在线产品评论在消费者的购买决策中起着至关重要的作用,较多的好评能为商家带来可观的收益,消费者对评论信息的依赖催化了虚假评论源源不断的产生。为了扩大虚假信息的影响,虚假评论发布者经常合作一起鼓吹或诽谤目标产品,这样的团体称为虚假评论群组。虚假评论群组的隐藏性较高更难以检测,且对消费者购买倾向产生更大的影响。本文针对已有虚假评论群组检测方法检测精度较低且不能体现不同指标差异性的问题,做了一些有效的研究。首先,依据评论时间关联和评分关联,提出一种基于核心图的标签传播虚假评论群组检测算法。该算法先提取时间及评分关联,构建评论者关系图;然后,在评论者关系图上,发现核心图,再利用加入传播强度及自动过滤机制的标签传播规则去发现候选群组;最后利用多个虚假评论群组检测指标,得到每个候选群组的可疑分数,对候选群组进行排序,从而识别虚假评论群组。其次,为了解决之前检测方法在涉及多个检测指标时取多指标平均值作为群组可疑度不能体现不同指标差异性的问题,提出一种基于指标权重度量的标签传播虚假评论群组检测算法。本算法将利用上述标签传播思想得到候选群组;之后对候选群组进行排序时,融合两种确定多指标权重的方法即熵值法和层次分析法,弱化熵值法的过分客观性及层次分析法的极度主观性,构建度量指标权重的排序算法,利用此排序算法对候选群组进行排序,从而识别虚假评论群组。最后,对本文中所提的算法,在Amazon和Yelp数据集上进行实验,并将实验结果和一些已有的算法进行对比。