摘要

网络平台上的反伊斯兰言论助长了偏见与不宽容，因此对其进行有效识别与清除对于促进社会和谐至关重要。传统仇恨言论检测模型主要依赖自然语言处理（NLP）技术，如分词、词性标注以及编码器-解码器架构等方法。然而，图神经网络（Graph Neural Networks, GNNs）凭借其能够建模数据点之间复杂关系的能力，在仇恨言论检测方面展现出更高的有效性与更强的可解释性。本文提出一种新范式，将言论表示为图中的节点，并根据其上下文关联性与语义相似度构建节点间的边，从而构建语义图结构。该研究利用GNN模型识别并解释针对伊斯兰教的仇恨言论，通过预训练NLP模型生成的词嵌入连接文本，深入理解仇恨言论的语境与模式。实验结果表明，该方法在检测性能上达到当前最优水平，显著提升了识别准确率，同时提供了具有实际意义的解释能力。这一成果凸显了图神经网络在应对网络仇恨言论方面的巨大潜力，有助于构建更加安全、包容的网络环境。