部队首长信箱的邮件含有丰富的信息,能够为部门机关总结工作,提高自身工作能力提供有力的信息支撑。随着邮件数量的剧增,人工对邮件的分类已经满足不了现实需求,实现邮件内容的自动分类,能够减轻机关工作负担、提高分类效率,有一定现实意义。邮件内容分类是根据邮件标题和正文的信息,按照军事、政治、后勤、管理、祝福五个类别自动分类的过程。本文在提取邮件的标题和正文,构成邮件内容文本的基础上,通过中科院ICTCLAS分词系统对邮件内容文本进行了分词和去停用词处理,得到文本的原始特征集合；采用向量空间模型(VSM)将邮件内容文本表示成为计算机可以识别的数据向量；分析了CHI特征选取方法的缺点,提出一种改进型的CHI方法,降低了原始特征集合的维数；采用支持向量机(SVM)分类算法,选取径向基核函数(RBF),应用5-重交叉验证与网格搜索方法,得到最优的核函数参数,提出以最大分类间隔作为类别分类性度量,构造二叉树SVMs多分类模型,通过对文本数据的学习训练,得到邮件内容分类模型；利用模型对未知类别邮件文本进行分类。为了检验邮件内容分类方法的性能,以某基层团队2010-2012年度首长信箱邮件为数据源,选取656个邮件内容文本作为训练集,对232个邮件内容文本进行分类测试。测试结果表明,选取特征数目为200时,分类的总体性能最好,选用改进后的CHI方法比传统的CHI方法分类查全率高1.3%,分类查准率高0.8%；二叉树多分类方法分类效果接近DAG多分类方法,比一对一方法高0.9%,比一对多方法高2.6%。