互联网的快速发展给信息的共享创造了便利条件,同时也为虚假信息的传播提供了生存环境。研究表明虚假信息比真实信息具有更强的传播力度,会对个人的日常生活和社会的秩序产生影响。基于自然语言处理技术的事实检测旨在运用自然语言处理相关技术,自动判断信息的真实性。因此,研究基于自然语言处理的事实检测方法对遏制虚假信息的传播至关重要。基于自然语言处理技术的事实检测任务一般包含文章检索、证据抽取、真假推理三个步骤。给定一个陈述,首先在知识库中检索出与陈述相关的文章集合,缩小搜索空间;然后从文章集合中抽取出证据集合,将证据粒度细化为句子级别;最后基于证据集合对陈述的真实性进行判断。当前事实检测任务面临如下挑战:（1）检测过程需要挖掘证据和陈述之间的逻辑关系,而逻辑关系比常见的语义关系更加复杂;（2）基于单条证据可能无法判断某些陈述的真假,需要根据多条证据联合推理;（3）证据和陈述之间不恰当的交互会对推理效果产生负面影响。面对上述挑战,本文围绕基于自然语言处理的事实检测方法,开展如下主要工作:（1）针对当前事实检测任务面临的挑战,本文提出了一种基于深度交互推理模型的事实检测方法。在文章检索阶段,通过成分句法分析和启发式方法抽取陈述中的实体集合,基于规则检索文章集合;在证据抽取阶段,引入对比学习思想解决数据集中不存在相关性分数标签的缺陷,通过为句子打分抽取证据集合;在真假推理阶段,提出一种基于端到端记忆网络的深度交互推理模型,模型首先通过多头映射机制全方位地捕捉证据所提供的信息,然后对端到端记忆网络进行改进,并将其升级为多层结构,从而深层次地挖掘证据与陈述之间的推理关系,最后对陈述的真实性进行判断。对比实验和消融实验验证了本文所提深度交互推理模型的有效性。（2）本文设计并实现了一个基于知识库的事实检测系统。本文从软件工程的角度出发,明确了系统的功能需求和非功能需求,对系统进行架构设计、模块设计和数据库设计。系统包括原始数据层、文章检索层、证据抽取层、真假推理层和结果展示层五个部分,集成了事实检测各个步骤的方法,进一步对检测流程进行优化,并将检测结果以文本和网络图的形式进行展示。本文所提事实检测方法在FEVER数据集上的正确率达到了74.52%,优于其它方法,测试结果验证了事实检测系统的有效性。