Обнаружение языка электронной почты

Question

Мне нужно внедрить автоматизированную систему ответа электронной почты.

Здесь для системы мне нужно проверить входящие письма и ответить на электронную почту на том же языке, на котором было получено электронное письмо.

Как я могу это сделать, пожалуйста, предложите некоторые идеи? Заранее спасибо.

---

Добавляя еще один запрос:

1. В заголовках электронной почты есть еще один заголовок вида:

   Content-Type: text/plain; charset=ISO-8859-1 
   

Как хорошо он может оказаться в определении язык тела электронной почты?

например (все заголовки, взятые из Gmail):

1. для китайского предмета и тела Content-Type: text/plain; charset=GB2312

2. корейского предмета и тела Content-Type: text/plain; charset=EUC-KR

3. на французский/итальянский предмет и тела Content-Type: text/html; charset=ISO-8859-1

Также есть ли какой-нибудь список, который может направить меня, который имеет сопоставления, определенные для языка для кодировки?

Заранее спасибо

Answer 1

Google переводит может угадать язык текста образца. Have a look at the API, это может быть решением вашей проблемы (если вы все равно подключены к Интернету, и вам все равно, отправляя фрагменты писем на серверы google ...).

Для офлайн-оценки я нашел Java Text Categorizing Library.

Answer 2

Этот ответ в первую очередь предназначен для тех, кто не доверяет онлайн-сервисам и не может использовать программное обеспечение GPL/LGPL по разным причинам. Если это не проблема, ответ Andreas_D, вероятно, лучше.

Это интересная проблема. Вот как я подхожу к нему.

Для каждого языка, который вы хотите поддержать, выбрать двадцать наиболее употребительных слов на этом языке, которые являются уникальный на этом языке (например, and, the и because и так далее для английского языка). Другими словами, не используйте blancmange или soufflé для идентификации французского языка, так как вы можете получить сообщение от немецкого шеф-повара.

Затем просто запишите свои языки по электронной почте, чтобы узнать, какой язык имеет наивысшее происхождение этих слов.

Но я бы не использовал это для исключительно решить язык. Скорее я бы использовал его, чтобы выбрать порядок появления сообщений.Если электронное письмо было преимущественно немецким, но у вас было немного шансов стать французом, я бы разместил сообщение следующим образом:

• Немецкий бит.
• Французский бит.
• Английский бит (см. Ниже).

Каждый «бит» также будет содержать раздел в начале строки «Мы обнаружили ваш наиболее вероятный язык как BLAH, но если это не так, прокрутите вниз для других вероятных языков».

И всегда иметь резерв английского языка на случай, если вы ошибаетесь. Я знаю, что это лингвоцентрический, но я уверен, что подавляющее большинство пользователей Интернета вынуждены ежедневно заниматься английским (или его странным и слегка извращенным кузеном, американцем).

Answer 3

Где отправители электронной почты получат адрес электронной почты? Если это было на веб-странице, в рекламе на телевидении, в печатной рекламе и т. Д. На их родном языке, вы могли бы предоставить каждому поддерживаемому языку свой собственный адрес электронной почты.