近年来,随着移动通信技术的发展与普及,互联网人口得以不断攀升。互联网企业推出了花样繁多的社交软件,巨大流量涌入各大社交平台的同时,不少别有用心的用户为了自身利益—一金钱、名誉、流量等,开始在社交媒体上发布并传播谣言,这对社会的和谐造成了严重的负面影响。面对社交网络中每天数以万计的信息,利用人工进行过滤与筛选显然并不现实。因此如何利用计算机自动有效地检测到社交媒体中的谣言信息,并及时加以阻止已经成为近年来信息领域重要的研究方向。本研究以微博数据为切入点,基于数据挖掘与图神经网络相关的技术手段,设计并实现了面向社交网络的谣言检测系统。本文的主要工作如下:(1)针对谣言传播过程中涉及到的发布用户和发布内容,本文从用户的基本信息、用户间的相似性、文本内容以及回复内容的情感倾向四个方面着手,利用数据挖掘与文本的表示学习为主要方法进行了特征提取。(2)设计了基于图神经网络的谣言检测模型。本文以图神经网络为基础算法,对谣言的传播结构进行建模分析,并针对实际应用场景,对比选择了合适的图神经网络算子,以此设计了节点向量的更新方法。其次,优化了基础的池化算法,以空洞卷积为基本结构设计了能够融合网络各层隐藏向量的池化模块,增强了图结构向量的表示能力。同时,在此基础上构建了特征融合模块,使得从各维度提取的特征能够有效的融合在一起,以提高模型检测精度。(3)设计并实现了谣言检测系统。该检测系统由数据采集、数据处理、模型计算以及业务应用四个部分组成。数据采集模块主要负责将各个来源的数据整理成统一格式存入数据库中;数据处理模块主要完成预处理以及特征提取操作;模型计算负责文本向量模型、情感分类模型以及谣言检测模型的部署与推理。业务应用则依托Flask框架搭建了 Web服务,为用户提供数据扩充,谣言检测以及数据可视化三大功能。