随着社会经济的迅速发展和互联网的普及,地域欺凌言论大量出现,给人们的正常生活带来严重的影响。如何对地域欺凌文本进行高效地处理和识别,成为互联网信息管理面临的一大挑战。目前,深度学习技术在场景分类、图像分割和自动问答系统等方面取得了巨大成就,也为地域欺凌文本的准确识别和分类提供了解决方法。相比于其他语言,中国汉字丰富多彩,包含大量的上下文语义信息,字符和单词在不同语境下常会出现一词多义、歧义等现象,使人们理解中文文本出现偏差或误解。传统的机器学习和单一结构的神经网络在捕获地域欺凌文本的关键信息时,会忽略大量的细节信息及上下文语义信息。因此,针对上述问题,本文以特征提取和文本分类算法的相关理论为基础,从中文字符、单词和句子等多个层次对文本进行表示,实现地域欺凌文本的准确识别和分类。具体工作如下:(1)针对目前国内没有公开的地域欺凌语料库的问题,本文采用爬虫技术爬取微博、贴吧和知乎等社交平台的地域欺凌言论,构建地域欺凌语料库,并对语料库进行标注,为进一步对地域欺凌文本进行研究和分析奠定基础。(2)为提高地域欺凌文本中上下文语境的利用效率,提出一种分层注意力双向独立循环神经网络的地域欺凌文本识别算法(HABInd RNN)。首先,为了从不同层次反应地域欺凌文本的关键信息,提取词向量和句子向量特征。其次,利用分层注意力网络(Hierarchical Attention Network,HAN)捕获文本的内部结构信息。最后,为避免文本中层次结构信息丢失,解决梯度消失和梯度爆炸等问题,引入双向独立循环神经网络(Bidirectional Independent Recurrent Neural Network,BInd RNN)以增强该算法对文本的描述能力,实现信息流的整合。(3)针对传统特征(如词向量特征)、单一结构或传统串联式算法在描述地域欺凌文本时忽略文本的子空间语义信息等问题,提出一种双支并联神经网络的地域欺凌文本识别算法(MS-Caps Net-MLCN)。首先,提取字符特征、汉字的拼音和音调特征、词向量和句子向量特征并融合。其次,构建并联神经网络,其中一支为多头自注意力机制引导的胶囊网络(Multi-Head Self-Attention Mechanism Capsule Network,MS-Caps Net),另一支为多头自注意力机制引导的多尺度长短期记忆卷积神经网络(Multi-Head Self-Attention Mechanism Multi-scale Long Short-Term Memory Convolutional Neural Network,MS-MLCN)。利用多头自注意力机制对融合后的特征进行权重分配,利用胶囊网络对高权重的关键特征进一步挖掘并生成向量标签,并通过多尺度长短期记忆卷积神经网络进一步捕获丰富的上下文和子空间语义信息,两分支形成信息互补。最后,使用Soft Max分类器实现地域欺凌文本的准确识别。