1.一种谣言检测方法，其特征在于，包括：

获取新闻数据，并基于所述新闻数据，得到事件时间组合序列的向量化文本；

基于所述向量化文本，得到评论特征信息以及双向的上下文关联特征信息；其中，所述评论特征信息包含有评论局部关联特征和评论全局关联特征；

将所述评论特征信息以及所述上下文关联特征信息进行合并后，输入至全连接层，得到谣言检测结果；

所述基于所述向量化文本，得到评论特征信息以及双向的上下文关联特征信息，包括：将所述向量化文本输入至评论特征提取模型，得到所述评论特征信息；

将所述向量化文本输入至上下文关联特征提取模型，得到所述上下文关联特征信息；

其中，所述评论特征提取模型为，以所述向量化文本为样本，以预设的向量化文本对应的评论特征信息为样本标签，训练得到的深度金字塔卷积神经网络模型；

所述上下文关联特征提取模型为，以所述向量化文本为样本，以预设的向量化文本对应的下文关联特征信息上下文关联特征信息为样本标签，训练得到的Bi‑LSTM网络模型，且所述Bi‑LSTM网络模型的输出接入attention层；

所述深度金字塔卷积神经网络模型，依次包括区域嵌入层、第一等长卷积层、顺序堆叠的多层循环网络层，以及第二池化层，所述循环网络层包括第一池化层和第二等长卷积层；

且所述第一池化层为1/2池化层，第二池化层为输出池化层，所述区域嵌入层的输出与所述第一等长卷积层的输出残差连接，所述第一池化层的输出与所述第二等长卷积层的输出残差连接；

所述获取新闻数据，并基于所述新闻数据，得到事件时间组合序列的向量化文本，包括：基于所述新闻数据，在社交媒体平台搜索所述新闻数据的关联内容作为样本数据；

对所述样本数据中的目标特征进行提取和标记，得到带标签文本；其中所述带标签文本含有文本内容和文本时间，以及转发评论的内容和时间；

基于所述文本时间和转发评论的时间，对所述带标签文本进行分组并组合，得到事件时间组合序列文本；

对所述事件时间组合序列文本进行分词和去除停用词操作，得到预训练文本；

将所述预训练文本输入至预训练模型，得到所述向量化文本；

其中，所述预训练模型为，以所述预训练文本为样本，以预设的预训练文本对应的向量化文本为样本标签，基于Transformer‑XL机制训练得到的模型。

2.根据权利要求1所述的谣言检测方法，其特征在于，所述基于所述新闻数据，在社交媒体平台搜索所述新闻数据的关联内容作为样本数据，包括：提取所述新闻数据中的多个关键字信息，并基于所述多个关键字信息，得到组合关键词；

基于所述组合关键词，在所述社交媒体平台进行搜索，得到所述样本数据。

3.根据权利要求1所述的谣言检测方法，其特征在于，所述对所述样本数据中的目标特征进行提取和标记，得到带标签文本，包括：将所述样本数据中的目标特征进行提取，并对提取的目标特征进行验证后标记，得到标记的目标特征；

将所述标记的目标特征中的特殊字符进行清除，得到所述带标签文本。

4.根据权利要求1‑3任一项所述的谣言检测方法，其特征在于，所述将所述评论特征信息以及所述上下文关联特征信息进行合并后，输入至全连接层，得到谣言检测结果，包括：基于concat函数，对所述评论特征信息以及所述上下文关联特征信息进行合并，得到并联形式的双通道网络输出结果；

基于softmax函数对所述双通道网络输出结果进行分类，得到所述谣言检测结果。

5.一种谣言检测装置，其特征在于，包括：

数据处理模块，用于获取新闻数据，并基于所述新闻数据，得到事件时间组合序列的向量化文本；

特征提取模块，用于基于所述向量化文本，得到评论特征信息以及双向的上下文关联特征信息；其中，所述评论特征信息包含有评论局部关联特征和评论全局关联特征；

谣言检测模块，用于将所述评论特征信息以及所述上下文关联特征信息进行合并后，输入至全连接层，得到谣言检测结果；

所述特征提取模块具体用于：

将所述向量化文本输入至评论特征提取模型，得到所述评论特征信息；

将所述向量化文本输入至上下文关联特征提取模型，得到所述上下文关联特征信息；

其中，所述评论特征提取模型为，以所述向量化文本为样本，以预设的向量化文本对应的评论特征信息为样本标签，训练得到的深度金字塔卷积神经网络模型；

所述上下文关联特征提取模型为，以所述向量化文本为样本，以预设的向量化文本对应的下文关联特征信息上下文关联特征信息为样本标签，训练得到的Bi‑LSTM网络模型，且所述Bi‑LSTM网络模型的输出接入attention层；

所述深度金字塔卷积神经网络模型，依次包括区域嵌入层、第一等长卷积层、顺序堆叠的多层循环网络层，以及第二池化层，所述循环网络层包括第一池化层和第二等长卷积层；

且所述第一池化层为1/2池化层，第二池化层为输出池化层，所述区域嵌入层的输出与所述第一等长卷积层的输出残差连接，所述第一池化层的输出与所述第二等长卷积层的输出残差连接；

所述数据处理模块具体用于：

基于所述新闻数据，在社交媒体平台搜索所述新闻数据的关联内容作为样本数据；

对所述样本数据中的目标特征进行提取和标记，得到带标签文本；其中所述带标签文本含有文本内容和文本时间，以及转发评论的内容和时间；

基于所述文本时间和转发评论的时间，对所述带标签文本进行分组并组合，得到事件时间组合序列文本；

对所述事件时间组合序列文本进行分词和去除停用词操作，得到预训练文本；

将所述预训练文本输入至预训练模型，得到所述向量化文本；

其中，所述预训练模型为，以所述预训练文本为样本，以预设的预训练文本对应的向量化文本为样本标签，基于Transformer‑XL机制训练得到的模型。

6.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述谣言检测方法的步骤。

7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述谣言检测方法的步骤。