基于 NLP 的中文有毒评论检测综述

随着移动互联网深度融合和社交平台的广泛普及，中文网络用户生成内容呈现爆发式增长。在这类内容中， toxic comments 的滥用对个体心理健康、社区氛围和社会信任构成严峻挑战。由于中文网络语言具有强烈的上下文依赖性、文化特异性和快速演化特征，toxic 表达常通过谐音、隐喻等复杂形式传递，这给传统检测方法带来显著限制。为此，本综述聚焦于中文网络 toxic 评论检测的自然语言处理核心议题，系统梳理并批判性分析了该领域的研究进展与关键挑战。综述首先界定了中文 toxic 评论的内涵与特征，并分析了其依赖的平台生态与传递机制。随后，全面回顾了现有公开数据集的构建方法与局限性，提出了一种新型的细粒度可扩展框架用于 toxic 评论定义与分类，并给出相应的数据标注与质量评估策略。我们系统性地总结了从传统方法到深度学习的检测模型演化路径，特别强调解释性在模型设计中的重要性。最后，详述了当前研究面临的开放性挑战，并就未来研究方向提出前瞻性建议。