因为缺乏有效的监管,不少移动应用包含了大量的黄色、暴力、反动等不良信息,不仅对青少年的身心健康产生了危害,其中传播的各种不实言论对社会安定也产生了不良影响。在不良文本检测中,特征词库是过滤效果的前提,但是目前缺少不良手机应用的特征词库;常见的基于关键词列表的检测方法缺少对文本语义的分析,容易有较高的误报;传统的主题模型过滤方法会遇到短文本的特征稀疏问题。为了有效的检测不良应用,本文提出通过分析应用在应用商店上的描述信息,建立基于文本特征的不良手机应用监测系统,监测应用商店上的可疑不良手机应用。本论文的研究成果如下:1.通过引入TF-IDF算法,对提取不良文本特征的方法进行了改进。该方法将特征词的权重拆分为敏感度和重要度,通过引入TF-IDF算法,统计特征词的词频,计算特征词的敏感度。最后通过公式得到特征词的权重。实验表明,本文提出的建立特征库的方法相比于以前的特征库提取方法拥有更好的检测效果。2.提出了一种建立BTM自适应主题模型的方法。通过引入BTM主题模型解决应用描述信息的数据稀疏问题,并建立了一个判定标准,通过引入特征库的权重选取BTM模型的最佳K值。3.提出了一种建立不良手机检测引擎的方法。该方法采用应用商店的vote机制和应用来源可信度机制设计检测引擎。实验证明,该检测引擎可以有效的降低自适应主题模型的误报率。4.不良手机应用监测系统设计与实现。从不良手机应用监测系统的设计思想、总体设计、详细设计及效果展示等方面对不良手机应用监测系统做了整体的架构规划和细节描述。结合基于列表的过滤方法,系统增加了黑白名单、人工审核机制等,增强系统的健壮性。