信息化时代方便了人们通过各种渠道获取新闻,同时也使虚假新闻以前所未有的速度快速传播着。虚假新闻的发布者一般持有特定的目的,如影响舆论或欺骗大众。人为识别虚假新闻需要依据大量的事实,代价十分昂贵,机器学习方法的引入为虚假新闻的识别提供了有效途径。传统的监督学习方式往往需要足够数量合格的正反实例,而对于虚假新闻来说,建立大型的虚假新闻数据集是相当困难的,并且由于虚假新闻表现形式的多样性,即使搜集大量的证据,也未必能区分一条新闻的真假。因此研究能够通过少量训练集识别虚假新闻的机制是必要的。此外,很多研究者对于能否通过文本特征识别虚假新闻存疑。针对上述问题,本文从主动学习和虚假新闻文本特征提取这两个方面展开了研究,本文主要贡献如下:(1)针对虚假新闻危害的严重性,本文研究了基于内容的虚假新闻识别。在新闻发布之前,社交媒体平台根据新闻文本特征判断新闻的真实性,有利于在源头上制止部分虚假新闻的传播。文中说明了基于内容识别的相关原因,并详细分析了真假新闻之间的文本特征区别。(2)针对初始集质量对分类器的重要性,以及在当前新闻表示下,新闻实例分布的复杂性,提出基于中心点选择的初始集算法,设计不同的类中心点策略和初始集选取策略,比较了多种主动学习算法对虚假新闻识别的影响,并进一步分析了各个参数的影响。(3)针对部分真假新闻文本形式上非常相似的问题,提出基于异常点处理的主动学习算法,把异常点的部分信息加入到训练集中。将传统的基于不确定采样的主动学习算法和基于异常点处理的主动学习算法分别应用到虚假新闻的识别当中,并与传统监督学习和深度学习方式进行了对比实验,分析了各种因素的影响,说明了本文的主动学习方法在虚假新闻识别中的有效性。实验结果表明,引入初始集算法后,在中文数据集下主动学习的初始准确率比经典算法的最终准确率高出多达9%。传统的主动学习比传统监督学习和深度学习的最终准确率至少提高了4%,基于异常点处理的主动学习可以将最终准确率再提高0.5%。此外,在与其他分类器最高准确率相同的情况下,主动学习只需要其他方法一半规模的训练集,初始集算法和异常点处理算法都可以在保持相似准确率的情况下,进一步减少查询次数,缩小训练集规模,这对缓解标注虚假新闻数据困难的现状有积极的意义。