该文综述多模态恶意言论检测研究，涵盖模因、视频等载体。研究者提出集成学习、图像字幕融合、目标实体解缠等框架，结合音频与文本特征提升检测性能，并构建MMHS150K、HSDVD等公开数据集，推动仇恨言论识别发展。