随着互联网相关技术的发展,越来越多的社交媒体平台涌现在人们的视野之中,人们在享受社交媒体平台带来的诸多便利的同时,也深受其中不良信息的干扰,其中便有攻击性语言。社交媒体中的攻击性语言,是指不为世俗所接受的攻击性言论,比如网络欺凌,性别歧视,种族歧视等等。很多社交媒体平台都会采用屏蔽关键词的形式来对其中的攻击性语言进行限制,但是简单规则匹配很难有效且准确地对文本的攻击性存在与否进行判断,越来越多的学者开始尝试利用自然语言处理相关的知识来解决这一任务。本文对于社交媒体中的攻击性语言进行识别与分类进行了细致的探讨,主要进行了以下几点研究:(1)社交媒体中攻击性语言的识别。该任务是指针对给定的文本,判断该文本中是否存在攻击性行为的二分类任务。针对该任务我们提出了BCNN模型,其利用BERT来提取上下文相关的文本表示,并通过卷积神经网络模型来获取文本其中的n-grams特征,利用该模型我们对社交媒体中的攻击性行为进行了有效的识别。(2)社交媒体中攻击对象的识别与分类。该任务是指针对给定的具有攻击性的文本,识别其中是否存在攻击对象,并对攻击对象进行分类。我们在BCNN模型的基础上,采用不同的方式添加了注意力机制,通过注意力来捕获文本中攻击对象信息。同时我们提出了两种网络结构来更好地结合通过CNN网络提取的攻击性信息和通过注意力机制来获取的攻击对象信息。(3)创建并融入外部知识。首先我们通过上下文相关的模型来进行词攻击性评估任务,即针对给定文本中的某个词语,评估该词语在当前上下文下的攻击性信息。随后我们利用该模型对前两个任务中的数据集中的每个词语进行评价,随后将每个词语的评价信息融入到前两个任务的模型之中。通过实验证明,在采用简单模型,或者采用少样本的数据集下,融合外部知识能有效地提高模型的效果。