读Ma 的文章后进行的复现工作，并进行了部分更改 Detect Rumors Using Time Series of Social Context Information on Microblogging Websites 使用的数据集：https://www.dropbox.com/s/46r50ctrfa0ur1o/rumdect.zip?dl=0 weibo_label 中的 weibo_id_label.txt 是数据集的标签 使用该标签对数据进行分类（由于6条标签和数据集中文件名不对应，故剔除）得到rumor、non_rumor文件夹

文本特征： 详细代码和注释见 text_analysis.py LDA文件中的 LDA_train.pu 对数据集进行主题分类并保存训练模型 提取文本特征使用到 LDA_use.py ，用训练好的模型对文本分类

用户特征： 详细代码和注释见 user_analysis.py 调用了city.py 判断用户是否来自大城市。 根据新浪微博提供的省份城市编码表 和维基百科提供的中国大城市目录

传播特征： 详细代码和注释见 propagation_analysis.py

时间序列： 这里只实现了论文中的SVM_DSTS_all，其他的可以自行修改 详细代码和注释见 DSTS.py

最终效果：

accuracy: 0.8027357633814762

precision: 0.9441549251954203

recall: 0.8027357633814762

F1 score: 0.8677210652998039