随着电子邮件的广泛应用，垃圾邮件作为商业广告、恶意程序或敏感内容的载体，也越来越对系统的安全和人们的生活造成了严重的威胁，反垃圾邮件问题已经成为全球性的具有重要现实意义的课题。 邮件过滤技术是反垃圾邮件的重要手段，目前对垃圾邮件的过滤主要有基于内容、基于IP地址和基于信头、信封等方法，这些方法对垃圾邮件的过滤起到了一定作用。但是由于信体是垃圾邮件的最终载体，而仅依据IP地址、信头、信封中的特征容易造成错误判断。 本文提出了一种基于服务器端的垃圾邮件过滤系统，它采用改进的Bayes算法，将反映垃圾邮件的特征综合在一起统称为“属性”，用这些“属性”构成表示邮件特征的向量空间模型中的特征向量，避免了单纯基于IP、信头、信封过滤的规则性太强的缺点，降低将正常邮件判断为垃圾邮件的风险。 为了提高系统性能，本文研究了垃圾邮件过滤系统所需的各种技术，包括中文分词技术、中文分词词典机制、自动文本分类技术等。通过对各种分词技术进行比较分析，本系统采用向左增字最小匹配与向右减字最大匹配算法相结合进行分词，并采用互信息方法消除歧义，提高分词精度；针对现有的词典机制，提出一种改进的基于PATRICIA tree的汉语自动分词词典机制，提高了查找的速度，并降低空间复杂度和创建维护的难度；比较了各种特征提取函数，采用期望交叉熵进行特征提取，为提高分类精度打好基础；分析了两种对朴素Bayes算法进行改进的方法，指出这两种方法的实质是相同的，采用改进的Bayes算法，降低误判的风险。