摘要
近年来，研究人员对短信垃圾信息的检测关注度不如对电子邮件或社交媒体平台上的垃圾信息检测。然而，垃圾短信往往更具侵扰性、更令人烦恼，且危害更大。因此，检测和过滤垃圾短信已成为提升人类工作效率的重要任务。本研究旨在提出一种基于机器学习的动态、精准且高效的短信垃圾信息检测方法，以保护用户和企业免受垃圾短信攻击，识别出那些包含促销、误导性、无关或有害内容的可疑信息。研究重点在于测试和评估特征提取方法对基于机器学习的垃圾信息检测性能的影响。研究中采用了多种文本特征提取技术，包括传统方法、统计方法、上下文相关方法以及先进的嵌入技术，并在该领域的基准数据集上进行了大量实验。通过对比分析可知，所有研究的特征提取技术在同类数据集上都能实现较高准确率（90%以上），但在其他领域的数据集上准确率则有所下降（70%以上）。与其他测试过的特征提取模型相比，先进的嵌入技术在两类数据集上均表现最佳。
