随着网络技术的发展，电子邮件成为人们日常通信的重要工具之一。网络用户通过电子邮件获得很多资讯，其中一部分信息是用户感兴趣的，也存在一部分信息是用户不感兴趣的。能为用户提供感兴趣信息的个性化推荐技术因而获得了广泛关注。相同的邮件对于不同用户可能是感兴趣的，也可能是不感兴趣的；同一类邮件对于相同的用户，可能之前是感兴趣的，后来变成不感兴趣的。因为这种现象的存在，邮件系统的个性化服务也变得尤为重要。　　 目前，机器学习，文本分类的方法是邮件个性化推荐的主流技术。这篇文章在现有方法的基础上，通过完善用户兴趣模型，更准确地学习用户兴趣，实现邮件系统的个性化服务。其中文本分类采用KNN方法，用户建模采用向量空间模型，结合长期兴趣和短期兴趣的不同特点建立了混合用户兴趣模型。用这种模型跟踪用户兴趣变化、把握用户兴趣主题，从而实现邮件系统的个性化推荐。　　 用户的长期兴趣比较稳定，短期兴趣变化迅速。针对这一问题，这篇文章在短期兴趣模型的处理上，采用滑动窗口机制，对可变时间窗内的数据建模；在长期兴趣模型的处理上，采用遗忘机制，通过遗忘函数的调节对用户设计不同的遗忘曲线。实验结果表明，该方法能够较准确地描述用户兴趣，且具有较强的通用性。　　 最后，这篇文章设计并实现了一个邮件个性化推荐系统。测试结果表明，该系统根据用户个性化信息建立的用户兴趣模型能够比较准确地把握用户兴趣，向用户推荐感兴趣的邮件，从而提高个性化服务的质量。