李亦轩，刘克剑，杨潇帅，李伟豪，冯媛媛

（西华大学计算机与软件工程学院，四川 成都 610039）

随着时代飞速发展，虚拟网络的社交平台发展迅速，微博等社交平台已经成为分享生活、分享新闻、分享知识的重要社交方式。但是，其便捷的传播方式、热点链式传播烈度，也为虚假信息扩散带来“方便”。虽然这些虚假信息在短时间内被官方澄清，造谣者受到公安机关严肃处理，但是其还是产生了高的讨论热度，上榜热搜。部分网民在没有证实信息真实性情况下，选择盲目相信网上一些有热度但又不一定真实的消息，从而出现真相跑不过谣言的情况，这给社会造成了负面影响。人们一般都是依靠自己的常识或通过一些权威网站的辟谣社区（例如微博的官方辟谣账号“@微博辟谣”等）判断消息的真实性，但是这类媒体或网站可能具有滞时性和专业方向细分特性，导致对虚假信息不能及时澄清。

正确识别网络虚假信息是制止其散播的重要前提。GUO 等[1]认为虚假信息的情感比真实的新闻更加强烈，一些表示极端情绪的情感单词出现的频率会更高。例如“anger”“sadness”之类的词，带有强烈情感色彩会更容易出现。近年来，随着深度学习的发展，计算机视觉、文本翻译以及句子分类、句子情感分析等方面的研究都取得了不错的成果。Ma 等[2]使用深度学习模型对虚假信息进行提取特征分析，使用了RNN[3]（recurrent neural network）、LSTM[4]（long short-term memory）等循环神经网络模型对虚假信息进行特征提取。但是这些模型还存在很多缺陷，例如无法获取比较完整的词语含义、无法获取前置信息等，这会对虚假信息识别造成不小的影响。……