垃圾邮件过滤是当前互联网应用中急需解决的一个重要课题，日益受到人们的关注。对于经常使用电子邮件的用户来说，垃圾邮件已经不是什么陌生的事物了。一般而言，垃圾邮件是指同一个发件人在同一时间将同一电子邮件寄往许许多多不同的用户，它的内容主要包括商业广告，以及政治宣传信件。如果经常收到这样的电子邮件，就会令人感到十分厌烦，而大量的信件更会扰乱电子邮件的正常使用。　　 垃圾邮件过滤实际上是一类文本分类问题，朴素贝叶斯分类器是其中一种简单而有效的分类方法。该方法的最大不足之处在于：它假定所有的属性是互相独立的，而这一假设在实际应用中往往无法满足。但是，如果不作条件独立性假设，必然会导致组合爆炸。为此基于改进贝叶斯的垃圾邮件过滤算法已受到了越来越多研究人员的广泛关注。　　 本文首先分析了现有典型的垃圾邮件过滤算法，并比较了一些典型过滤算法的优缺点；然后介绍了以贝叶斯方法为代表的基于内容的垃圾邮件过滤算法.最后对复杂特征网络的构建进行了综述，提出了一种基于复杂特征网络的分类器融合算法，该方法利用“边”（个体分类器输出的共现关系）的先验分布信息及个体分类器对新样本输出的共现关系信息，计算新样本属于各类别的后验概率，通过后验概率来完成特征信息的分类。事例表明，该方法能够有效地处理垃圾邮件的过滤问题。