谣言的广泛传播对社会的危害性极大,轻则侵犯公民或社会组织的个体权利,重则造成社会恐慌,摧毁社会信任体系,甚至危害国家安全。很多学者研究了辟谣的相关方法,然而目前的辟谣工作仍然需要大量的人工干预,存在着工作内容繁琐、辟谣时效性滞后等问题。辟谣文本生技术能够极大降低辟谣工作的人工成本和时间成本,是及时抑制谣言传播、有效降低谣言社会危害性的关键技术。然而,目前关于辟谣文本生的方法还鲜有学者研究。辟谣文本生成主要存在以下几个难点:（1）辟谣文本生成对外部知识高度依赖,谣言本身信息无法支撑辟谣文本的生成。（2）辟谣文本是具有逻辑性的辟谣说明,存在着长文本生成困难的问题。（3）目前还没有面向辟谣文本生成任务的数据集构建标准。针对以上难点,本文主要研究内容与创新如下:1.针对辟谣文本对外部知识高度依赖的问题,本文以知识三元组的方式引入外部知识,提出了基于知识三元组的知识文本生成方法,该方法更好地关注到了知识三元组的内部元素和相对位置信息。实验结果表明,该方法在知识文本的生成任务上要优于经典的Seq2seq方法。2.针对辟谣长文本生成困难的问题,本文提出了基于知识约束的两步式辟谣文本生成方法,该方法不仅缓解了辟谣长文本生成困难的问题,还使生成的辟谣文本更具逻辑性。实验结果表明,两步式的辟谣文本生成方法在经典的BLEU指标上达到了 35.01的分数,比一步式的GPT-2方法提高了 19.96分。3.本文首次提出了面向辟谣文本生成任务的数据集构建标准。该标准充分考虑了辟谣文本生成任务对外部知识高度依赖的特性,定义了面向该任务的数据集由“谣言文本”、“知识文本”和“辟谣结论”三部分组成。