随着新一代通讯技术的越来越成熟,使用手机的用户也在不断增加。然而移动通讯让大众的生活更方便的同时,也带来了新的问题。越来越多的团体和个人为了实现他们的利益不断的向手机用户发起垃圾语音,给大众的生活带来了很大的困扰。为了解决以上问题,识别与过滤垃圾语音的相关研究由此诞生。目前常见的垃圾语音识别方法主要包括基于通信行为的识别方法、基于信誉模型的识别方法和基于语音识别的识别方法,虽然它们在各自的研究背景下都获得了不错的成果。但是这些方法也有很多不足之处,比如基于通信行为的识别方法不能很好的适应用户的通信行为动态变化,基于语音识别的垃圾语音识别方法有侵犯用户隐私的问题,基于用户信誉的识别方法只考虑了用户的信誉值,没有考虑用户个性化问题等。针对上述问题,本文通过对用户的通话记录数据进行分析,提出了一种基于用户社交关系图谱的垃圾语音识别算法。本文首先对原始的通话记录数据进行数据预处理,在此基础上基于用户之间的通话关系构建用户层面的社交关系图谱,提出了基于通话时长和通话次数计算信任度的方法,并对图谱的特征和用户的社交行为进行分析,然后提出了基于两种机制的识别垃圾语音的算法:一种是针对间接连接节点,基于最短路径算法Dijkstra和局部信任度算法TidalTrust来计算两个节点之间的局部信任度,进而进行垃圾语音的判别;另一种是针对孤立节点,基于PageRank算法思想来计算节点在图谱中的全局信任度,从而判别是否为垃圾语音。最后通过实验对算法进行测试和对比,实验对比结果说明所提出的识别垃圾语音算法具有较好的效果。