随着点评和购物平台的不断发展,消费者在购物后可以发表和共享真实的消费体验,也成为了后序消费者购买该产品或服务的关键性参考因素之一。为了扩大自身市场占有率,一些不良商家,通过伪造评论内容形成了大量虚假评论。一方面误导了消费者的决策,影响了其切身利益和增加了退换货风险;另一方面,营造了商业平台的恶性竞争环境,不利于其长远发展。为了对虚假评论进行有效建模识别,本文利用评论文本构建出HSEAN（Hierarchical Structure Attention Enpower Network）识别模型。不仅提取出了丰富的语义特征,而且诱导生成了文本的结构依赖树和提取了树结构的遍历特征,现对本文的研究内容进行归纳如下:（1）提出了嵌入结构注意力增强机制的网络模型HSEAN。以‘词-句-段’的层次化网络为基础,分层嵌入结构注意力增强机制,用于文本单元的依赖学习和后序的结构依赖树生成。不仅能够对GRU做非前后文自由语序单元语义补充,更是对文本单元前后文一致性的检测。以此来判别评论者在撰写评论时,是否是通过浏览真实评论而恶意剪辑的文本。实验结果表明,对比于其他基于特征挖掘的传统机器学习分类算法和基于词嵌入的常用神经网络模型,本文提出的模型取得了最优的实验性能。（2）构建了端到端训练的结构依赖树诱导生成算法。针对评论文本无第三方文本分析工具和额外的领域标注数据集的现实条件下,通过模型学习到的文本依赖关系矩阵和根概率向量,利用集束搜索和贪婪搜索相组合的方式,尝试直接从训练数据中诱导生成文本的结构依赖树。（3）设计了基于结构依赖树的四类遍历特征。定义了一组描述树结构的遍历属性。提取并分析了虚假评论文本和真实文本之间的显著差异性。进一步表明了虚假评论在上下文的一致性较差,为面对不同平台上的数据集,只针对评论文本建模,指明了新的特征提取方向和手段。