潘德宇，宋玉蓉，宋 波

1(南京邮电大学 自动化学院、人工智能学院，南京 210023)

2(南京邮电大学 现代邮政学院，南京 210003)

1 引 言

谣言一般是指与某一事件相关未经核实的陈述或说明[1].随着社交媒体的迅速发展，谣言可以通过社交媒体迅速传播，微博等社交平台已经逐渐成为滋养虚假消息和散布谣言的理想场所，一旦虚假谣言被广泛传播，就会引发诸多网络安全问题，产生社会动荡.因此，谣言检测[2]至关重要.微博作为时下最火热的社交平台之一拥有数以亿计的用户基数，在居民生活中占据不可或缺的地位，本文选用微博社交网络作为典型进行研究.

谣言检测问题实际上是一个二分类的问题，目前关于社交媒体谣言检测的研究方法主要是基于深度学习方法.通过构造神经网络并搭配非线性函数学习文本中的潜在特征，通过卷积神经网络(CNN)[3]、循环神经网络(RNN)[4]等神经网络模型对文本序列进行特征表示学习，解决句子分类[5]、情感分类[6]等问题.这些构造神经网络的方法在谣言检测中取得了显著效果.

Ma等人[7]在2015年将微博事件相关所有内容根据时间先后建模为变长时间序列，提出基于循环神经网络模型学习文本抽象表示；刘政等人[8]在2017年提出卷积神经网络的谣言检测模型，将微博事件向量化，通过隐含层的学习训练来挖掘文本深层特征，但是这种方法提取出的文本特征并不全面；李力钊等人[9]在2018年提出的结合卷积神经网络和门控循……