随着互联网的发展,医药论坛在社交网络平台和医疗健康知识服务中扮演着重要角色,它也成为了网络水军觊觎的热门目标之一。许多无良商家雇佣水军发布诱导信息,宣传无资质的产品和治疗方法,如任由他们肆意而为,将会给广大网民（包括病患）造成人身和财产损失。因此准确识别和清除这些水军变得尤为重要。医药论坛中的水军有着和其他网络平台所不同的特性。随着网络实名化的普及,医药论坛的水军也从旧有的无所顾忌,到现在从行为上越来越趋近于正常用户,这给识别带来了更大的难度和更高的要求,许多传统的检测方式已经无法匹配新的场景也无法满足新的需求。本文通过分析和提取医药论坛用户的行为和关系特征,创建了多个医药论坛水军检测模型,包括传统机器学习分类模型与图神经网络分类模型,并通过实验进行对比。本文具体的工作有:（1）设计并部署了医药论坛网络数据采集爬虫程序,在甜蜜家园平台采集真实海量的用户论坛数据;（2）将采集到的数据进行格式化、清洗和分析,从用户信息特征、用户行为特征、用户论坛社交网络特征、用户行为关系四个角度分析数据,并提取特征值。提出了单位在线时间回帖数、用户活跃时段、发言时间间隔等新的特征,并将它们用于医药论坛网络水军检测模型中;（3）引入了基于用户行为关系二部图的图神经网络模型,挖掘出用户回帖行为和主贴的关系,构建了以发帖用户和回帖用户为节点,用户行为特征为特征向量的全连通图并使用多层图神经网络构造基于用户行为特征和关系特征的分类模型。本文设计的网络水军分类模型,与传统的基于用户行为特征的网络水军分类模型进行对比试验。在真实的数据集上试验表明,使用加入了关系特征的图神经网络方法取得了较好的分类效果,达到了0.902的AUC值,高于传统的分类模型方案,为水军识别研究提供了新的借鉴。