随着互联网的发展，电子邮件已经普及到所有使用网络的人群中，成为一种便捷、经济的通讯手段，但垃圾邮件也在同步发展，各种各样的垃圾邮件泛滥，污染网络环境。反垃圾邮件问题，已成为全世界迫切关注的重要课题。　　 随着Internet上信息量的大量增加，人们对信息的需求也越来越专业化，个性化服务技术的出现，可以在一定程度上解决Internet中信息多样化与用户需求专一化之间的予盾，将个性化服务技术应用于邮件分类是一个新的研究方向。为了实现个性化服务，需要设计一种合适的表达方式来计算用户兴趣，最后根据用户对邮件的兴趣大小作为评判邮件是否为垃圾邮件的最终标准。　　 不同用户对邮件是否为垃圾邮件的标准是不一样的，不同的用户对同样的邮件可能有不同的反应。目前，贝叶斯方法已广泛的应用在垃圾邮件过滤中，但一般的贝叶斯邮件过滤方法存在不能体现不同用户的兴趣差异等问题。为了解决以上问题，本文结合贝叶斯邮件过滤方法和用户兴趣度的研究，提出了一种基于用户兴趣度的改进贝叶斯邮件过滤方法，通过用户阅读邮件的时间和对邮件的操作来计算邮件的兴趣度并用于反馈学习。实验结果表明，改进后的算法能更好的利用反馈的用户兴趣度来判断用户当前的兴趣范围，从而使邮件过滤器具有更好的实时性并改善了过滤器的过滤效果。贝叶斯分类器只需在训练集的选择上反映出用户的兴趣差异，就能很容易的提供个性化服务，这是本文选择在贝叶斯邮件过滤算法基础上提供个性化服务的原因。　　 最后，在基于用户兴趣和贝叶斯分类的基础上，设计完成了个性化邮件分类系统IMS(Individual Mail System)，并实现了个性化的分类功能。系统使用时会学习用户兴趣，然后根据用户兴趣对邮件进行分类，经实际验证，IMS能基本准确地实现根据用户兴趣对邮件进行个性化分类。