电子邮件附件抵得上千言万语，还是并非如此？
社会与信息网络
2017-09-04 v1
摘要
基于电子邮件档案的社交网络分析(SNA)已有广泛研究。分析中使用的网络通常通过捕获 From、To、Cc 和 Bcc 邮件头字段中的电子邮件通信，或通过电子邮件消息中包含的实体来提取。在后一种情况下，实体可以是例如词袋、URL、姓名、电话等。它也可以包括附件的文本内容，例如 Microsoft Word 文档、Excel 电子表格或 Adobe pdf。该网络中的节点表示用户和实体。边表示用户间的通信以及与实体的关系。我们建议采用不同的网络提取方法，并使用用户间共享的附件作为边。其动机有两方面。首先，附件代表了关系强度的“亲密”体现。其次，对我们收集的私有电子邮件档案和 Enron 电子邮件语料库的统计分析表明，附件平均占档案磁盘空间使用量的约 80-90%，这意味着大部分数据目前在电子邮件档案的 SNA 中被忽略。因此，我们假设该方法可能提供对电子邮件档案社会结构的更多洞察。我们从 Enron 电子邮件语料库中提取通信和共享附件网络。我们进一步分析两个网络中的度、介数、接近性和特征向量中心性度量，并审视差异及可从中获得的见解。我们使用最近邻算法为五名 Enron 员工生成相似性群组。这些群组与 Enron 的组织结构图一致，验证了我们的方法。
引用
@article{arxiv.1709.00362,
title = {An Email Attachment is Worth a Thousand Words, or Is It?},
author = {Gregory Tsipenyuk and Jon Crowcroft},
journal= {arXiv preprint arXiv:1709.00362},
year = {2017}
}
备注
12 pages, 4 figures, 7 tables, IML'17, Liverpool, UK