垃圾短信问题日益严重，受到社会的广泛关注。基于内容的过滤是当前解决垃圾短信问题的主要技术之一。 本文系统地介绍了与垃圾短信过滤相关的短信息传递过程、自然语言构造表示的四种模型以及当前在文本过滤领域主要应用的三类过滤方法。分析研究了垃圾短信文本的一些内容结构特征以及解决的方法。应用中科院计算所研制开发的FreeICTCLAS分词系统，实现了短信语句分割到具体词的转换，为进一步分类计算奠定了基础。引入朴素贝叶斯算法和最小损失因子，对传统的贝叶斯过滤方法进行了改进，提高了其分类的准确率。此外，还构造了10个垃圾短信的模型，通过应用《知网》和KNN算法计算语义相似度，进行了语义过滤的研究。综合以上技术，本文设计了一个基于内容的手机短信息过滤系统。该系统的核心是构造分类器。在构造分类器过程中，运用BP神经网络技术，把贝叶斯过滤与语义过滤两者有机地结合起来，实现了参数的最佳拟合。最后，对整个系统进行了实验测试，正确率为70％。 本文虽然完成了整个系统的构建，但尚存在不完善之处，需要做进一步深入细致的研究。