随着网络的发展，社会网络给人们的相互沟通带来极大的便利，但大规模的垃圾信息严重影响了人们的正常交流。垃圾信息消耗大量网络资源，损害用户利益，还会被一些别有用心的人用来散播虚假消息、商业广告或一些恶意的连接，危害社会安定。因此，垃圾信息过滤技术已经成为当前研究普遍关注的热点问题。本文研究了基于机器学习理论的垃圾信息过滤技术。由于该过滤技术具有正确率高，成本低等特点，已成为解决垃圾信息过滤问题的主流方法。本文的研究内容主要分为以下几个部分：首先，研究了微博信息的特征。在特征提取部分，研究了基于词的特征提取方法和基于字节级n-grams的特征提取方法。其次，研究了基于机器学习的垃圾信息过滤算法，并实现了基于朴素贝叶斯、基于逻辑回归和基于支持向量机三种模型的垃圾信息过滤器，并从过滤器消耗的时间和过滤性能等方面评价三种过滤器的优缺点。针对SVM过滤算法的训练时间过长问题，提出了一种基于衰减因子增量式SVM算法，相比传统的SVM增量式学习算法，在准确率方面有所提升，而学习时间几乎不变。最后，提出了一个微博垃圾信息过滤系统（SFS）。该系统包括爬虫模块，打标模块，过滤模块等。利用打标模块将爬虫模块所爬取得数据进行标注，然后用过滤模块进行建模和检测。并对该系统进行了性能测试，系统可连续1个月不间断运行，其CPU使用率保持在28%以下，内存使用保持在650M~800M之间，没有过大波动。该系统可以实时的对垃圾信息进行过滤。