随着互联网的蓬勃发展,网络数据井喷式增长,人们被各种各样的网络信息包围着。这些网络信息中混杂着大量的不良语言,不仅干扰信息传递与知识共享,而且阻碍网络文化健康发展,严重污染网络空间环境,危害国家精神文明建设。为给网民提供友好的网络空间环境。针对网络不良文本短小,上下文信息缺失,且缺少专用数据等问题,本文采用半监督学习模型挖掘网络文本中的不良语言信息。主要研究工作如下:（1）网络不良词汇挖掘数据集和网络不良文本分类数据集构建。鉴于目前研究缺少网络不良语的专用数据集,本文采用网络爬虫技术先后爬取微博、贴吧、YouTube上网民对热点事件评论,经过数据筛查、数据清洗、人工标注等方法,构建了网络不良语言专用数据集。（2）针对网络不良文本短小多变,上下文信息缺失,语义模糊等问题,本文首先利用混合深度学习方法,构建网络不良词典,然后提出半监督学习模型SSVAE-WD对网络不良文本进行分类。首先引入自定义网络词典训练词向量,得到文本词向量表示,再利用变分自编码器的特点,通过在均值网络中加入高斯噪声使解码器对噪声更有鲁棒性,可以准确的重构出输入信息,减少文本信息损失,进而对网络不良短文本进行有效特征表示。实验结果表明SSVAE-WD模型能够有效的对网络不良数据进行分类。（3）针对目前研究中文本分类模型过度依赖有标记数据问题,本文提出UDA-SR模型对网络不良文本进行分类。采用随机删除、同义词替换、随机交换、随机插入,这四种数据增强方法对无标记的网络不良文本进行数据扩充,利用一致性正则化思想计算无标记网络不良数据和扩充后的无标记网络不良数据的损失,并采用交叉熵损失方法计算模型预测的有标记的网络不良数据伪标记与真实标记的区别。实验测试表明,与监督学习模型BERT相比,UDA-SR模型能够在较少的有标记数据集支撑下得到较好的分类效果,通过增加无标记数据集,能够进一步提升模型的分类性能。