1、微博謠言檢測是自然語言處理輿情分析中的一個(gè)重要的研究方向，具有廣闊的研究前景。在微博用戶日益增長和微博熱點(diǎn)話題持續(xù)傳播的今天，為了有效改善網(wǎng)絡(luò)環(huán)境，凈化微博平臺(tái)以及維護(hù)網(wǎng)絡(luò)中的安全與穩(wěn)定，有必要對(duì)微博中大量充斥著的微博謠言進(jìn)行治理。本文就是在這種背景需求下，對(duì)微博謠言檢測技術(shù)做了深入的研究和分析總結(jié)。
　　在對(duì)微博謠言檢測任務(wù)的介紹中，將原理和實(shí)際應(yīng)用結(jié)合分析了當(dāng)前謠言檢測技術(shù)的現(xiàn)狀。在前后文不符、信息事實(shí)夸大等謠言特點(diǎn)集中的背景

2、下，當(dāng)前檢測技術(shù)中缺少了根據(jù)微博文本內(nèi)容特征作為微博謠言檢測的依據(jù)，絕大部分是基于微博行為特征的方面。由于LSTM(Long-Short Term Memory)算法可以學(xué)習(xí)文本中上下文間語義密切關(guān)系，本文提出了基于深度學(xué)習(xí)的LSTM算法模型用于謠言檢測，并且從原理上論述了LSTM算法的作用。
　　本文研究的LSTM謠言檢測模型重點(diǎn)以微博文本內(nèi)容作為主要特征并且融合其它行為特征。LSTM模型以正常微博和謠言微博訓(xùn)練集中的微博文本入