目前微博已成为人们用来发布和浏览信息最常用的社交工具。以新浪微博为例,其每天的微博产生量超过5000万条。同时因其具有信息发布迅速以及传播速度快的特点,所以对该平台上所传播的内容进行可信度检测就成为了所关注的研究热点。目前该方向的研究工作存在两个问题,一是人工标注数据的巨大耗费,很难实现在海量数据中对相关话题的语料自动标注；二是数据集中存在样本类间偏斜,在面对样本数据分类时,往往会出现大类数据淹没小类数据的现象。因此本文提出一种新的半监督级联式支持向量机(Support Vector Machine,SVM)训练方法,采用辅助话题语料库解决类间偏斜问题,并实现对海量微博数据中有关谣言内容的自动监测和检测,实验表明我们提出的方法可以解决人工标注数据的耗费问题并能获得高质量的语料,同时可以很好的解决海量数据类间偏斜问题,并在检测微博内容可信度上具有较高的准确性。