随着互联网的发展，相关网络信息越来越多，相应的电子邮件使用已经很频繁，并且已经深入到所有使用网络的人群中，成为一种方便快捷、经济的通讯手段。但是由于利益的驱动，垃圾邮件也在同步发展，垃圾邮件以各种各样的方式出现，不仅浪费了用户大量的时间，而且占用了网络带宽，污染了网络环境。反垃圾邮件问题，已成为全世界迫切关注的重要课题。　　 由于社会分工的不同、个人兴趣爱好的不同，人们对信息的需求也越来越专业化，越来越个性化。个性化服务技术的出现，满足了用户实际的需要。将个性化服务技术应用于邮件分类是一个新的研究方向。为了实现个性化服务，需要设计一种合适的模型来收集用户的兴趣度，最后根据用户对邮件的兴趣大小作为评判邮件是否为垃圾邮件的最终标准。　　 不同用户对邮件是否为垃圾邮件的标准是不一样的，不同的用户对同样的邮件可能有不同的反应。首先，通过对个性化服务技术、邮件分类技术进行回顾，在研究用户对页面处理行为的基础上，提出一种基于改进K近邻值法(K-Nearest Neighbors，简称KNN)的分类兴趣的方法，本文针对接受邮件的无规律化和邮件类别数量相互之间的不均衡等特点，提出了一种改进的KNN个性化邮件过滤方法。该方法先通过对兴趣度计算的改进，剔除用户习惯对建立兴趣度模型带来的影响，然后通过对类偏移问题的研究，提出了改进KNN算法，其对邮件进行了较好的分类。经实际验证：改进后的KNN个性化过滤方法能基本准确地实现根据用户兴趣对邮件进行个性化分类。　　 最后，在基于改进KNN分类算法的基础上，设计完成了个性化邮件分类系统，并实现了个性化的分类功能，系统使用时会隐式地收集用户兴趣，然后根据用户兴趣对邮件进行分类，经实际验证：该系统能基本准确地实现根据用户兴趣对邮件进行个性化分类。