互联网和手机的广泛普及使人们越来越依赖于这些媒介提供的信息，而这类信息大部分是以短文本形式存放的，因此人们对短文本过滤技术要求越来越高。传统的过滤技术仅仅实现关键字的判断，不能根据文本的上下文较好地理解文本的语义特征，因而过滤的效果难以满足人们的要求。基于这样的背景，本文对短文本建模、分类和过滤技术进行了研究和探索。本文的主要工作和贡献在于:　　 1.在研究短文本真实语料特征的基础上，提出了一种基于语义分析方法的短文本描述模型。该方法首先以“序列算法”处理原有向量空间，保留语法和语义特征，利用文本两个层次相关性(句子之间的相关性和句子内代表特定含义的关键字之间的相关性)实现对关键字的动态加权，另外使用马尔可夫模型来对局部权重与全局权重之间进行估计，最终生成了待分类的特征序列；在此基础上，该模型利用“概率潜在语义分析”将特征序列映射到潜在语义空间。　　 2.针对短文本语义信息缺乏的问题，提出了基于潜在语义分析的短文本分类体系。通过对统计语言模型和自然语言特别是汉语语言特性等理论的研究，论文提出了一种基于语法和语义相结合的短文本分类方法，该方法能够充分考虑短文本的特征，全面描述短文本的语法和语义特性，更加准确地对短文本进行分类。实验结果表明该方法可以提高短文本分类准确性。　　 3.建立了短文本语义分类原型系统。首先对大规模短文本集采用序列方法进行维数处理，然后将短文本序列映射到语义空间，在此基础上实现短文本分类系统。实验数据初步验证了本文工作的可行性和有效性。