随着我国互联网的快速发展,种类繁多的社交媒体出现在我们的生活中。作为中国最大的微博社交媒体和信息交流平台,新浪微博平台一方面为用户提供了大量的信息,另一方面也助长了谣言的扩散,造成许多负面影响。及时发现微博网络中的谣言,提前估计谣言传播的范围及造成的伤害,抑制谣言大范围传播造成的损害,对社会和政府均有十分重大的意义。本文的主要工作是对微博谣言内容进行自动检测,同时对谣言在网络中的传播范围进行预估。在微博谣言内容检测工作中,本文引入了可以提取高级特征的LSTM深度学习方法,并构建出基于LSTM的微博谣言鉴别模型。通过使用不同类型的神经网络结构进行实验,我们发现和浅层的机器学习相比,复杂的深度学习模型对谣言有很强的识别能力,其中双向LSTM模型的效果最好。为了研究微博的传播特征对谣言检测的影响,我们提出了 LSTM生成句子级向量,并融合微博的传播特征来分析传播特征和谣言相关性。结果表明传播特征可以更好的帮助我们识别谣言。在微博的谣言传播研究中,本文从微博用户的角度出发,考虑用户对谣言的选择策略,构建出基本的博弈模型和责任均分的博弈模型。我们把博弈模型和微博谣言传播网络结构相结合,以此模拟谣言的传播过程。我们验证了方法的有效性。博弈模型可以一定程度上模拟出微博谣言的传播情况,其模拟结果受所处网络结构的影响。周围邻近节点转发谣言的情况会对当前用户产生很大的影响,即周围用户转发谣言的数量越多,当前用户越容易盲从。总体而言,本文不仅对微博谣言内容进行检测,而且建立博弈模型,模拟微博谣言在真实的网络结构传播的过程,评估谣言在网络中的影响范围,并验证了方法的有效性。