1.Abstract 分析表明，谣言的广泛传播通常是故意宣传的宣传活动的结果，这些宣传活动旨在形成对相关新闻事件的集体意见。 在本文中，我们尝试与自身对抗这种混乱，以使自动谣言检测更加稳健和有效。 我们的想法受到源自生成对抗网络（GAN）的对抗学习方法的启发。 我们提出了一种 GAN 风格的方法，其中生成器旨在产生不确定或冲突的声音，使原始对话线程复杂化，以迫使鉴别器从增强的、更具挑战性的示例中

对《Detecting Rumors from Microblogs with Recurrent Neural Networks》 解读 Abstract 微博社交平台是谣言传播的理想场所， 因此自动进行谣言检测成为了目前的关键问题。在以往的方法中， 主要通过自己设置特征向量并利用机器学习方法进行检测。本文所利用的方法是通过RNN 来进行谣言检测， 因为循环神经网络在时序问题解决较好， 能够