根据 spam_messages_classify 基于 SVM 与 LSTM 的垃圾短信分类，可以采用以下步骤：

1. 数据准备：收集大量垃圾短信数据，包括文本、电话号码等信息。将数据分为训练集和测试集，用于模型训练和验证。

2. 数据预处理：对文本数据进行分词、去停用词等处理，将电话号码转换为数字向量。

3. 特征提取：从文本中提取关键词、情感分析、TF-IDF等特征。对于电话号码，可以使用独热编码或OneHotEncoder将其转换为数字向量。

4. 模型选择：根据问题描述，可以选择SVM或LSTM作为分类器。SVM是一种线性分类器，适用于小样本数据集；LSTM是一种循环神经网络，适用于序列数据。

5. 模型训练：使用训练集数据训练SVM或LSTM模型，调整参数以获得最佳性能。

6. 模型评估：使用测试集数据评估模型性能，计算准确率、召回率、F1值等指标。

7. 结果展示：将分类结果可视化，如使用柱状图表示各类别占比、饼状图表示各类别数量等。

8. 优化改进：根据评估结果对模型进行调整和优化，以提高分类准确性。

9. 部署上线：将训练好的模型部署到生产环境中，实现实时垃圾短信分类。基于SVM与LSTM的垃圾短信分类，包括模型、代码、数据、页面。