近些年来,在线社交平台逐渐成为人们日常生活中不可分割的重要组成部分。然而,在社交平台带给人们便利的同时,平台中的欺凌言论也严重影响着人们的心理健康。如何准确高效的从社交平台言论中检测出欺凌言论具有重要研究意义。目前相关的研究主要分为两类,基于文本信息的欺凌检测和融合辅助信息的欺凌检测。前者仅依靠文本特征对言论进行检测,然而网络言论“噪声多,缺乏上下文”的特点给文本特征提取带来困难,导致该类算法无法取得较好的检测效果。为解决这个问题,后者将文本情感信息、用户属性信息、多模态信息和社交平台元信息等作为辅助信息,以补充上下文、提高检测准确率。通过对相关研究工作进行分析,发现目前的检测方法仍存在以下几个问题。问题一:文本特征提取方法难以准确地表示欺凌文本中的“不良文本变体词”。问题二:多数辅助信息具有局限性,导致融合辅助信息的欺凌检测方法适用场景受限。问题三:辅助信息的辅助效果与其特征提取手段紧密相关,需要有效地对辅助信息进行表示学习。本文从以上三个问题出发对欺凌检测算法进行分析研究,主要贡献如下:首先,本文阐述了网络欺凌检测的研究背景,并对研究现状和相关技术进行了详细分析。其次,基于对真实数据集的分析,针对以上问题提出两个欺凌文本检测算法:（1）基于原文情感特征的欺凌文本检测算法:该算法在文本特征的基础上,将原文情感特征作为辅助信息,对评论文本进行检测分析。特别的,针对问题一,提出一个基于局部敏感哈希的文本表示学习方法用于文本特征提取。该文本表示学习方法能够准确表示欺凌文本中的“不良文本变体词”且具有较高算法效率。（2）基于多类型辅助信息的欺凌文本检测算法:该算法在基于原文情感特征的欺凌文本检测算法的基础上,针对问题二,加入元信息作为第二类辅助信息,扩大检测算法适用场景。此外,针对问题三,提出一个基于属性异构信息网络的特征融合技术,高效地对多类型元信息进行融合及表示。最后,在真实数据集上进行了大量的实验,并验证了本文所提算法的有效性。