根据中国互联网信息中心于2021年2月发布的第47次《中国互联网络发展状况统计报告》显示,截至2020年12月,我国网民规模达9.89亿,网民使用手机上网的比例增致99.7%。开放包容的互联网环境丰富了人们的日常生活,提升了居民生活品质,提高了工作效率。然而,作为一把双刃剑,网络中流转的内容鱼龙混杂,其中的不良信息会对正常用户带来极大影响,严重侵害人身安全,败坏社会整体风气,甚至诱导他人走上违法犯罪道路。不良文本通常以即时聊天或评论等形式出现,其中色情、暴力、违禁等内容具有很强烈的负面信息,其特点是文本长度较短、语言结构多变、语义模糊。此外,这类文本还具有很强的规避性,一些常见的不良词通常以异形、变体等方式替代,传统的人工规则与机器学习模型很难对其有效识别。本文在调查研究文本分类和不良信息识别相关技术的基础上,提出一种基于多特征图卷积嵌入的短文本分类模型,结合工程化思想设计一套高效的不良词库扩充与检索方案,最终对不良文本识别系统进行设计与实现。论文主要研究工作如下:1)基于多特征图卷积嵌入的短文本分类模型。考虑到短文本特征稀疏、语言结构多变、语义模糊问题,提出一种融合文本多特征（Multi-feature）的图表示方法,将文本依存关系和文档、词性信息表示为异构图,利用图卷积网络（Graph Convolutional Network,GCN）捕获图结构特征,最后将训练好的词嵌入（Word Embedding）输入Transformer模型,学习节点间多跳信息以减小噪声特征节点对分类的影响。实验结果表明,相较现有文本分类基线模型,本文提出的MFGCE-Transformer模型在多组中文短文本公开数据集上准确率和F1分数均有提升。2)基于前缀树和词频-逆文本频率的不良词识别模型。考虑到不良文本具有规避性、不规范性等干扰模型识别的特点,从近义词、异形词、变体词角度出发,设计基于词嵌入与局部敏感哈希、基于隐含马尔可夫模型与汉语拼音、基于汉语拆字字典的不良词库扩充方案;使用前缀树对不良词库进行建模,并将词频-逆文本频率作为停止节点标志。实验表明,本文提出的不良词识别模型具有高效性。3)不良文本识别系统的实现。基于上述思路,结合软件工程方法对不良文本识别系统进行设计与实现。将收集并标注的微博评论及社交网络聊天脱敏数据作为测试对象,测试结果表明本系统在不良文本识别任务上具有优异效果,同时具备可扩展性。本论文课题来源于企业项目,所提出的算法改进方案应用于实际工程中,在识别效果和效率上均有提升,具有较强的实用性。