在当下这个信息大爆炸和互联技术蓬勃迸发的时代,人们可以从不同的渠道获得各式各样的信息,智能手机、IPAD等电子产品使得人与人之间的信息交流更加简便,人们无需特意守在电脑前浏览和上传各种信息内容。在网络环境下,现实和虚拟世界已经交织在一起,让人分辨不清。还有数不胜数的社交媒体平台涌现,为人们提供了丰富的信息交流共享平台。在产生信息交流的同时,也有大量谣言存在其中,特别是突发公共卫生事件中的网络谣言,它与每一个人的生活有关联,影响着整个社会的稳定和谐,甚至影响全球的大环境。因此,怎样有效地实现对网络谣言的检测识别,已经是网络谣言研究邻域的一个热点。在对已有谣言检测的相关文献研究分析中,了解到对谣言的检测研究,主要是基于某个社交媒体平台的谣言识别研究,但谣言的内容实际上存在明显的区别,有的是关于政治事件谣言;有的是关于娱乐事件谣言;也有的是关于经济事件谣言。不难看出对不同事件下谣言的研究著作有限,所以本文是提出以突发公共卫生事件中的网络谣言为研究对象。在检测方法上,传统的网络谣言检测主要是采用人工识别和机器学习的分类方法,机器学习方法的重点在于人工选择谣言特征,以及对所选择的特征进行提取等特征工程工作。而深度学习的方法是通过多神经网络的利用,自动完成对特征的提取,并且能够进一步实现对深层特征的提取。本文提出了一种基于深度学习的方法来对突发公共卫生事件网络谣言进行检测研究。主要研究方法是利用采集到的突发公共卫生事件中网络谣言数据构建基于CNN-BiLSTM融合的谣言检测模型。具体内容为:首先,通过收集有关谣言、网络谣言的检测或识别、突发公共卫生事件网络谣言和有关深度学习检测方法的相关研究文献。其次,对谣言、网络谣言和突发公共卫生事件的基本含义进行界定,并对突发公共卫生事件网络谣言特点和网络谣言检测方法进行介绍说明。再是,分析针对突发公共卫生事件网络谣言检测的常规模型,以不足之处提出本文所构建的检测模型,将谣言数据进行预处理后通过CNN网络和BiLSTM网络对网络谣言文本进行特征提取和学习,自动化发掘文本数据中存在的各种特征信息,从而实现对突发公共卫生事件网络谣言检测的目的。最后,通过对比实验,验证本文设计的对突发公共卫生事件中的网络谣言检测模型的有效性和准确度。