虚假招聘广告的泛滥不仅会损害求职者的合法权益，还会扰乱正常的就业秩序，造成求职者极差的用户体验。为了有效检测出虚假招聘广告，提出一种基于一致性训练的半监督虚假招聘广告检测模型（SSC）。首先，对所有数据应用一致性正则项提升模型的性能；然后，通过联合训练的方式整合有监督损失和无监督损失得到半监督损失；最后，使用半监督损失对模型进行优化。在两个真实数据集EMSCAD （EMployment SCam Aegean Dataset）和IMDB （Internet Movie DataBase）上的实验结果表明，SSC在标签数据仅为20时取得了最好的检测效果，准确率与现有先进的半监督学习模型UDA （Unsupervised Data Augmentation）相比提升了2.2和2.8个百分点，与深度学习模型BERT （Bidirectional Encoder Representations from Transformers）相比提升了3.4和11.7个百分点，同时还具有较好的可拓展性。
