一． 貝葉斯過濾算法的基本步驟
1) 收集大量的垃圾郵件和非垃圾郵件，建立垃圾郵件集和非垃圾郵件集。
2) 提取郵件主題和郵件體中的獨立字串例如 ABC32，￥234等作為TOKEN串并統(tǒng)計提取出的TOKEN串出現的次數即字頻。按照上述的方法分別處理垃圾郵件集和非垃圾郵件集中的所有郵件。
3) 每一個郵件集對應一個哈希表，hashtable_good對應非垃圾郵件集而hashtable_bad對應垃圾郵件集。表中存儲TOKEN串到字頻的映射關系。
4) 計算每個哈希表中TOKEN串出現的概率P=（某TOKEN串的字頻）/（對應哈希表的長度）
5) 綜合考慮hashtable_good和hashtable_bad，推斷出當新來的郵件中出現某個TOKEN串時，該新郵件為垃圾郵件的概率。數學表達式為：
A事件----郵件為垃圾郵件;
t1,t2 …….tn代表TOKEN串
則P（A|ti）表示在郵件中出現TOKEN串ti時，該郵件為垃圾郵件的概率。
設
P1（ti）=（ti在hashtable_good中的值）
P2（ti）=（ti在hashtable_ bad中的值）
則 P（A|ti）= P1（ti）/[（P1（ti）+ P2（ti）]；
6) 建立新的哈希表 hashtable_probability存儲TOKEN串ti到P（A|ti）的映射
7) 至此，垃圾郵件集和非垃圾郵件集的學習過程結束。根據建立的哈希表 hashtable_probability可以估計一封新到的郵件為垃圾郵件的可能性。
當新到一封郵件時，按照步驟2）生成TOKEN串。查詢hashtable_probability得到該TOKEN 串的鍵值。
假設由該郵件共得到N個TOKEN串，t1,t2…….tn, hashtable_probability中對應的值為P1，P2，。。。。。。PN，
P(A|t1 ,t2, t3……tn)表示在郵件中同時出現多個TOKEN串t1,t2…….tn時，該郵件為垃圾郵件的概率。
由復合概率公式可得
P(A|t1 ,t2, t3……tn)=（P1*P2*。。。。PN）/[P1*P2*。。。。。PN+（1-P1）*（1-P2）*。。。（1-PN）]
當P(A|t1 ,t2, t3……tn)超過預定閾值時，就可以判斷郵件為垃圾郵件。
二． 貝葉斯過濾算法舉例
例如：一封含有“法 輪 功”字樣的垃圾郵件 A
和 一封含有“法律”字樣的非垃圾郵件B
根據郵件A生成hashtable_ bad，該哈希表中的記錄為
法：1次
輪：1次
功：1次
計算得在本表中：
法出現的概率為0。3
輪出現的概率為0。3
功出現的概率為0。3
根據郵件B生成hashtable_good，該哈希表中的記錄為：
法：1
律：1
計算得在本表中：
法出現的概率為0。5
律出現的概率為0。5
綜合考慮兩個哈希表，共有四個TOKEN串： 法 輪 功 律
當郵件中出現“法”時，該郵件為垃圾郵件的概率為：
P=0。3/（0。3+0。5）=0。375
出現“輪”時：
P=0。3/（0。3+0）=1
出現“功“時：
P=0。3/（0。3+0）=1
出現“律”時
P=0/（0+0。5）=0；
由此可得第三個哈希表：hashtable_probability 其數據為：
法：0。375
輪：1
功：1
律：0
當新到一封含有“功律”的郵件時，我們可得到兩個TOKEN串，功 律
查詢哈希表hashtable_probability可得
P（垃圾郵件| 功）=1
P （垃圾郵件|律）=0
此時該郵件為垃圾郵件的可能性為：
P=（0*1）/[0*1+（1-0）*（1-1）]=0
由此可推出該郵件為非垃圾郵件