互联网技术的发展给人们的生活带来极大的便利,人们通过网络获取信息变得越来越便捷。大量的信息充斥着我们生活的同时,一些不良分子出于利益的目的,发布了一些包含有色情暴力、政治敏感和广告促销等不良敏感信息。这些不良信息会对人们的财产和身心健康造成恶劣的影响,也给社会和国家带来不稳定因素。现有的网络监管平台通过设置敏感词的关键词表来对这些不良信息进行过滤,这种方法对不良文本中使用的规范敏感词的识别效果很好,实现起来也比较简单,然而近年来,很多恶意的发布者为了避开网络监管平台的审查,会将不良文本中的敏感词进行变体,这些变体的敏感词特征多样,含义隐晦,给网络监管平台的识别带来极大的挑战。针对上述的问题,本文通过研究不良文本变体特点、分析现有的过滤算法优缺点的基础之上,提出了基于Stacking组合的不良文本变体的识别模型,并在这基础上进行改进。首先,目前用于不良文本变体识别任务的开放语料相对匮乏,本文收集了网络上一些不良文本及其变体,然后通过去除非法字符、中文分词等文本预处理,来构建文本的数据集。接着在研究词向量的离散表示和分布表示的基础之上,结合不良文本变体的特点,使用Word2vec进行词语向量的表示,来挖掘敏感词变体后和目标词之间的联系。其次,通过分析现有的字符串匹配算法、数据挖掘中关联分析算法和传统机器学习中贝叶斯算法在不良文本变体识别中的优缺点,提出基于卷积神经网络、循环神经网络不良文本过滤算法。同时为了加速训练,对模型的输入进行进一步优化,接着使用简单快速的多层感知机进行不良文本变体过滤。最后,由于卷积神经网络难以捕捉到长序列的间的相互联系;循环神经网络可以学习长序列但无法并行计算;多层感知机会失去词语的语义信息。于是,在本论文中,将它们作为初级分类器,然后采用集成学习中Stacking组合模型的方法进行构建不良文本变体识别的模型,并在Stacking模型基础上进行改进,进一步提高识别的正确率。