电子邮件在我们的日常工作、学习和生活中起着越来越重要的作用,它快捷、方便。电子邮件给人们带来了便利,但垃圾邮件也随之出现,网民有时收到的垃圾邮件数反而超过正常邮件数。这不但浪费了人们宝贵的时间、同时也浪费了有限的网络资源,垃圾邮件问题日益突出。目前常用的基于内容的垃圾邮件过滤算法有基于规则的方法和基于统计的方法,也有两种方法的综合运用。基于规则的方法简单高效,但缺少灵活性。基于统计的方法是基于关键词的统计,不能有效的发现邮件中蕴含的关键词间的有用信息。针对以上传统方法所存在的问题,本文应用基于Teiresias模式发现的算法过滤邮件。该算法同时发现出现于垃圾邮件集与正常邮件集中的大量模式,经互信息方法做特征选择后获得有效的垃圾模式来过滤邮件。在Spam Assassin语料上的实验表明运用该算法获得了较好的正确率、召回率和F值。本文主要研究了以下内容:1、垃圾邮件过滤技术的意义,目前邮件过滤领域研究的现状,现有主要的垃圾邮件过滤技术及他们的对比分析。2、电子邮件的技术原理和邮件过滤平台的设计。3、模式发现算法的理论背景、算法原理、算法实现。4、实验框架设计、系统流程及实验中采用的特征选择方法。5、对比分析实验数据结果,分析在对垃圾模式库不做模式特征选择、对模式库作冗余模式剔除并做模式消减、对模式库应用互信息方法作特征选择三种情况下的正确率、召回率指标和F值。6、在Spam Assassin公共邮件语料平台上与前人的实验结果对比,Teiresias算法具有较好的表现。