随着办公自动化的快速发展,越来越多的人喜欢用电子邮件进行交流。由于人们每天需要处理越来越多的邮件,所以迫切需要对邮件进行分类处理。与此同时,随着机器学习和数据挖掘的研究与发展,基于内容的文本分类技术也获得了空前的发展。目前为止,研究人员在邮件过滤上投入了很多的精力,做出了不少的贡献。但是由于邮件分类中存在分类标准的动态变化、传统的文本分类算法效率不高或者分类的准确度偏低等问题,所以实用的邮件分类系统的研究还未多见。本文借鉴邮件过滤算法,通过对中文邮件语料的研究,提出了建设一个基于平凡算法和规则相结合的、具有自适应能力的、实用的邮件分类系统。首先,本文分析了英文邮件语料库的特点,结合实际提出了构建中文邮件语料库的方法,并建立了一个实用的、尽量规范的中文邮件语料库。然后,面对众多可选的文本分类算法,文章分析、比较了几种具有代表性的文本分类算法,选择了一种时空复杂度低的、适合在线学习的、名叫Winnow 的邮件过滤算法作为研究对象,改进了Winnow 标准算法,并通过实验证明了该算法也可以用于邮件的分类,并具有效率高、准确度较好等特点。最后,文章对邮件分类系统中普遍存在的自适应问题进行分析与讨论,提出了一种建立在触发器基础上的增量学习方法,有效地解决了邮件分类系统的自适应问题,并通过实现一个ZHHZ 邮件分类系统,测试了系统的自适应能力。实验证明,通过建立规则、增加Winnow 分类的自适应能力,采用Winnow 算法能够实现一个高效的、可靠的、能够适应用户分类标准变化的邮件分类系统。