面向社交媒体的中文文本毒性检测研究综述

来源：计算机应用研究杂志2026年第1期北京时间：

作者：孙连毅,许静文,

单位：中国刑事警察学院公安信息技术与情报学院,沈阳110854；

摘要：随着社交媒体的快速发展，网络平台中涌现出大量带有歧视、辱骂、仇恨等毒性言论，对信息生态与社会秩序构成严重威胁。针对中文语境下文本毒性检测任务的发展现状，系统梳理了该领域的研究进展与关键技术。围绕任务定义、评估指标、数据资源、建模方法、典型应用与挑战展开评述，重点分析了规则匹配、特征工程、深度学习及预训练模型等方法路径，进一步讨论了多任务学习、跨语言迁移与大模型蒸馏等前沿方向。综合比较了不同方法的性能与适用性，总结了当前在数据匮乏、隐性表达、模型偏见与多模态建模方面的主要难点，并展望了未来研究的发展方向。相关研究为中文毒性检测任务的标准化建设与实际落地提供了理论基础与技术参考。

关键词：文本毒性检测,自然语言处理,深度学习,数据增强,

基金资助：公安部软科学项目(2023LL43)；辽宁省教育科学“十四五”规划项目(JG24DB479)；；