随着移动互联网和社交网络的蓬勃发展,微信、今日头条、斗鱼、新浪微博等新型社交媒体平台已经成为人们获取新闻资讯、分享生活点滴的重要方式之一。这类新兴起的社交媒体平台具有公开性和即时性。新浪微博作为这类新型社交媒体平台的代表,目前的月活跃用户约4亿,由于聚集了庞大的用户群体和社会关注度,有一些商人雇佣水军利用平台来炒作热点和卖点来获取丰厚的利益,导致网络水军的数量愈来愈多,平台虚假信息充斥,网络环境急剧恶化。因此水军的识别已成为数据挖掘研究者们最为关注的领域之一。通过研究水军识别技术,一方面可以改善用户体验,另一方面还可以对舆论进行规范和引导,避免非公正信息的广泛传播造成不良社会影响。所以,对水军识别技术的研究具有重要的实际意义。本文通过对微博手机端网页进行分析,采用基于Scrapy-redis的分布式爬虫框架进行微博用户数据采集。由于水军的行为越来越趋同于正常用户,单纯的基于用户信息、用户行为或者文本内容等特征进行水军识别效果都不理想。本文提出采用One-hot模型表示用户信息特征,采用Doc2Vec模型表示用户微博文本特征,采用Node2Vec模型表示用户社交网络特征,最后进行向量拼接,采用综合表示作为识别模型的输入。在系统分类器算法的选择上,本文选取了三个之前在水军识别领域应用最多的算法,并设计对比实验。通过对实验结果进行分析选取了逻辑回归模型作为系统分类器的模型。在对数据集进行分析后发现对整个微博平台用户来说,标记数据的确有限,但是未标记数据可以通过爬虫的方式获取,因此本文使用的是基于半监督学习的三体训练方法训练模型。本文基于B/S架构给出了系统的各模块的设计与实现,并对系统的分类性能进行了评估,验证了系统的可行性。