1.一种谣言检测方法，其特征在于，包括：获取待检测事件；

将所述待检测事件输入至谣言检测模型中，得到所述谣言检测模型输出的谣言检测结果；

其中，所述谣言检测模型是基于谣言事件、所述谣言事件的传播特征以及谣言事件间的关系特征训练得到的。

2.根据权利要求1所述的谣言检测方法，其特征在于，将待检测事件输入至谣言检测模型中，得到所述谣言检测模型输出的谣言检测结果，包括：将所述待检测事件分别输入至所述谣言检测模型中的特征处理层和关系处理层；由所述特征处理层输出由所述待检测事件中提取的事件文本特征向量和事件传播特征向量融合得到的事件的混合特征向量构建的混合特征向量的向量矩阵；由所述关系处理层输出根据所述待检测事件与其他谣言事件间的联系关系构建的表示事件间联系紧密程度的第一邻接矩阵；

将所述混合特征向量的向量矩阵和第一邻接矩阵输入至所述谣言检测模型中的特征构造层，输出所述待检测事件与其他谣言事件间的事件关系特征；

将所述事件关系特征输入至所述谣言检测模型的输出层，输出对所述待检测事件是否为谣言的检测结果。

3.根据权利要求1所述的谣言检测方法，其特征在于，将所述待检测事件输入至所述谣言检测模型中的特征处理层，所述特征处理层由所述待检测事件中提取事件传播特征向量，包括：

根据所述待检测事件的贴文的转发关系构建所述待检测事件的传播图；

通过所述传播图得到表示转发贴文对被转发贴文的影响力度的第二邻接矩阵；

将由所述事件文本特征向量得到的文本特征向量矩阵和所述第二邻接矩阵输入根增强图卷积神经网络模型中，得到所述事件传播特征向量。

4.根据权利要求3所述的谣言检测方法，其特征在于，通过所述根增强图卷积神经网络模型得到所述事件传播特征向量，包括：将所述文本特征向量矩阵和第二邻接矩阵输入所述根增强图卷积神经网络模型中，经过所述根增强图卷积神经网络模型的预定层数后，得到更新事件传播特征向量矩阵；

对所述更新事件传播特征向量矩阵中与事件相关的所有贴文对应的事件传播特征向量做池化操作，并将池化操作的结果作为最终的事件传播特征向量；

其中，所述池化操作为最大池化和平均池化后，将最大池化的结果和平均池化的结果相加。

5.根据权利要求2所述的谣言检测方法，其特征在于，所述混合特征向量由所述事件的源贴文的事件文本特征向量和事件传播特征向量融合得到。

6.根据权利要求2所述的谣言检测方法，其特征在于，由所述关系处理层根据所述待检测事件与其他谣言事件间的联系关系构建表示事件间联系紧密程度的第一邻接矩阵，包括：

由所述关系处理层根据所述待检测事件与其他谣言事件间的联系关系构建事件关系图，根据所述事件关系图得到表示事件间联系紧密程度的第一邻接矩阵。

7.根据权利要求2所述的谣言检测方法，其特征在于，将所述混合特征向量的向量矩阵和第一邻接矩阵输入至所述谣言检测模型中的特征构造层，输出所述待检测事件与其他谣言事件间的事件关系特征，包括：将所述混合特征向量的向量矩阵和第一邻接矩阵输入图卷积神经网络模型中构造针对于各个事件的事件关系特征；

其中，将图卷积神经网络中每一层输出的事件关系特征向量进行缝合后，得到更新事件关系特征向量；

将得到的各层所述更新事件关系特征向量的最大池化操作的结果和平均池化操作的结果之和作为相应事件的最终的事件关系特征向量。

8.一种谣言检测装置，其特征在于，包括：事件获取单元，用于获取待检测事件；

谣言检测单元，用于将所述待检测事件输入至谣言检测模型中，得到所述谣言检测模型输出的谣言检测结果；

其中，所述谣言检测模型是基于谣言事件、所述谣言事件的传播特征以及谣言事件间的关系特征训练得到的。

9.一种电子设备，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7任一项所述谣言检测方法的步骤。

10.一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7任一项所述谣言检测方法的步骤。