本研究では、メールのトリアージアクション予測について、特に返信予測を例に取り上げています。従来の手法とは異なり、トリアージアクションの予測を推薦問題として定式化し、現在および過去のメールの内容に基づいてユーザーを表現するコンテンツベースのアプローチに焦点を当てました。また、ユーザーとメール間の親和性を調査するために、追加の類似性特徴も導入しました。公開されているAvocadoメールコレクションを用いた実験では、提案された推薦フレームワークの優位性が示され、既存の深層推薦手法に対しても優れた性能を達成しました。さらに、従来のバグオブワーズアプローチが類似性特徴の助けを借りて、より高度なニューラル埋め込み手法と競り合う可能性があることも示されました。