随着互联网技术的发展,电子商务成了人们日常生活中不可缺少的一部分。面对各大电商网站大量可供挑选的商品,用户在决定购买之前都会查看网站上的商品评论,将前人的使用感受作为自身是否购买的依据。基于上述背景,部分不法商家开始雇佣一些人编写虚假评论,吹嘘自己的商品或诋毁他人的商品以从中获利。这些虚假评论人不仅影响用户的购物体验,更会对电商行业的发展造成一定破坏。因此,研究能够有效快速检测虚假评论的方法和系统对电商应用的健康发展具有重大意义。本文的主要研究工作如下:(1)本文首先提出了一种结合评论情感和可靠性算法(Group Spammer Detection Combining Reliability and Sentiment,GSDCRS)来检测水军群组。GSDCRS算法充分考虑了用户、评论和商品之间的相互关系,同时将其与群组用户的情感一致性有效结合。算法首先通过频繁项集挖掘算法产生一些可疑的候选群组,然后结合用户-商品图上的节点联系计算出用户、商品、评论的可靠度,并且基于水军群组情感一致性的特点挖掘出情感特征,最后在可疑的候选群组中找出水军群组。(2)考虑到现有大多数电商网站的评论系统都开始支持带图片的评论,而且带图片的评论在排序的时候通常会优先出现,更加具有影响力。因此,本文提出了一种适合支持图片评论系统的,结合评论图片的虚假评论人检测算法(Group Spammer Detection Combing Images,GSDCI)。算法主要考虑两个维度的匹配度,一是图片与评价商品的匹配度,二是图片与评论文本的匹配度。算法通过训练两个神经网络分别提取图片和文本的主要语义,然后计算两个语义之间的相似度,把这两部分特征融合到前面提出的GSDCRS算法中,从而进一步提升水军检测的效果。(3)本文基于京东电商平台自行构建数据集,并在公开的Yelp数据集以及京东数据集上验证了 GSDCRS算法和GSDCI算法的可行性和有效性,实验结果结果表明本文算法要优于其他机器学习的检测算法。