随着计算机、通讯技术的发展，以及人们对信息化社会的需求，电子邮件已经成为现代人之间一个必不可少的，重要的相互通讯的方式。但是，附带出现的垃圾邮件问题也变得越来越严重了。目前，用户受到的垃圾邮件数量已经超过了正常邮件的数量，而且还有进一步增加的趋势。 目前，解决垃圾邮件问题有众多的途径和思路，其中基于内容的垃圾邮件过滤方法是一个较为重要的方面。这个方法就是通过采用经过样本邮件集训练的分类器对电子邮件内容文本进行文本分类、信息过滤，从而获取垃圾邮件的方法。这是当前解决垃圾邮件问题的主流技术之一。它主要包括基于规则的方法和基于概率统计的方法两个方向。 对于基于概率统计的方法，其代表主要有贝叶斯方法和支持向量机方法等。贝叶斯方法计算简便，但召回率和正确率都难以提高到一个更高的层次;而支持向量机方法则可以拥有较高的召回率和正确率。因此本文选择通过支持向量机方法来解决邮件分类问题。文中通过对电子邮件系统、一般垃圾邮件过滤方法的介绍，综述了目前用于垃圾邮件过滤研究的各种语料和评价方法，最后利用支持向量机方法来获得一个解决垃圾邮件问题的途径，并针对支持向量机方法的计算时间复杂度较大的问题，设想通过采用主动学习方法来解决这一问题。 文中通过采用基于主动学习方法和基于被动学习方法两种方式的支持向量机方法进行文本分类对比试验，以及将采用贝叶斯算法和支持向量机算法的垃圾邮件过滤器的效果进行对比。最终得出结论认为：支持向量机方法是一种比贝叶斯算法更有效的垃圾邮件过滤算法，而采用主动学习方法的支持向量机方法能够极大地减少计算时间复杂度。 本文的最后给出了一个基于支持向量机方法的垃圾邮件过滤系统。但是，本文所作的都是基于实验环境下的，要将该方法真正用于实际的电子邮件系统，还有大量的工作需要去做。