奚金霞

（四川大学网络空间安全学院，成都 610065）

0 引言

中国社会科学院2020年发布的《中国新媒体发展报告》指出［1］：我国网民在接收新闻信息时，倾向于通过移动端从微博、微信等社交媒体获取信息，电视、纸媒等传统媒体在信息传播方面占有率大大下降。社交媒体的公开性、快捷性使人们可以随时随地分享自己感兴趣的内容，极大地方便了信息交流，但由于消息发布的便利以及社交媒体自身审核环节的薄弱，用户的无节制传播促进了谣言的泛滥，在线社交网络成为谣言传播的重灾区。谣言在传播过程中通常会被放大和扭曲，引起受众恐慌，严重时甚至会威胁社会的和谐稳定。因此，不论是对于网络环境的净化，还是社会稳定的维护，都迫切需要技术手段自动化检测信息内容的真实性，从而促进在线社交媒体上谣言的快速有效识别。

为了及时鉴别谣言，遏制其传播，业界做了大量的努力与尝试。早期基于浅度机器学习的谣言检测采用特征手动提取结合机器学习算法的方法，主要围绕如何选择和提取有效的特征来区分谣言和非谣言而展开［3］，所提取的特征通常分为四种类型：基于内容的特征，如句子长度、情感词数等［2］；基于用户的特征，如是否认证、用户类型等［16］；基于主题的特征（即前两个特征集的聚合），如集合中积极和消极情绪的比例等［5］；基于传播的特征，如传播树的深度、广度等［8］。之后，一部分研究探索了上述特征随时间变化的动态特性［3，6］，提出了基于时间序列的谣言检测方法。……