随着互联网技术的进步,在线社交媒体网站在当今生活的各个方面都发挥着重要作用。近四分之三的人至少参与一个在线社交网络,如微博、知乎等,这些类型的在线媒体为他们的用户一定程度上提供了大量的信息。随着社交媒体使用率的不断增加,打击虚假信息的传播,降低从此类来源获取信息的依赖已经成为必要。社交平台一直面临着寻找有效方法解决这一问题的压力,因为用户与虚假以及不可靠新闻的互动导致其在个人层面传播的速度加快。这种错误信息的传播使人们对重要活动的看法产生了不利影响,因此,需要快速处理这一问题。本文研发的假新闻检测系统,主要是可以对假新闻进行检测,遏制住假新闻的扩散,减少假新闻对广大人民群众的影响,从而达到维护社会稳定,构建环境良好社交网络平台的目的。文本主要研究工作如下:（1）通过调查发现在社交网络中,用户能够很直接地发表出自己关于新闻的看法,因此用户对新闻的态度,可以看作是一种重要的特征。同时在新闻标题中也蕴含了作者的情感倾向,作者的态度对观看者会产生直接的影响,这种影响不能被忽略。所以,不仅选取了用户评论特征也选取了新闻标题情感特征。通过对上述的特征进行情感分析,可以有效的为新闻检测提供支持。为了更好的对假新闻进行检测,本文还提取了文本相似度特征及用户账号可信度特征。将特征输入到分类器中进行假新闻检测。相比较于单一的文本特征,提高了假新闻检测的准确度。（2）本系统主要设计并实现了一个基于机器学习的假新闻检测系统。该系统主要使用TF-IDF算法以及余弦相似度提取出新闻文本的相似度特征;使用融入情感词典的长短时记忆网络模型对用户评论及新闻标题进行情感特征分析,提取出用户评论和新闻标题的情感类别特征,同时也提取出用户账号可信度特征。其中算法模型采用了改进朴素贝叶斯分类器对提取到的特征进行加权运算,从而实现对真、假新闻的二分类。（3）本系统结合当前的需求背景进行了需求分析,确定了该系统应该具备的主要功能并对其进行了详细设计,该系统主要包括数据爬取、新闻查询、假新闻检测、分析结果可视化以及检测记录等功能模块。文章的最后也对相关的实现部分进行了展示。