現代民眾獲取新聞的途徑逐漸轉移到網路媒體，然而在網路資訊快速傳播以及媒體為追求報導曝光度以增加金錢利益的情形下，片面、誘導等形式的新聞標題與短句訊息在新聞媒體傳播中日益嚴重；本次研究透過Fake News Challenge提供的Stance Detection dataset，運用深度學習與遷移學習方法訓練可預測兩文本之間相關程度的自然語言處理模型，在過程中改善調參及訓練方式，並將其實際運用在預測美國新聞媒體於Facebook網路社群平台發文推播新聞的同時所附的短句與新聞報導文本內容之間的相關關係程度，分析社群平台中新聞可能造成的誤導式文句是否實際造成片面報導，而影響了受眾對於媒體的使用程度與信任程度。使此模型有助即時預警社群平台上的報導資訊型態品質，輔助使用者獲取新聞時所應具備的媒體識讀能力，進而改善片面報導於網路的流竄，同時提升未來媒體生態。