Halil ARSLAN, Oğuz KAYNAR, Ahmet Gürkan YÜKSEK

Kurumsal Kolektif Süreçler için E-Posta İletilerinden Görev Keşfi ve Gerçek Zamanlı Görev Yönetim Sisteminin Geliştirilmesi

E-Posta sistemleri, kurumsal iletişim ve işbirliği için kullanılan en temel araçların başında gelmektedir. Başta planlama, kaynak veya proje yönetimi olmak üzere temel iş akışları ile ilgili neredeyse tüm kurumsal görevler için bilgi akışı bu sistemler ile gerçekleştirilmektedir. Bu nedenle e-posta sistemleri, şirketler için değerli bilgiler içeren hizmet depoları ve işlerin yönetildiği çok önemli merkezi alanlar haline gelmiştir. Özellikle müşteri odaklı kuruluşlar için e-posta servisleri üzerinden iş akışlarının yönetilebilir olması çok önemlidir. Kurumsal sistemler ile müşteri düzeyindeki iş listelerinin merkezi yazılımlar üzerinden oluşturulma imkanı olsa da bu talepler çoğunlukla çalışanların e-posta hesaplarına iletilmektedir. Bu durum çalışanın e-posta adresindeki işleri planlamaması, unutması, kaybolması, önem düzeyini doğru belirleyememesi gibi sonuçlara yol açabilmektedir. Yapılan bu çalışma ile personelin kurumsal e-posta hesaplarına gelen mesajlardan, yönetilmesi gereken talepleri, metin madenciliği ve sınıflama teknikleri kullanılarak etiketleyen ve geliştirilen yapılacaklar listesi (todo list) uygulamasına girdi sağlayacak bir yöntem önerilmektedir. Önerilen yöntem ve geliştirilen uygulama, genişletilebilir mesajlaşma ve durum protokolü üzerine entegrasyonu ile gerçek zamanlı işbirlikçi çalışma olanağı sunmaktadır. Böylece kurumsal e-postaların iş listesine dönüştürülme süreci, kurumsal anında mesajlaşma sistemleri üzerinden gerçek zamanlı durum yönetim yaklaşımı ile işbirlikçi çalışmaya uygun hale getirilmiştir.

Task Exploration from E-mail Messages for Corporate Collaborative Processes and Development of a Real-Time Task Management System

Email systems are one of the most basic tools used for corporate communication and collaboration. The information flow is carried out via these systems for almost all corporate tasks related to the basic workflows, including planning, resource or project management. For this reason, email systems have become service stores containing valuable information for companies, and very important central areas where the tasks are managed. It is very particularly important for customer-focused organizations to manage workflows via e-mail services. Although it is possible to create work lists on customer level via enterprise systems over central software, these requestes are mostly transferred to employees' e-mail accounts. This case may cause such results as the employee's not planning the tasks in his email address, forgetting, losing, not defining its level of importance. In this study, a method is proposed that labels the requests to be managed coming from the corporate e-mail account by using text mining and classification techniques and provides input for the to-do list application developed. The proposed method and the developed application offer real-time collaborative working environment with the extensible messaging and its integration with the status protocol. Thus, the conversion process of corporate e-mails to work lists has been adapted to collaborative work though the real-time status management approach over the corporate instant messaging systems.

Keywords:

Collaborative processes ToDo list management, e-mail analysis, text mining,

PDF

___

[1] G. Tang, J. Pei, W. S. Luk, “Email Mining: Tasks, Common Techniques, and Tools”, Knowledge and Information Systems, 41(1), 1-31, 2014.
[2] M. Suit, H. Wortmann, “Discovery and analysis of e-mail-driven business processes”, Information Systems, 37(2), 142-168, 2012.
[3]K. Coussement, D. V. Poel, Improving customer complaint management by automatic email classification using linguistic style features as predictors, Decision Support Systems, 44(4), 870-882, 2008.
[4] L. Dey, S. Bharadwaja, G. Meera, G. Shroff, Email Analytics for Activity Management and Insight Discovery, IEEE/WIC/ACM International Conferences on Web Intelligence (WI) and Intelligent Agent Technology (IAT), 557-564, 2013.
[5] S. S. Weng, C. K. Liu, “Using text classification and multiple concepts to answer e-mails”, Expert Systems with applications, 26(4), 529-543, 2004.
[6] S. Appavu, R. Rajaram, M. Muthupandian, G. Athiappan, K. S. Kashmeera, “Data mining based intelligent analysis of threatening e-mail”, Knowledge-Based Systems, 22(5), 392-393, 2009.
[7] M. F. Wan, M. F. Tsai, S. L. Jheng, C. H. Tang, “Social featurebased enterprise email classification without examining email contents”, Journal of Network and Computer Applications, 35(2), 770-777, 2012.
[8] Internet: Openfire XMPP Server, a real time collaboration community, http://www.igniterealtime.org, 08.01.2016.
[9] B. Yu, D. Zhu, “Combining neural networks and semantic feature space for email classification”, Knowledge-Based Systems, 22(5), 376-381, 2009.
[10] I. Alsmadi, I. Alhami, “Clustering and classification of email contents”, Journal of King Saud University - Computer and Information Sciences, 27(1), 46-57, 2015.
[11] D. C. Soares, F. M. Santoro, F. A. Baiao, “Discovering collaborative knowledge-intensive processes through e-mail mining”, Journal of Network and Computer Applications, 36(6), 1451-1465, 2013.
[12] J. R. Méndez, M. Reboiro-Jato, F. Díaz, E. Díaz, F. Fdez-Riverola, “Grindstone4Spam: An optimization toolkit for boosting e-mail classification”, The Journal of Systems and Software, 85(12), 2909- 2920, 2012.
[13] I. Koprinska, J. Poon, J. Clark, J. Chan, “Learning to classify email”, Information Sciences, 177(10), 2167-2187, 2007.
[14] P. Pankaj, M. Hyde, J. A. Rodger, “P2P Business Applications: Future and Directions”, Communications and Network, 4, 248-260, 2012.
[15] S. V. Ragavana, I. K. Kusnantoa, V. Ganapathyb, “Service Oriented Framework for Industrial Automation Systems”, Procedia Engineering, 41, 716-723, 2012.
[16] M. G. Armentano, A. A. Amandi, “Enhancing the experience of users regarding the email classification task using labels”, Knowledge-Based Systems, 71, 227-237, 2014.
[17] E. H. S. Han, G. Karypis, “Centroid-Based Document Classification: Analysis and Experimental Results”, European conference on principles of data mining and knowledge discovery, 424-431, Springer Berlin Heidelberg, Eylül 2000.
[18] L. Fausett, Fundamentals of Neural Networks: Architectures, Algorithms and Applications, Prentice Hall, Inc., 1994.
[19] J. Clark, I. Koprinska, J. Poon, A Neural Network Based Approach to Automated E-mail Classification, International Conference on Web Intelligence (WI’03), 702-705, 2003.
[20] O. Kaynar, F. Demirkoparan, “Forecasting Industrial Production Index with Soft Computing Techniques”, Economic Computation and Economic Cybernetics Studies and Research, 46(3), 113-138, 2012.
[21] C. Cortes, V. Vapnik, “Support-Vector Networks”, Machine Learning, 20(3), 273-297, 1995.
[22] Internet: A. A. Akin, M. D. Akin, NLP library, NZemberek 0.1.0, http://www.nuget.org/packages/NZemberek, 11.02.2016.