社交网络的飞速发展大幅度的缩减了人们在虚拟网络中的距离,减少了空间对信息传播的限制,同时网络中个人的影响力被过度的放大,用户内容创作的低门槛与消息传播的低成本,导致不实信息言论严重损害了社交网络中的信任体系。针对社交网络上的不实信息,本文提出一种可信度分析方法。主要分为三个步骤:首先,分析微博事件中评论用户的特征,包括用户属性特征与行为特征,建立水军用户检测模型,使用机器学习算法过滤水军用户,保留有价值的真实评论用户;其次,分析用户关系网络,通过聚类算法合理化用户影响力因子,因为现实中每个用户都会具有不同的影响力,但影响力并不等同于用户的判断能力,影响力较大的用户也可能会通过自身的影响力引导舆论方向,因此需要合理评估用户节点权重;最后,通过情感分类算法发掘真实用户的评论极性,判断微博事件评论中支持态度与反对态度的比例,配合用户自身权重,进行可信度分析,并结合集成学习算法提升判别准确率。实验表明本文中的可信度分析方法具有较高的准确性,可以有效的检测海量数据中的不实信息;并且经过比对发现,考虑用户关系对社交网络上的可信度分析具有积极作用,证实本文在社交网络谣言检测中引入关系网络的正确性,为之后的研究开辟了新的途径。