摘要：垃圾短信已日益成為影響人們日常生活的嚴重問題，由于短信屬于短文本，長度較短，特征稀疏，尤其是垃圾短信為逃避過濾機制，其結構和內容常常不規(guī)范，所以傳統(tǒng)的文本特征提取方法并不能完全適用于短信分類。從短信的結構及語義兩個角度提取特征項，并建立語義特征詞表，采用基于多特征融合的方法來向量化表示短信文本。針對短信數(shù)據(jù)集中存在的噪聲及數(shù)據(jù)不平衡問題，分別比較了NB、SVM、DT、LR、MLP、RF分類器的性能差別。實驗表明，采用RF分類算法，能有效減弱噪聲干擾及數(shù)據(jù)不平衡性所帶來的影響。通過在CCF2015中國好創(chuàng)意競賽題目“垃圾短信基于文本內容識別”所提供的數(shù)據(jù)集上進行驗證，取得了很好的效果。