随着时代的进步,人们在生活中对男、女性平等观念的认知有很大提升。然而,网络技术的飞速发展,使得人们与网络平台的参与度急剧增加,由于当前网络缺乏监管和隐匿性的特点,部分网民在网页贴吧、社交平台、网络通讯等网络媒介,大量发表性别欺凌言论,对他人进行歧视、讽刺、挖苦、甚至辱骂行为,不仅给他人心理上造成了严重的伤害,而且给社会带来很多的负面影响。网络数据的巨大和冗杂,使得人工处理这种欺凌言论,成为一种难题。然而,人工智能技术和深度学习的不断发展和进步,使得大量网络欺凌言论的有效管理和应用面临新的机遇和挑战。本文旨在利用人工智能和深度学习技术,研究网络性别欺凌文本识别方面的应用,针对自然语言处理文本识别领域的需求,提取文本特征,同时对深度学习模型算法进行应用、改善和优化,构建适合性别欺凌文本识别的智能算法模型。本文的研究内容和创新点主要包括以下几个方面:(1)构建中文性别欺凌语料库和性别欺凌语境体系。针对中文性别欺凌语料的缺乏,本文收集了今日头条、新浪微博、天涯论坛等社交网络上的性别欺凌语料,在语言专家的帮助下,对语料进行了标注,构建了中文性别欺凌语料库;同时,为了更好的挖掘文本语义特征,根据中文的语境特点,构建了有利于性别欺凌识别的语境体系。(2)提出一种基于语境、结合注意力机制的切片循环神经网络和胶囊网络并联联合算法模型(CASC)。通过该方法,可以获取时序多个层级语义高级信息,同时通过分析上下文语境,挖掘欺凌词之间的依赖关系和深层语义特征,提高了性别欺凌文本的识别率。(3)提出一种基于词向量、词性的注意力特征和独立循环神经网络语境特征的算法模型(MACINR)。一方面,该模型可以通过多层注意力特征保留文本更多重要信息,增强了欺凌词之间的内在关联,能够挖掘更多深层语义信息;另一方面,通过独立循环神经网络语境特征,可以让欺凌语句和欺凌词之间建立更多关联,提高特征的融合度,实现信息流整合,进而提高模型整体的性能,达到有效识别性别欺凌文本的效果。本文根据构建的中文性别欺凌语料库,从文本中提取词向量注意力特征和词性注意力特征,以及充分利用深度学习算法模型的优势,挖掘文本深层次的语境特征,实现了性别欺凌文本的自动分类和有效识别。