1.收集大量的垃圾邮件和非垃圾邮件,建立垃圾邮件集和非垃圾邮件集.2.提取邮件主题和邮件体中的独立字符串,例如ABC32,￥234等作为TOKEN串并统计提取出的TOKEN串出现的次数即字频.按照上述的方法分别处理垃圾邮件集和非垃圾邮件集中的所有邮件.3.每一个邮件集对应一个哈希表,hashtable_good对应非垃圾邮件集而hashtable_bad对应垃圾邮件集.表中存储TOKEN串到字频的映射关系.4.计算每个哈希表中TOKEN串出现的概率P=（某TOKEN串的字频）/（对应哈希表的长度）.5.综合考虑hashtable_good和hashtable_bad,推断出当新来的邮件中出现某个TOKEN串时,该新邮件为垃圾邮件的概率.数学表达式为：A事件----邮件为垃圾邮件；t1,t2…….tn代表TOKEN串则P（A|ti）表示在邮件中出现TOKEN串ti时,该邮件为垃圾邮件的概率.设P1（ti）=（ti在hashtable_good中的值）P2（ti）=（ti在hashtable_bad中的值）则P（A|ti）=P2（ti）/[（P1（ti）+P2（ti）]；6.建立新的哈希表hashtable_probability存储TOKEN串ti到P（A|ti）的映射7.至此,垃圾邮件集和非垃圾邮件集的学习过程结束.根据建立的哈希表hashtable_probability可以估计一封新到的邮件为垃圾邮件的可能性.当新到一封邮件时,按照步骤2,生成TOKEN串.查询hashtable_probability得到该TOKEN串的键值.假设由该邮件共得到N个TOKEN串,t1,t2…….tn,hashtable_probability中对应的值为P1,P2,……PN,P(A|t1,t2,t3……tn)表示在邮件中同时出现多个TOKEN串t1,t2……tn时,该邮件为垃圾邮件的概率.由复合概率公式可得P(A|t1,t2,t3……tn)=（P1*P2*……PN）/[P1*P2*……PN+（1-P1）*（1-P2）*……（1-PN）]当P(A|t1,t2,t3……tn)超过预定阈值时,就可以判断邮件为垃圾邮件.