互联网时代,在线评论逐渐成为人们交流、分享的主要方式,同时也是了解信息的主要渠道之一。互联网的高效性和便捷性,极大地加速了在线评论的传播速度,但在为人们提供便利的同时,也会导致虚假评论信息在互联网上肆意传播,损害用户和商家的利益,破坏市场规则,甚至影响社会秩序。在线评论在互联网上通常以文本的形式存在,不仅包含文本的结构信息,也包含着对事物特征的描述和情感表达,即文本的主题信息和情感信息。现有的许多虚假评论检测方法,通常是综合利用文本的词频、用户行为特征、情感、结构等多种信息,在提取到文本的特征向量后,通过结合分类器来识别虚假评论。本文在LDA主题模型的基础上开展对虚假评论检测方法的研究,通过综合借鉴现有多种相关主题模型的先进思路,探索改进的文本特征提取模型,并将其与多分类器相结合提出新的虚假评论检测方法,实现对真假评论更好的分类效果。本文研究贡献主要包括以下三个方面:（1）在深入分析当前多种基于LDA的改进模型特点基础上,提出了一种能够同时融合文本主题、情感和结构信息的句子级主题情感模型SJTSM,用于文本特征提取。进而,基于该模型和一种由支持向量机、决策树和朴素贝叶斯分类器组合而成的特殊多分类器,提出了一种基于句子级主题情感模型的虚假评论检测方法,实现对虚假评论更有效的检测。（2）针对实际应用中的主题可能是一个词或多个词（如名词短语）,而许多现有主题情感模型提取的主题结果因采用单个词表示主题而可能存在表达歧义的问题,提出一种能够在一定程度上解决主题表达歧义的语块级主题情感模型CTSM。进而,通过将该模型和一种现有的单词级主题情感模型以及上述句子级主题情感模型相结合,提出一种融合多级别主题情感模型的虚假评论检测方法,进一步提升对虚假评论的识别能力。（3）为验证上述提出方法的科学有效性,在多个公开数据集上与现有相关方法进行了对比实验。结果表明,本文提出的两种方法在虚假评论检测实验中都取得了更好的分类效果。