1.一种融合多模态特征的虚假消息检测方法，其特征在于，包括以下步骤：利用文本特征提取器和图像特征提取器从推文中分别提取文本特征和图像特征；拼接文本特征和图像特征得到推文的内容特征；

利用基于GCN模型构建的传播结构特征提取器提取推文在传播过程中产生的结构特征，包括：基于回复和转发关系为源推文构建传播结构G＝(V，E)，其中V为参与回复和转发n*n的用户集，E为回复和转发关系，令A∈R 为其邻接矩阵，X为源推文基于传播树的特征矩T阵，分别使用(A，X)和(A，X)作为GCN模型的输入来分别捕获自上而下的传播特征和自下而T上的传播特征，其中A 表示A的转置；然后，将自上而下的传播特征和自下而上的传播特征进行拼接以实现两者的信息融合，得到最终表征推文传播结构的结构特征；

利用分类器基于推文的内容特征和结构特征进行虚假消息检测。

2.如权利要求1所述的融合多模态特征的虚假消息检测方法，其特征在于，所述文本特征提取器采用Transformers模型。

3.如权利要求1所述的融合多模态特征的虚假消息检测方法，其特征在于，所述图像特征提取器采用VGG‑19模型。

4.如权利要求1所述的融合多模态特征的虚假消息检测方法，其特征在于，所述分类器包括至少1层全连接层和softmax层，其中，全连接层用于拼接推文的内容特征和结构特征，得到推文的高阶表示，softmax层用于对推文的高阶表示进行分类预测，以判别推文是否为虚假消息。

5.如权利要求4所述的融合多模态特征的虚假消息检测方法，其特征在于，所述分类器包括2层全连接层和softmax层。

6.一种融合多模态特征的虚假消息检测装置，包括存储器、处理器以及存储在存储器中并可在处理器上执行的计算机程序，其特征在于，所述处理器执行计算机程序时实现权利要求1～5任一项所述的融合多模态特征的虚假消息检测方法。