近年来社交媒体的迅猛发展拓宽了人们获取信息的渠道,人们可以随时随地的从社交媒体平台上获取各种即时内容。但是社交媒体在给人们获取信息带来巨大便利的同时也促进了虚假信息的传播,给人们造成严重的负面影响。帮助用户识别社交媒体中的虚假信息变得尤为重要。互联网内容可信性的鉴别并不是一个崭新的研究领域,自上个世纪末开始便得到了高度重视。但是相比传统的互联网媒体,社交媒体用户生产内容和开放性的特点使得社交媒体中内容混杂,内容传播的网络结构更加复杂,给内容可信性的判断带来了新的挑战。针对于上述问题,已有的研究在分析社交媒体内容可信性的时候大多忽略了用户的主题特性,缺乏对用户可信性的细粒度考虑,另一方面也忽视了用户从众行为带来的干扰,本文将从这两方面入手展开对社交媒体内容可信性的研究,主要研究内容为:首先,建立社交媒体内容可信性评价模型。在新浪微博公开数据集的基础上,分析社交媒体中用户所体现的主题倾向和从众行为,然后将用户发表或者转发内容的行为视为投票行为,采用生成模型的思想,将用户的主题因素、从众因素以及内容的可信性因素融入到用户投票的生成过程中,利用贝叶斯网络对用户投票的产生进行建模,从而得到社交媒体内容可信性评价模型。其次,求解社交媒体可信性评价模型的参数。一方面,根据吉布斯采样的原理,对模型中隐含变量的联合概率分布和转移概率分布进行推导,从而求得隐含变量的采样规则。另一方面,利用先验分布和似然函数的共轭关系,分别对内容可信性、用户主题分布和从众行为分布的后验概率进行推导,从而得到各个参数的估计值。最后,设计实验验证本文模型的有效性。采用本文提出的社交媒体内容可信性评价模型分析新浪微博公开数据集中微博内容的可信性,验证用户主题分布和从众行为对判断内容可信性的影响,并通过对比实验体现本文提出模型的优势。实验最终结果表明,相对于已有的内容可信性评价模型,本文模型能够更加准确的判断社交媒体内容的可信性。