电子邮件已经成为人们日常生活中通信、交流的重要手段之一。然而,大量出现的垃圾邮件,给用户造成时间和资源的浪费,同时极大地消耗了网络传输资源以及邮件服务器的存储空间,并对网络安全构成威胁,针对这一问题尽快寻找解决方案的需求也更加迫切。目前,应对垃圾邮件的主要方法和手段通过反垃圾邮件立法和使用邮件过滤技术进行处理,现已相继出现了多种邮件过滤技术。目前,常用的包括黑名单与白名单技术、基于关键词搜索以及设定过滤规则等方法。在实际使用中已逐渐不能满足过滤需求,基于内容分析的文本分类技术正逐步进入邮件过滤技术当中,并成为当前研究热点,其中,基于内容分析的邮件过滤方法中的典型方法是基于贝叶斯模型。本文结合文本分类技术以及贝叶斯(Bayes)理论,构造基于贝叶斯分类的垃圾邮件过滤模型,研究实现邮件过滤器的关键技术与方法,并给出核心过滤算法在邮件分类中的具体实现方法和过程,最后完成垃圾邮件自动过滤的全过程。为减少邮件的误判对用户造成的损害及垃圾邮件漏判造成的影响,提出了相应的改进措施:使用最小风险贝叶斯决策减少误判;通过垃圾邮件反馈,对分类系统进行自适应调整,以改善垃圾邮件的漏判问题。最后给出基于贝叶斯及其改进算法的邮件过滤模型及基于该框架的垃圾邮件过滤原型系统的实现。