对垃圾短信进行过滤识别研究具有重要的社会价值和时代背景意义。针对传统的人工设计短信特征选择方法中存在数据稀疏、特征信息共现不足和特征提取困难的问题，提出一种基于词向量和卷积神经网络（CNN）的垃圾短信识别方法。首先，使用word2vec的skip-gram模型根据维基中文语料库训练出短信数据集中每个词的词向量，并将每条短信中各个词组所对应的词向量组成表示短信的二维特征矩阵；然后，把特征矩阵作为卷积神经网络的输入，通过卷积层的不同尺度卷积核提取多尺度短信特征，以及利用1-max pooling池化策略得到局部最优特征；最后，将局部最优特征组成融合特征向量放入softmax分类器中得出分类结果。在10万条短信数据上进行的实验结果表明，在特征提取方式相同的情况下，基于卷积神经网络模型的识别准确率能够达到99.5%，比传统的机器学习模型提高了2.4%~5.1%，且各模型的识别准确率均保持在94%以上。