微博消息真伪混杂，虚假消息传播速度快、影响范围广，对社会、企业或个人能造成极大的不良影响。人为判断消息的真伪在时效性和准确性上存在很大挑战，因而构建智能的、有效的识别虚假消息的机制,评估消息可信度成为一个非常迫切而重要的问题。本文以主流微博上的消息和用户为研究对象，结合自然语言处理、统计学习以及行为分析等理论构建模型。本文的研究工作主要体现在以下两个方面：第一，微博水军识别研究。微博用户在微博平台中起主导作用，识别微博水军是评估消息可信度的重要过程，目前识别微博水军多为人工识别，难以在大数据中达到理想效果。本文通过分析微博中普通用户和水军的属性和行为差异，定义识别水军的有效特征，对特征的准确性进行了实验性对比，利用概率图模型的思想，构建了自动识别微博水军的WGM模型。将国内外最具代表性的两个微博平台新浪微博和Twitter数据作为实验样本，进行大量对比实验，结果显示利用提出的特征可以有效的识别微博平台中的水军，且WGM模型比传统的机器学习方法更准确、有效。第二，微博谣言检测与消息可信度研究。评估微博消息可信度，对消息真伪做出判别是一个非常重要但困难的问题。本文从微博评论出发，定义支持性、内容相关性、置信度三个特征衡量评论在谣言与真实微博中的差异性，利用评论特征构建BPCM模型评估消息可信度，判别消息真伪。采用新浪微博真实数据对特征与模型进行详细对比分析，结果表明利用微博评论可以有效的评估消息可信度，判别消息真伪，特征对谣言与真实微博的评论区分度较好，BPCM模型可以有效地解决消息可信度的评估问题以及谣言检测问题。本课题的研究内容有助于国家舆情监控、企业营销分析以及领域事件分析和精准搜索。