Machine Learning for Email

Guía monográfica corta y enfocada que aborda la aplicación de técnicas de aprendizaje automático y minería de texto para la gestión, filtrado y priorización inteligente del correo electrónico. Publicada a finales de 2011 por Drew Conway y John Myles White, está desarrollada íntegramente sobre el lenguaje de programación y análisis estadístico R (versión 2.x contemporánea) y se dirige a programadores y desarrolladores de nivel intermedio interesados en explotar datos textuales sin necesidad de contar con una formación matemática o estadística formal previa.

Enseña a manipular datos estructurados y no estructurados con las funciones nativas de R, leer y limpiar mensajes de correo en texto plano, aplicar técnicas de procesamiento de lenguaje natural y extracción de términos mediante el paquete tm de R, construir matrices de términos-documentos, calcular probabilidades condicionales basadas en el clasificador Naive Bayes, cuantificar la relevancia de remitentes e interacciones en hilos de conversación, y evaluar la precisión de modelos clasificadores y algoritmos de ranking utilizando particiones de datos de prueba independientes.

La instrucción se articula completamente a través de dos implementaciones prácticas: un filtro de spam entrenado con el corpus público SpamAssassin y un clasificador de importancia para organizar una bandeja de entrada prioritaria al estilo de Gmail. Aporta una excelente aproximación práctica paso a paso a un problema clásico de clasificación de texto en pocas páginas (cuyo contenido sirvió de base directa para dos capítulos de la obra posterior de los autores, Machine Learning for Hackers). Deja fuera técnicas modernas de procesamiento de lenguaje natural como embeddings o transformadores, y el ecosistema de paquetes de R de 2011 requiere pequeños ajustes para ejecutarse en versiones contemporáneas del lenguaje.