論文の概要: Content-Based Smart E-Mail Dispatcher Using Large Language Models
- arxiv url: http://arxiv.org/abs/2606.26593v1
- Date: Thu, 25 Jun 2026 04:34:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.158974
- Title: Content-Based Smart E-Mail Dispatcher Using Large Language Models
- Title（参考訳）: 大規模言語モデルを用いたコンテンツベーススマートメールディスパッチャー
- Abstract要約: 本研究の目的は,工学系大学における様々な学級の学生のWhatsAppグループに対して,その内容に基づいて電子メールを自動送信する機構を検討することである。
このディスパッチシステムは,大規模言語モデル (LLM) を問合せするエージェントを用いて構築され,電子メールの内容を分析し,関連する学生グループにルーティングして情報と消費を提供する。
提案システムはラベル付きデータセットに頼らず,生産性の向上やメール読取に伴う認知負荷の低減など,いくつかのメリットを提供している。
- 参考スコア（独自算出の注目度）: 0.26097841018267615
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Email communication has become an integral part of personal and professional life, but handling its vast volume is still a significant issue for large organisations. Manual perusal of emails and forwarding their contents and attachments to intended recipients using other instant messaging platforms has proved to be error-prone and time-consuming leading to losses in terms of productivity and creating undue stress. The main objective of this paper is to explore an alternative mechanism that is to automate the task of dispatching emails based on their contents to the respective WhatsApp groups of students of various semesters of programs in an engineering college, facilitating a smooth flow of information from one end to another end in an organisation. The dispatcher system is built using agents querying large language models (LLMs) to enable it to analyze the contents of emails and route them to the relevant groups of students for their information and consumption. The system harnesses the capabilities of LLMs in analysing the textual contents for decision-making. With a well-structured agent framework prompt that includes email content as input with instructions and context, the system figures out the relevant groups to which the email message is dispatched, thus providing the required information on time. The proposed system does not rely on labelled datasets and provides several benefits, including enhanced productivity and a reduction in the cognitive load associated with reading emails.
- Abstract（参考訳）: 電子メールによるコミュニケーションは、個人的および専門的な生活の不可欠な部分となっているが、その膨大な量の処理は、依然として大企業にとって重要な問題である。
電子メールを手動でパースし、他のインスタントメッセージプラットフォームを使って意図した受信者へのコンテンツや添付を転送することは、生産性の低下と不適切なストレスを生み出すのにエラーが発生し、時間を要することが判明した。
本研究の目的は,工学系カレッジの各種プログラムの学生のWhatsAppグループに対して,その内容に基づいて電子メールを送信するタスクを自動化し,組織内の一方の端からもう一方の端へのスムーズな情報の流れを円滑に行えるようにすることである。
このディスパッチシステムは,大規模言語モデル (LLM) を問合せするエージェントを用いて構築され,電子メールの内容を分析し,関連する学生グループにルーティングして情報と消費を提供する。
このシステムは、テキストの内容を分析して意思決定するLLMの能力を利用する。
メール内容をインプットとしてインストラクションやコンテキストを含む,構造化されたエージェントフレームワークのプロンプトによって,電子メールメッセージが送信される関連するグループを抽出し,必要な情報を提供する。
提案システムはラベル付きデータセットに頼らず,生産性の向上やメール読取に伴う認知負荷の低減など,いくつかのメリットを提供している。
関連論文リスト
- DocClaw: A Unified Agentic System for Intelligent Document Processing [70.82545096015238]
本稿では,エージェントとドキュメント間のインタラクションの共有プロセスとして,多様なインテリジェントな文書処理タスクを定式化する統合エージェントシステムDocClawを紹介する。
この定式化の下で、タスク固有の要件は、エージェントのクエリ目的と対応するドキュメントスキルの解釈によってキャプチャされる。
複数のインテリジェントなドキュメント処理ベンチマークの実験では、DocClawが単一のエージェントフレームワーク内で、さまざまなタスクを効果的に処理していることが示されている。
論文 参考訳（メタデータ） (2026-08-19T08:34:48Z) - Constructing and Benchmarking: a Labeled Email Dataset for Text-Based Phishing and Spam Detection Framework [0.37687375904925485]
本研究では、フィッシング、スパム、正統なメッセージを含む包括的な電子メールデータセットを提案する。
各メールには、そのカテゴリ、感情的な魅力、権威、そして根底にあるモチベーションが注釈付けされている。
その結果、強いフィッシング検出能力が強調される一方で、スパムと正当な電子メールを区別する上での永続的な課題が浮かび上がっている。
論文 参考訳（メタデータ） (2025-11-26T14:40:06Z) - Leveraging Knowledge Graphs and LLMs for Context-Aware Messaging [2.8402080392117757]
本稿では,KG(Knowledge Graph)を用いて文字通信を動的に表現するフレームワークを提案する。
好み、職業的役割、文化規範などの関連情報の抽出は、元のメッセージと組み合わせられる。
このフレームワークは、医療の42%、教育の53%、職業採用の78%など、さまざまな領域で顕著なメッセージ受け入れ率を示している。
論文 参考訳（メタデータ） (2025-03-12T02:17:15Z) - System Message Generation for User Preferences using Open-Source Models [4.387048445855714]
システムメッセージは、大規模言語モデル(LLM)との相互作用において重要な役割を果たす
我々は,システムメッセージを生成するパイプラインであるSysGenを紹介した。
SysGenデータ上でのオープンソースモデルのトレーニングは、シングルターン(Multifacet)とマルチターン(SysBench)の会話ベンチマークの両方で大幅に改善される。
論文 参考訳（メタデータ） (2025-02-17T01:05:31Z) - Prompted Contextual Vectors for Spear-Phishing Detection [41.26408609344205]
スパイアフィッシング攻撃は重大なセキュリティ上の課題を示す。
本稿では,新しい文書ベクトル化手法に基づく検出手法を提案する。
提案手法は, LLM生成したスピアフィッシングメールの識別において, 91%のF1スコアを達成する。
論文 参考訳（メタデータ） (2024-02-13T09:12:55Z) - Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。
このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。
各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文 参考訳（メタデータ） (2023-09-15T02:42:03Z) - mPLUG-DocOwl: Modularized Multimodal Large Language Model for Document
Understanding [55.4806974284156]
文書理解とは、ウェブページのようなデジタル文書から自動的に情報を抽出し、分析し、理解することである。
既存のMLLM(Multi-model Large Language Models)は、浅いOCRフリーテキスト認識において、望ましくないゼロショット機能を実証している。
論文 参考訳（メタデータ） (2023-07-04T11:28:07Z) - AnnoLLM: Making Large Language Models to Be Better Crowdsourced Annotators [98.11286353828525]
GPT-3.5シリーズのモデルは、様々なNLPタスクにまたがる顕著な少数ショットとゼロショットの能力を示している。
本稿では,2段階のアプローチを取り入れたAnnoLLMを提案する。
我々はAnnoLLMを用いた対話型情報検索データセットを構築した。
論文 参考訳（メタデータ） (2023-03-29T17:03:21Z) - Active Learning from Crowd in Document Screening [76.9545252341746]
我々は、文書を評価し、それらを効率的にスクリーニングする機械学習分類器のセットの構築に注力する。
そこで本研究では,多ラベル能動学習スクリーニング技術である目的認識サンプリングを提案する。
目的認識サンプリングは,アートアクティブラーニングサンプリングの手法を著しく上回っていることを実証する。
論文 参考訳（メタデータ） (2020-11-11T16:17:28Z) - Learning with Weak Supervision for Email Intent Detection [56.71599262462638]
本稿では,メールの意図を検出するために,ユーザアクションを弱い監視源として活用することを提案する。
メール意図識別のためのエンドツーエンドの堅牢なディープニューラルネットワークモデルを開発した。
論文 参考訳（メタデータ） (2020-05-26T23:41:05Z) - Smart To-Do : Automatic Generation of To-Do Items from Emails [41.77035468305908]
我々は、送信者がアクションを実行することを約束したメールからTo-Doアイテムを自動的に生成する新しいタスクとデータセットを導入する。
ニューラルテキスト生成とシーケンス・ツー・シーケンス学習の最近の進歩を活用した2段階のプロセスの設計を行う。
われわれの知る限りでは、メールからTo-Doアイテムを作るという問題に対処する最初の取り組みだ。
論文 参考訳（メタデータ） (2020-05-05T02:21:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。