社交媒体极大地提高了新闻传播的效率,然而,由于发布于社交媒体平台的新闻不再由记者或专家进行验证,导致虚假新闻泛滥于社交媒体平台,对社会的长治久安造成了很大威胁。因此,发现、整治假新闻一直是社交媒体平台和政府机构的一项重要工作,但传统人工鉴别的方式已不能适应社交媒体新闻爆炸性的增长,亟需自动化的方法来完成这一任务。鉴于这一需求,社交媒体新闻可信度自动化评估逐渐成为学术界和产业界的研究热点之一,其关键在于判别社交媒体新闻所描述事件的真实性。然而,已有研究大多以单一报道来评估新闻事件的真实性,所得到的结果难以全面和客观。此外,虽然研究者在社交媒体新闻可信度自动评估的理论和算法上已经取得一定的进展和突破,但完整的系统实现方案尚比较少见。针对上述问题,本文提出了一种基于多源评分融合的社交媒体新闻可信度评估框架(A Credibility Evaluation Framework of Social Media News Based on Multisource Score Fusion,CEFN),利用社交媒体新闻报道的多源性,融合多个报道源的可信性来判定新闻事件的可信度。因此,相较于依赖单一新闻报道的评估方法,CEFN对社交媒体新闻可信度的评估结果更加全面和客观。此外,在新闻报道源的可信性评估中,CEFN充分考虑了新闻源的作者信息和文章信息,相较于依赖单一特征的评估方法,CEFN考虑因素更加全面,评估结果更加准确。CEFN为社交媒体新闻可信度自动化评估系统提供了一个完整的实现方案,该方案下的自动化评估系统主要包括多源新闻收集、新闻源评分评估和多源评分融合三个功能模块。首先,多源新闻收集模块通过一个三步方法收集和过滤来自社交媒体平台的新闻文章,其目的是为新闻可信度的评估工作收集更多的源数据支撑;然后,新闻源评分评估模块通过两组特征集合(即,基于作者的特征集和基于文章的特征集)对单一新闻报道源进行可信度评分,评分用以描述新闻源对新闻真实性的支持度;最后,多源评分融合模块基于DS证据理论对多个新闻源的可信度进行融合计算,并形成最终的判定结果。本文使用真实的社交媒体新闻数据对CEFN进行了性能测试,实验结果验证了CEFN在社交媒体新闻可信度评估中的有效性和先进性。