近年来,随着互联网技术的不断发展,观看直播的休闲娱乐方式广受青少年欢迎。直播最吸引人的地方在于其超强的实时性和互动性,在直播间的用户可以通过发送弹幕的方式和直播间其他用户进行交流。所谓“弹幕”是一种新型的用户评论展示方式,它不像原始的评论均放在讨论区展示,弹幕评论会从直播画面上划过,使用户具有很强的参与感。正是因为弹幕文本的实时性,一条弹幕文本信息可以快速地传递给直播间所有的用户。所以,如果直播弹幕中存在大量包含侮辱性语言和不良信息的垃圾弹幕,则会影响用户的观看体验,造成用户流失。传统的处理垃圾弹幕问题的方法主要是设置关键字和人工审阅两种,效率和正确率很难得到保障。因此,考虑将文本分类算法运用到弹幕文本的分类上,使得服务器能够自动分类出垃圾弹幕并进行过滤,避免推向直播间所有用户,以此提高直播间弹幕质量,达到提高直播观看体验的目的。朴素贝叶斯算法是一种常见的文本分类算法,是通过计算先验概率和条件概率,再利用贝叶斯定理转换求解后验概率的过程。基于贝叶斯的垃圾弹幕过滤算法在贝叶斯算法的基础上,结合弹幕文本所具有的平台相关性特点,利用用户平台等级特征来辅助后验概率对弹幕文本进行分类。另外,结合弹幕文本所具有的连续相似性特点,设计了一种基于LRU的弹幕分词和分类结果的键值对缓存,减少算法对于连续几条相似弹幕的重复分类计算问题,优化算法过程。最后本文通过爬虫算法爬取直播平台真实的弹幕数据,并利用该数据设计测试。进行实现和测试后,通过选定的算法评价指标,验证了本文所提到的基于贝叶斯算法的垃圾弹幕过滤方法的有效性。