5G时代的到来给人们带来了更快的信息交互体验。此次新冠肺炎疫情在国内爆发,社交平台上关于疫情的信息层出不穷,其中不乏一些虚假谣言。谣言实质上是一种舆论病毒,在抗疫阻击战中,它比真正的病毒更值得警惕。谣言经广泛传播,会造成不良的社会影响,其危害可能更大。谣言的产生反映出信息披露的盲点,本文首先对新冠肺炎相关谣言做数据分析和文本挖掘,找出关键内容,帮助相关部门做好信息共享,更及时准确地公布信息,让谣言失去传播的机会。关于谣言的检测,本文基于国内外学者已取得的研究成果,构建新的更有效的谣言检测模型,应用于新冠肺炎谣言的识别。社交网络已经成了人们现代生活必不可少的交流工具,影响着人们衣食起居各个方面,但获得的信息并不一定都真实可靠,针对新冠疫情,只有真实的消息才对大众和权威机构是有价值的。因此,在社交网络上,对新冠肺炎疫情的谣言检测非常重要。本文在社交平台上搜集了四个方面的数据作为本次实验的数据集:腾讯较真平台数据,微博“抗击新型肺炎第一线”话题数据,微博社区管理中心数据和疫情相关的普通微博数据。本文通过对疫情相关的用户个人信息和微博内容信息进行分析,提取文本信息、用户属性、交互行为及情感倾向四类十八个特征,构建新的谣言检测模型。首先,我们用腾讯较真平台和微博“抗击新型肺炎第一线”的数据做文本挖掘,分析两个平台辟谣内容的异同。其次,通过把社区管理中心疫情期间的谣言与去年同一时期的谣言作比较,挖掘新冠肺炎相关谣言的特点;通过对收集到的微博数据集做主题词分析,定位疫情期间最受关注的主题内容,并为谣言检测提供文本信息主题特征。再次,提取微博社区管理中心数据与疫情相关的普通微博数据的十八个特征,分别用支持向量机、朴素贝叶斯、集成学习和深度学习算法来构建新的模型,对微博的新冠肺炎谣言进行检测。实验结果表明,基于十八个特征的四种分类模型均能达到82%的准确率。其中,集成学习模型的各项指标表现都很好,检测准确率可以达到91%。同时,我们对所有的特征作重要程度分析,结果表明交互行为、情感倾向和用户属性这三类特征在新冠疫情的谣言检测中起到重要的作用,证明本文选取特征的有效性。最后,结合本文研究内容,总结本文的研究工作并展望未来谣言识别研究的方向。