mainās pēc draudu vidus, kad atbildes uzvedība kļūst arvien atšķirīga.

Šie modeļi ļāva komandai izveidot mašīnmācīšanās algoritmu, lai pamanītu dažādus e-pasta sarunu posmus un paredzētu, kad tie, visticamāk, beigsies. Viņi apmācīja šo algoritmu, lai paredzētu atbilžu laiku un ilgumu un to, vai e-pasts ir pēdējais pavedienā.

Un, lai gan šīs prognozes nav ideālas, tās ir pietiekami labas, lai ietekmētu to, kā nākotnē varētu tikt izstrādātas e-pasta sistēmas. E-pasta klienti var izmantot spēju precīzi paredzēt, uz kādiem ziņojumiem lietotājs atbildēs, lai sakārtotu e-pastus lietotāju iesūtnē pēc atbildes prioritātes, tādējādi palīdzot atvieglot informācijas pārslodzes slogu, norāda komanda.

Tas ir interesants darbs, kas varētu palīdzēt noteikt, kā algoritmi turpmāk apstrādā mūsu e-pastus. Viss, kas lietderīgi palīdz mazināt e-pasta pārslodzes slogu, var kļūt par svarīgu saziņas slēptās birokrātijas sastāvdaļu.

Yahoo ir nepārprotama interese par šāda veida darbu, tāpēc ir pārsteidzoši, ka šāda veida pētījums ir veikts pirmo reizi. Ja veicas, šo atradumu iekļaušana turpmākajās e-pasta sistēmās neaizņems tik ilgu laiku.

Atsauce: a rxiv.org/abs/1504.00704 : sarunu attīstība e-pasta pārslodzes laikmetā

paslēpties