互联网背景下,社交媒体凭借其传播速度快、获取成本低、交流沟通便捷等特点成为新一轮的新闻消费高地,但同时也被裹挟着成为假新闻传播的基地。社交媒体相较于传统的新闻渠道,传播更快、影响更广,也使得假新闻的危害更加深远。假新闻的广泛传播不仅破坏新闻媒体和政府的公信力,更会对社会安全和公众生活产生影响。因此,如何自动识别社交平台上的假新闻成为业界和学界一个重要但具有挑战性的问题。目前,假新闻检测问题中有三个公认的特征:新闻内容、新闻用户和新闻发布者,但现有的检测方法大多仅侧重于从这三者中某一个方面的特性着手定制解决方案,没有充分利用三者之间的关联信息,从而在一定程度上限制了检测方法的效果和通用性。本文将从新闻传播过程的社会背景出发,将新闻、用户和发布者三个特征结合起来,深入挖掘用户的社交关系、传播假新闻的用户和发布者的群体行为及特征、用户-新闻和发布者-新闻之间的交互关系。本文在研究过程中,发现现有的模型倾向于利用机器学习方法和深度学习方法,很少从数学的角度进行模型构建,但Shu（2019）等[1]提出的Tri＿FN模型,不仅综合运用了上述三种特征,还将它们之间的关系利用数学模型进行了具体化阐述。但该模型的应用基础是英文文本,模型中部分特征的选择不适用于中文文本和中国国情,关于发布者-新闻关系的模型仅利用了发布者的一个静态背景属性,忽略了发布者本身也是社交媒体的用户,也会存在社交关系。本文改进了Tri＿FN模型,提出一个基于网络的三元关系嵌入模型Tri＿NET。首先,该模型在原有模型的基础上综合考虑了适合中国国情的发布者特征,一方面利用发布者属性特征计算发布者信誉评分,另一方面引入用户对发布者的追随关系,实现从背景和社交两方面深度挖掘发布者对新闻分类的作用。其次,为了更准确地获得用户与用户之间基于新闻形成的社交关系,本文没有采用传统的基于朋友关系的社交网络,而是利用社交关系理论结合相似度分析的方法构建社交网络。该方法不仅解决了社交媒体上用户信息难以获得的问题,且最终实验证明该方法是有效且合理的。另外,在特征的选择上综合考虑中国社交媒体的情况,对原模型中部分不适用于中国国情的特征进行了替换。最后,通过微博数据集上的实证分析,新模型明显优于原模型和其他基线检测方法。