社交媒体的发展极大程度地改变了信息传播的方式。相较于传统媒体时期用户只能被动地接受内容,社交媒体时期用户同时扮演着信息接受者与创造者的角色,这使得社交媒体具备参与性、公开性、即时交流的特征。凭借上述特征,社交媒体加快了信息传播的速度、扩大了传播的广度与深度、降低了传播的成本,但也为虚假新闻提供了适宜的生存环境。鉴于社交媒体下虚假新闻对个人与社会的破坏性,虚假新闻检测成为亟待解决的重要话题。本文以社交媒体下的虚假新闻检测为主题,选取Weibo数据集为对象,从新闻内容、用户社交活动两个角度展开研究。在数据集说明与分析部分,首先概述数据集中各个文件包含的信息、定义了研究涉及的实体或概念,并基于相关实体构建了新闻的传播网络;接着选取网络案例并利用Gephi对其进行可视化分析以展示传播网络的结构与变化;最后,从社交网络分析的角度对传播网络进行统计分析——计算传播网络的网络规模、平均路径长度的统计特征,通过u检验发现,虚假新闻的网络规模、平均路径长度与真实新闻均存在显著的差异。在模型试验部分,基于新闻内容的方法选择了Word2vec+XGBoost、Text-CNN模型,基于用户社交活动的方法选择了Deep Walk+XGBoost、Node2vec+XGBoost、GAT模型,并结合新闻内容与用户社交活动构造了混合模型,实验结果表明GAT、混合模型具有较好的表现,两者的准确率达到85%、90%。其次,为了验证GAT与混合模型是否具备早期识别虚假新闻的能力,构建不同规模的传播网络,并利用GAT与混合模型对数据进行训练与测试,实验结果表明两模型在网络规模达到40%时即具备较好的检测能力。最后,在探索不同类别的特征对虚假新闻检测重要性的实验中,发现使用用户相关特征比使用帖子相关特征模型的准确率更高。