本文以建立在统计理论基础上的Bayse分类算法在短信过滤中的应用策略为依据,把投诉平台中针对不良短信的投诉信息作为研究对象,对它们进行智能化的分析与研究,用类别明确的投诉信息指导数据分析的进行,从这些投诉信息中提取垃圾短信的特征,并用于类别未知的投诉信息的分析,最后将整体分析结果以表格形式,提交给相关处理部门作为处理依据,以解决人力对突发性的、大量的举报信息的分析难度。现有短信过滤系统,实际是对以关键词为依据的文本分类的扩展,因此,同样存在文本分类中所具有的缺点：使用内容固定的词典提取关键词,不能适应词的灵活变化；逐条取样分析生成分类器,当测试数据与样本存在差异时,分类器的准确性得不到保证；在整体角度上保证系统的可靠性,没有考虑到关键词提取过程中的风险,因此,从系统的灵活性、通用性和精度三方面对现有过滤策略进行完善,提出了可行有效的解决方法,主要研究内容如下：(1)系统的灵活性：①基本关键词的提取：将基本的最长匹配分词技术与字符串的模糊匹配相结合,仅当基本匹配和模糊匹配同时失败时,才寻找次长词。②提取特征词：将现有短信过滤中的降维思想与文本分类中的类内集中度、类间分散度和类内平均度及加权求和思想相结合,以此提高词对分类贡献所具有的准确性和分类规则的全面性。(2)分类器的通用性：应用概率论中的随机抽样理论采集样本集,避免分类器过分拟合样本数据,使其具有通用性。(3)分类器的准确性：将两类分类问题中使用的最小风险思想进行如下扩展,以使系统所具有的风险最小化：①将它用于多类分类问题；②关键词的提取。基于上述对投诉信息智能分析策略的研究,实现了灵活、高效、准确率高的投诉举报平台系统,经实验数据测试,证明在上述三方面较以往的策略确实有所改善。