在当前的信息化生活中,在线评论数据能在很大程度上决定人们是否对某一产品进行消费,所以为获取更大的商业利益,商家可能会雇佣专业垃圾评论者撰写垃圾评论捧高自身产品或遍贬低竞争者产品影响消费者的消费选择。因此,为保证正常的用户评论环境,需要研究如何检测垃圾评论。目前主流的方法是通过设计构造特征分类器的方式检测垃圾评论,但这种方法没有对评论特征进行深层次、多角度的挖掘,也没有基于评论特征的特点有针对性的设计检测模型融合评论特征,导致了特征提取不完全或特征融合时部分信息的丧失,以至于无法进一步提高垃圾评论检测精度。针对目前垃圾评论检测中特征提取所存在的问题,从评论文本和评论行为两个方面入手,以评论文本为中心,分析了正常评论与垃圾评论在文本主题、文本情感、文本语义上的差异,针对差异设计提取了主题特征、情感特征、语义特征等三种不同的评论文本特征;以评论行为为中心,分析了正常评论与垃圾评论在评论行为过程中行为发出者、行为接收者、行为载体三个角度的行为差异,针对差异设计提取了评论行为特征。以特征提取为基础,分析了特征的层次结构以及特征间的相互特点,利用注意力机制,首先对评论文本特征内部的主题特征、情感特征、语义特征进行了融合,再对评论文本特征和评论行为特征进行了融合,采用分层融合的方式构建了一种垃圾评论检测模型。以Yelp评论数据为例对所提模型进行了实验分析。首先分析了不同参数的主题特征和情感特征对模型检测效果的影响,其次对模型进行了对比分析,相比基准模型,所提分层融合模型在多个实验指标上均有了较大提升,其检测效果优于基准模型。综合实验结果可知,所提方法对垃圾评论检测是有效的,是有意义的。