本研究提出了一种新方法，通过图神经网络将社交媒体对话建模为图结构，以提升滥用语言检测的F1得分，强调了对话上下文的结构化重要性。

该文综述滥用语言检测中的偏见与去偏研究，提出XP-CB跨平台框架、mExCB可解释模型及BullyExplain数据集；分析性别偏见，采用去偏词嵌入、性别交换增强和微调可降低偏见90-98%；发现现有去偏方法有限，重标记数据更有效；Self-Debias最有效但影响语言建模；提出因果检测微调、交互式去偏等新思路。