随着互联网技术的发展,社交网络服务逐渐影响着人们的生活,微博作为社交网络服务中非常重要的组成部分,在带给用户资讯便利的同时,其中也充斥的网络谣言,轻者影响个人,重者影响社会,所以如何能自动有效的识别微博谣言,引起了社会和有关研究者的广泛关注。传统的对于微博谣言识别问题的研究,研究者们大多都将其看成一个二分类的有监督学习过程,特征属性的选取往往是工作的重点,主要有基于内容的特征,基于传播的特征以及基于用户的特征,这些特征属性都是浅层次的,忽视了对更深层特征的挖掘,比如评论情感倾向以及传播结构,不能取得较好的识别微博谣言的效果。本文以国内最大的微博平台,新浪微博为例,在以往研究者研究成果基础上,提出将微博评论的情感倾向性特征加入到微博谣言识别的特征属性之中,同时将微博转发过程模拟成传播树结构,通过图核函数计算传播树的相似性,并以此提出一种基于情感极性的混合核支持向量机分类器(Sentiment-based hybrid kernel SVM,SHSVM)完成对微博谣言的识别,本文的主要工作包括:首先对获取的微博数据进行垃圾评论过滤、分词等预处理操作,然后使用情感词典对微博评论情感倾向性进行分析得到情感特征,接着基于图核,构建混合核函数用于支持向量机的分类,最后利用本文提出的基于情感极性的混合核支持向量机分类器(SHSVM)进行分类实验。实验结果表明,本文提出的分类模型比以往的研究模型,具有更好的谣言识别效果,具有一定的实际应用价值。