最近几年,智能手机发展势头猛涨,已经成为继广播、电视、报纸和互联网之后的新一代的媒介形式。通过智能手机收发邮件的频率飞速增长,加之垃圾邮件的肆掠扩散并没有遏制反而愈演愈深,电子邮件运营商以几何级数的速度不断提升邮箱的容量。面对海量的邮件和频繁入侵的垃圾邮件,因此邮件自动分类就显得具有较高的实用价值。基于电子邮件内容的手机电子邮件自动分类技术,是数据挖掘中文本分类技术的一个重要应用。因此,首先从文本预处理、文本提取和中文分词等技术的概念以及文本自动分类的背景着手,系统地探讨电子邮件自动分类的流程和步骤,深入研究了实现手机电子邮件自动分类系统所涉及的理论和技术。对于涉及到文本分类的关键技术,包括中文分词、特征提取、词频统计、向量空间模型和分类算法,本文给出了详细的理论阐述和算法描述。由于是基于K近邻算法的改进算法,重点探讨了K近邻算法,并针对其缺点即选择阈值K的盲目性,提出了基于矩阵奇异值分解的K近邻算法。该改进算法基于矩阵奇异值分解技术,能够通过粗分和细分两个阶段快速获取训练样本和估计K值,然后有针对性的选取一定数目的样本作为训练样本,这种基于后验的训练样本训练出来的K近邻分类器,通过java语言实现了一个具有海量运算能力的电子邮件自动分类器,最后进行实验,验证了该分类器的查全率和查准率。