由于社交网络已成为人们生活中至关重要的部分,人们不得不面对社交平台带来的网络欺凌的危害。近年来,网络欺凌已经成为年轻人在社交平台最常遇见的危险,这引起社会的广泛关注。随着互联网的高速发展,网络上充斥着大量的数据信息（例如图像、视频等）,网络欺凌的方式也由纯文本向多模态数据融合方向转变。这种新型网络欺凌不仅能够多感官的影响人们的身心健康,而且提高了网络欺凌检测难度。因此,如何利用社交平台存在的多模态数据来检测网络欺凌事件具有重要意义。目前大多数网络欺凌检测研究仅基于文本信息,试图提取文本中的欺凌特征从而判断网络欺凌行为,但是这种纯文本的网络欺凌检测已经无法适应当下网络欺凌方式的多样性。因此,多模态网络欺凌研究受到关注。目前多模态网络欺凌研究忽略了社交平台的模态信息之间的交互关系,缺少有效的融合方法。本文以实际社交场景中的真实数据为基础,分析各个模态数据特点及它们之间的交互方式,从多模态数据处理和多模态数据融合两个角度出发,提出多模态数据驱动的网络欺凌检测算法。该算法利用分层注意力网络对评论数据建模、利用多层次CNN对图像数据建模、利用元路径游走的方式来学习异构网络的节点表示。最后,利用多模态数据之间的交互关系构建信息融合框架,提升网络欺凌检测效果。论文主要工作如下:（1）本文从模态数据提取和模态数据融合两个方面出发,提出多模态数据驱动的网络欺凌检测算法。该算法利用特征提取技术来学习模态的向量表示,利用各个模态数据之间的交互关系设计模态融合方法,最终实现多模态数据驱动的网络欺凌检测算法。（2）在两个真实社交平台数据集中验证算法的有效性,与其他先进算法结果对比来看所提出方法能够有效提升网络欺凌检测效果。本文为了验证各个模态在网络欺凌检测中起到的作用,设计消融实验来分析各个模态对网络欺凌检测贡献。（3）基于以上工作,设计并实现多模态数据驱动的网络欺凌检测算法的原型系统。