伴随着手机由奢侈品变为日常生活中不可缺少的交流工具时,有着“拇指经济”之称的短信业务也随之得到空前快速的发展。然而,随之产生的大量垃圾短信,也为我们的日常生活带来了许多不必要的麻烦。垃圾短信这一现象不仅在我国大量存在,在欧美日等发达国家也广泛存在,因此这个问题可以看作为世界性问题。本文提出了将垃圾短信过滤问题视为文本分类问题,因此对文本分类技术做了深入的研究,提出了垃圾短信过滤(即短信分类)的关键技术,并且在Windows XP的Visual C++6.0和ACCESS平台下设计并实现了一个基于支持向量机的、便于重组重构并能实时统计分析中间结果的垃圾短信过滤系统。垃圾短信过滤系统主要包含短信分词、特征降维、短信的文本表示和自动分类四个模块,短信分词模块主要对短信集分词,并将词条信息导入到数据库中;特征降维模块主要是对词条进行降维;短信的文本表示模块计算词条权重,将短信以向量空间模型的形式表示;自动分类模块对训练样本进行训练,并使用分类器对测试样本进行分类,得出分类结果。本文在垃圾短信过滤系统上对信息增益(IG)、χ2统计(CHI)、互信息(MI)、期望交叉熵(ECE)、文本证据权(WET)和主成分分析(PCA)几种不同的特征降维方法进行了比较实验,实验结果证明在短信分类系统中IG特征降维方法要优于其他方法。并且在使用IG方法的基础上,提出了一种改进的短信的文本表示方法,分类结果更好。在该系统上还对支持向量机算法进行了部分研究,并对其核函数和参数进行了多次实验,选择最适合本系统的核函数和参数,分类结果较为理想。