随着Internet技术的发展，各种网络应用服务越来越多。其中，网络中广泛使用的电子邮件正成为一种快捷而经济的通信手段，如何面对每天各种各样、种类繁多的邮件，就成为一个迫切要解决的问题。 以前的邮件分类系统，由于邮件的主要部分是文本，因此研究方向主要是基于数据挖掘中的文本分类技术的。但是，这类方法主要有两点不足，第一就是分类技术首先要指定各个分类的类别，同时，要形成准确的结果，都需要事先进行大量的学习样本用例的过程。第二就是现有的邮件分类系统只是考虑到邮件的正文，而没有考虑到邮件的其他特征。 因此本文提出了基于文本聚类技术的邮件分类系统，它通过采用基于文本聚类的算法来对邮件进行分类，同时，本系统还结合了邮件的一些特性来提高聚类效果，这样就可以有效的改进上面的两种缺陷。在本文中，本文围绕这种邮件聚类模型来介绍其中的相关的关键技术与方法，其中主要的内容有：通过使用改进的向量空间模型(VSM)方法在计算机中表示文本；在特征项的选择上使用单词权技术；在邮件相似度计算中加入了非邮件正文文本信息的相似度；在聚类算法选择上，将两种算法相结合以适应邮件聚类等等。此外，本文还在此理论基础上进行了实际的实验分析，证明了这个理论的正确性。