互联网上的攻击性言论严重扰乱了正常网络秩序，破坏了健康交流的网络环境。现有的检测技术更关注文本中的鲜明特征，难以发现更隐晦的攻击方式。针对上述问题，提出融合反讽机制的攻击性言论检测模型BSWD（Bidirectional Encoder Representation from Transformers-based Sarcasm and Word Detection）。首先，提出基于反讽机制的模型Sarcasm-BERT，以检测言论中的语义冲突；其次，提出细粒度词汇攻击性特征提取模型WordsDetect，检测言论中的攻击性词汇；最后，融合两种模型得到BSWD。实验结果表明，与BERT（Bidirectional Encoder Representation from Transformers）、HateBERT模型相比，所提模型的准确率、精确率、召回率和F1分数指标大部分能提升2%，显著提高了检测性能，更能发现隐含的攻击性言论；同时，与SKS（Sentiment Knowledge Sharing）、BiCHAT（Bidirectional long short-term memory with deep Convolution neural network and Hierarchical ATtention）模型相比，具有更强的泛化能力和鲁棒性。以上结果验证了BSWD检测隐晦攻击性言论的有效性。
