1.基于级别感知注意GRU网络的社交网络谣言早期检测系统，其特征在于：包括所述新闻事件获取模块、转发级别度量模块、基本特征提取模块、推文特征表示模块和谣言检测模块。

所述新闻事件获取模块获取社交网络中待检测新闻事件i的传播信息，并传输至转发级别度量模块；

所述转发级别度量模块根据新闻事件i的传播信息建立新闻事件i的传播结构，并计算传播网中每个节点的转发级别；所述转发级别度量模块将传播结构和每个节点的转发级别传输至基本特征提取模块、推文特征表示模块；

所述基本特征提取模块提取传播结构中每个节点的基本特征，并传播至推文特征表示模块；

所述推文特征表示模块根据每个节点的基本特征和转发级别更新节点特征，并传输至谣言检测模块；

所述谣言检测模块存储有谣言检测模型；

所述谣言检测模型对节点特征进行检测，得到节点推文检测结果。

2.根据权利要求1所述的基于级别感知注意GRU网络的社交网络谣言早期检测系统，其特征在于：所述传播结构记为Gi＝＜Vi,Ei＞，Vi是节点集，Ei是交互节点之间的边集。

3.根据权利要求1所述的基于级别感知注意GRU网络的社交网络谣言早期检测系统，其特征在于：传播结构中节点 的转发级别 如下所示：式中， 表示节点 的转发级别；dl为转发级别特征向量的维度； 是连接操作；

是将融合特征转换为高维向量空间的转换矩阵， 是偏置；节点 表示推文的时间跨度； 表示转发跳数。

4.根据权利要求1所述的基于级别感知注意GRU网络的社交网络谣言早期检测系统，其特征在于：所述基本特征包括用户特征 和文本特征所述文本特征 如下所示：

式中， 为文本特征向量；dc为向量的维度；u为列数为 的矩阵的第一个奇异向量；

其中，来自节点 的句向量 如下所示：式中，Si为来自节点 的句子；a是超参数；p(w)为词w的估计概率。

5.根据权利要求1所述的基于级别感知注意GRU网络的社交网络谣言早期检测系统，其特征在于，所述推文特征表示模块根据每个节点的基本特征和转发级别更新节点特征的步骤包括：

1)将文本特征和用户特征结合，得到节点特征向量 即：式中， 为节点特征向量；dt是节点特征向量的维度；

2)基于节点的转发级别，计算节点特征向量 的注意力评分 即：式中， 为权重； 为偏置；

3)基于注意力评分 对节点特征向量进行优化，得到优化后的节点特征 即：式中，n为事件中所有节点的数量。

6.根据权利要求1所述的基于级别感知注意GRU网络的社交网络谣言早期检测系统，其特征在于，所述谣言检测模型包括节点前向传播模型和节点检测模型；

节点特征输入到所述节点前向传播模型中，输出节点 的隐向量节点 的隐向量 输入到节点预测模型中，输出节点推文的检测结果；所述节点推文检测结果包括节点推文是谣言、节点推文不是谣言。

7.根据权利要求6所述的基于级别感知注意GRU网络的社交网络谣言早期检测系统，其特征在于，所述节点前向传播模型如下：式中，[W*,U*]为GRU内部的权重连接； 表示节点 的隐向量；⊙表示表示element‑j

wise乘法；ri表示重置门； 表示更新门。

8.根据权利要求6所述的基于级别感知注意GRU网络的社交网络谣言早期检测系统，其特征在于，所述节点检测模型如下所示：式中， 为阈值为k时的隐向量；Wi和bi为输出层的权值和偏置； 为输出。

9.根据权利要求8所述的基于级别感知注意GRU网络的社交网络谣言早期检测系统，其特征在于，所述节点检测模型的损失函数L(θ,k)如下所示：式中， 为谣言分类器；Y为新闻标签集。