随着互联网技术的发展,社交媒体平台已成为人们日常沟通交流、获取信息的重要渠道,由于网络的虚拟性与隐蔽性,一些非法用户借助于社交媒体平台发布和传播负面言论,其中不乏充斥着色情、赌博、暴恐等敏感信息,严重影响着正常用户的网络社交体验,也影响着社会的稳定和长治久安。敏感文本通常以短文本形式出现,这些文本特征稀疏、包含的可用信息少、语法句式多变。其次,为了规避自动化匹配检测,这类文本中的敏感词还经常以其音变词、形变词的形式进行替代。此外,收集的文本数据集存在着严重的样本不均衡现象。本文在调查研究敏感文本识别与文本分类相关技术的基础上,提出了一种基于多模块图注意力机制的短文本分类模型,结合工程化思想设计了一套高效的敏感词及其变形体词库扩充方案,并针对文本分类任务提出了两种数据增强方法。本文主要研究工作如下:（1）针对社交媒体敏感文本分类任务,提出了基于多模块图注意力机制的短文本分类方法MGAT-Transformer-CNN。考虑到敏感文本句子长度短、包含的可用信息少,在文本图构建部分融入了文本的句法关系,使用图注意力机制进行特征提取。将图注意力机制嵌入到Transformer网络编码层中,并行多个模块的图注意力机制以多维度提取文本图特征。同时,并行卷积神经网络提取文本的局部特征,弥补图神经网络的不足。为了验证模型的有效性,本文将MGAT-Transformer-CNN与各文本分类基线模型进行实验对比,实验结果表明,本文所提的方法在短文本分类任务上有着良好的性能。（2）针对分词工具对敏感词识别精度不高的问题,提出了基于新词发现与敏感词变形体扩充的联合敏感词库构建方法。考虑到敏感词多以新词的形式出现在社交媒体平台中,设计了一种基于内部凝固度与外部自由度的新词发现算法,设定凝固度阈值用以切分词语,使用TF-IDF和改进的左右邻信息熵来计算凝固度词典中词语的外部自由度分数以筛选词集,最后得到敏感词词典。为了提高分词工具对敏感词变形体的识别,从拼音变体、同音或近音异形变体、拆分变体、形似词变体的角度对敏感词库进行了扩充。将得到的敏感词及其变形体加入到分词词典中,提高了分词算法对敏感词的识别准确率。（3）针对数据集样本不均衡的问题,提出了两种数据增强的方法。一种是基于已构建的敏感词变形体词典进行关键词替换,得到对应类别的新敏感样本。另一种是基于多模态检索的数据增强方法,通过多模态检索与相似度计算,得到敏感词的相近词用于样本扩充,在词语检索的过程中使用了分箱思想,将不同数据映射到相同的子空间内,极大地加快了词语的检索速度。（4）基于以上研究,系统地叙述了本文设计的社交媒体敏感文本分类整体架构,介绍了各个模块的详细设计。将收集并标注的敏感文本数据集作为实验数据,设计对比实验验证模型性能,实验结果表明本文所提方法在敏感文本分类任务上有着优异的效果,同时具备良好的可扩展性。