校园网给用户提供便利的同时也带来了危害,大量的不良信息充斥在网络世界里,给高校校园网的管理和维护带来了严重挑战。信息过滤是一种系统化方法,他能够自动的将网络上的动态信息流与过滤模板进行匹配,过滤掉有害信息。贝叶斯理论在信息过滤中得到了很好的应用,他与KNN、支持向量机等相比,加油高效、节约空间以及有利于实现个性化过滤的优势。但是也存在忽略了特征词之间的联系、忽略误判所带来的风险以及不支持增量学习机制等缺陷。本文针对校园网垃圾和不良信息问题,将朴素贝叶斯引入到信息过滤中,并且针对其存在的问题提出了改进方案,最终构建了基于改进贝叶斯的校园网信息过滤系统。本文主要工作包括:1、深入研究了网络信息过滤关键技术及相关过滤模型探讨了信息过滤的一般模型及其相关算法,分析了现有的信息过滤模型中存在的问题,重点研究了网络信息过滤中的网络数据的获取和表示、特征权值的计算方法、文本信息的表示、分类算法等。2、提出一种对朴素贝叶斯的改进算法针对传统的朴素贝叶斯算法在对文本信息进行分类与过滤时,没有充分考虑到被过滤信息的个性化特征,具有一定的局限性。因此,本文考虑代价最小化的概念,将其与朴素贝叶斯算法结合起来,并根据被过滤信息的特性做了改进,给出一种改进的朴素贝叶斯文本过滤算法。3、设计和实现了基于改进贝叶斯算法的校园网信息过滤系统。我们将改进贝叶斯算法在信息过滤技术上进行了实际效果测试,实验数据证明了算法的可靠性和有效性,取得了令人满意的测试效果。