社交网络在我们的现代生活中扮演着非常大的作用,且随着现代网络的不断提速以及联网终端设备的逐渐普及,各种各样多元化的信息充斥在社交网络平台上,随之而来的一个问题是谣言很可能在这种环境里孕育并进行大规模传播,甚至造成一定的社会恐慌。但社交网络用户的专业性以及目前社交平台谣言检测的机制都不足以及时发现和组织平台上谣言的传播。因而本文提出了一个基于社交网络平台的谣言的自动检测框架,并用在新浪微博平台上尽可能早的检测出谣言。本文实验的目标是在给定大范围话题(关键词)的前提下,进行可疑子话题的分析与检测,其工作主要分为两个部分,一是可疑子话题的检测,二是对检测出的可疑子话题进行可信度的分析。具体的思路主要是,在给定大范围话题的前提下,每隔固定检测时间从新浪微博平台上进行数据的爬取,将爬取下来的数据进行分词、词向量训练等基本处理后,利用词与词之间的相似性进行聚类操作,得到当前时段内的所有子话题,之后根据子话题被怀疑的程度进行筛选排序,初步筛选出存在谣言可能性的子话题。在这之后的工作主要是通过抽取子话题中微博的相关特征,包括微博用户、微博内容以及微博在传播时的相关特征进行子话题可信度的建模分析,筛选出最有概率成为谣言的子话题。综上所述,本文就给定关键词时可疑子话题的检测、子话题的可信度分析探讨和分析,并就分析和检测的及时性进行了探索和实践。本实验算法框架在真实的数据集上进行了实验,结果表明,本文工作在社交网络平台上谣言的及时分析和检测上取得了不错的效果。