随着互联网技术和自媒体行业的快速发展，人们可以方便快捷地从社交媒体中获取最新信息，但也让更多的谣言在网络中盛行.现有谣言检测模型多从文本内容、用户信息和传播模式中挖掘有效特征.然而，现有模型未充分学习文本的语义信息和谣言传播过程中的结构信息，并忽略了谣言传播的动态过程.针对上述问题，本文提出一种基于动态异构图的谣言检测模型DHGNN(Dynamic　Heterogeneous　Graph　Neural　Network).首先，为了增强帖子的文本语义表示，本文提出一种多级注意力网络，引导模型关注源帖子和相应评论中关键的词和句子，充分学习源帖与相应评论之间的语义关联.其次，引入了基于异构图的图神经网络，通过对异构传播图中的用户、帖子节点和转发(或评论)关系进行建模，为不同类型的节点和边生成特定的表示，充分学习异构传播图中的结构信息.最后，提出一种基于旋转记忆单元的时序注意力，分别为每个异构传播图快照建立记忆，捕获谣言动态传播的演化模式.在Twitter15、Twitter16数据集上的实验结果表明，DHGNN模型的性能优于最新的对比模型.