تُشجع اللغة المعادية للإسلام على المنصات الإلكترونية على التطرف، مما يجعل الكشف عنها والقضاء عليها أمرًا بالغ الأهمية لتعزيز التسامح. تعتمد النماذج التقليدية للكشف عن الكلام الكراهية على تقنيات معالجة اللغة الطبيعية (NLP) مثل التجزئة (tokenization)، وتصنيف الجمل حسب وظيفتها النحوية (part-of-speech tagging)، والنماذج المشفرة-المفككة (encoder-decoder). ومع ذلك، تُظهر شبكات التعلم الرسومية (Graph Neural Networks - GNNs)، بفضل قدرتها على استغلال العلاقات بين نقاط البيانات، كفاءة أعلى في الكشف عن الكلام الكراهية وتوفر شفافية أكبر في التفسير. في هذا العمل، نمثل الخطابات كعقد (nodes) ونربطها بحواف (edges) بناءً على سياقها وتشابهها، لبناء رسم بياني متكامل. ويُقدّم هذا البحث نموذجًا مبتكرًا يستخدم شبكات التعلم الرسومية للكشف عن الكلام الكراهية الموجه ضد الإسلام وتفسيره. يعتمد نموذجنا على شبكات التعلم الرسومية لفهم السياق والأنماط الخاصة بالكلام الكراهية من خلال ربط النصوص عبر تمثيلات كلمات مُولَّدة مسبقًا بواسطة تقنيات NLP، مما يحقق أداءً متميزًا على مستوى الحد الأقصى في المجال (state-of-the-art)، ويعزز دقة الكشف مع تقديم تفسيرات قيّمة. ويُبرز هذا البحث الإمكانات الكبيرة لشبكات التعلم الرسومية في مكافحة الكلام الكراهية على الإنترنت، وتعزيز بيئة إلكترونية أكثر أمانًا وشمولية.