随着电子商务的发展,网上购物越发成为消费者购物的主流方式。由于巨大利益和消费者与电商平台信息不对称的情况,商家雇用一些人撰写不符合事实的评论信息误导消费者,影响人们的消费行为,造成电子商务市场混乱。因此,展开虚假评论检测研究具有实际的应用价值。虚假评论检测研究的意义在于识别评论中的虚假信息,避免人们在认识事物及购物消费时受到虚假信息的误导。为了解决现有模型识别能力较差、误判率较高、无法挖掘文本深层次语义特征的问题,本文从语义分析的方向上展开相关研究。针对短文本信息存在特征稀疏性的问题,本文提出了结合聚类与语义单元的虚假评论检测模型。模型运用聚类方法发现词向量空间中的语义群,通过语义合成得到文本信息中的语义单元,然后从语义群中筛选出语义相近的词向量与语义单元构造成文本扩展特征,有效提升了模型虚假评论检测性能。针对长文本中潜在语义特征难以挖掘的问题,本文提出了结合句子加权与注意力机制的虚假评论检测模型。由于虚假性判断中句子重要性的不同,本文使用基于句子加权的卷积神经网络获得文本信息中潜在的特征,然后将提取的特征输入到含有注意力机制的长短期记忆神经网络中进行再次编码,从而挖掘到比较准确的文本潜在语义特征。本文通过多项数值实验,对上述提出的模型进行了验证与分析,仿真实验结果表明,模型在虚假评论检测中具有较高的准确率。