沈瑞琳，潘伟民，彭 成，尹鹏博

新疆师范大学 计算机科学技术学院，乌鲁木齐830054

新浪微博的广泛应用，使信息的传播和共享更加的快捷。大量的微博用户随时随地地发表自己对各种信息的看法，这些信息借助关注者的转发，在整个社交网络中传播，其中不乏有谣言信息。谣言信息的广泛传播给人们的日常生活和社交网络的健康发展都造成了不利影响。因此，研究如何自动有效地检测谣言具有非常重要的意义。

研究表明[1-4]，当一条谣言信息被发表之后，其他用户在转发或者评论该信息时，常伴随着负面的情感，例如怀疑、焦虑、忧愁、忐忑、恐惧、惊慌等，相比于非谣言博文，谣言博文伴随的负面情感色彩更浓厚[1]。因此情感倾向作为谣言检测的一个重要特征，对于准确识别谣言有非常大的帮助。

目前，谣言检测主要采用基于传统机器学习和深度神经网络的方法，不仅研究了如何构建高效的神经网络模型，还研究了很多方面的特征，例如谣言的文本特征、情感特征[2]或发表者的相关特征等。

虽然基于深度神经网络的方法已经在微博谣言检测任务上取得了很大的进步。但是，采用基于受监督的单任务目标来训练模型面临着带标签数据不足的问题。对此，鉴于谣言与情感倾向的强关联性，本文采用多任务学习（Multi Task Learning，MTL）框架来共同学习谣言检测和情感分析两个相关任务，由于涉及多个任务的数据集，增加了谣言检测模型学习的数据量，解决了带标签数据不足的问题，并降低了单任务学习中的过度拟合程度。……