随着电子商务的快速发展,越来越多的消费者开始倾向于网上购买商品,并对商品进行评论。为了做出正确的购买决定,消费者不仅会看商家给出的商品信息,还会阅读大量有关商品的评论。然而,商家为了自身利益,往往雇佣专业写手为自己撰写虚假好评,吸引潜在消费者购买商品,为竞争对手撰写虚假差评,打压竞争对手。这不仅误导消费者做出错误的购买决定,也不利于电商平台的稳定发展。因此,亟需有效的方法来检测虚假评论。本文基于评论内容和评论者行为人工提取了多维特征,使用传统机器学习方法建立模型来识别虚假评论。此外,采用深度学习的方法提取了深层语义特征,与多维特征结合,构建了DF-HAN模型来检测虚假评论。本文主要的研究内容如下:(1)构建了五种特征指标。通过分析评论的内容提取了N-gram特征、词汇特征、可读性特征和主题特征四类文本特征;通过分析评论者的行为提取了行为类特征。针对行为特征和四类文本特征构建了五种特征指标。(2)构建了使用传统方法识别虚假评论的模型。将提出的五种特征指标整合,使用LR、SVM、RF三种分类器构建模型。最后分类的F1值为87.37%,验证了该模型的有效性。(3)构建了使用深度学习方法识别虚假评论的模型DF-HAN。该模型采用LSTM和双向GRU挖掘深层次的语义特征,采用CNN处理本文提取的传统离散特征,该特征是多维的。然后将语义特征与传统特征连接,建立DF-HAN模型。与HAN模型85.99%的准确率相比,DF-HAN模型获得了更高的准确率91.76%,验证了本文提出的模型的有效性。