—随着互联网的发展,在线消费形式的电子商务平台已成为人们现在最流行的消费方式。电商平台一般都允许和鼓励用户在消费后对产品或者服务进行评论,而且用户评论对潜在的消费者和商家都具有很高的价值。然而在利益的驱使下,垃圾评论用户通过发布虚假的评论来推广或者诋毁目标产品进而来误导消费者。因此检测垃圾评论对消费者和商家都有重要的意义。垃圾评论识别领域的研究可分为垃圾评论检测、垃圾评论用户检测和垃圾评论用户群组检测。目前研究主要集中于垃圾评论或用户的识别,而对群组检测的关注较少。在刚开始的研究中经常使用评论文本的语言特征和评论用户的行为来检测垃圾评论或者用户。不过现在由于垃圾评论过滤系统的存在,提高了垃圾评论的门槛,垃圾评论用户可以通过操控自己的行为与评论文本内容来假装为一个真实的评论用户,因此导致只通过评论文本或用户行为检测垃圾评论或者用户越加困难。而且相比于单个评论或用户而言,一个垃圾评论用户群组(一组评论用户相互合作对共同目标编写虚假评论)更具有破坏性,因为他们的人数很多,可以更多甚至完全控制目标产品的评价情感,所以研究垃圾评论用户群组的识别变得越加重要。本文发现,在由评论用户群组、评论用户和产品组成的网络结构中,通过实体(群组、用户和产品都称为实体)间的相互关系,可以在评论体系网络中传递垃圾信息。这种传递方式与网页节点在Web页面组成的网络结构中可以通过链接关系来传播权威值很类似。因此本文提出了基于Web页面权威值排名的经典算法PageRank上的GroupRank算法。在计算群组的垃圾信息时,GroupRank不仅考虑了各个节点的基础垃圾信息,还考虑了从其他节点通过网络传递给群组的垃圾信息,并用它们之间的垃圾影响力(实体间的关系程度)对其加权,最后使用调节因子调整群组基础垃圾信息和垃圾影响的占比。本文设计了排序和分类两种实验来验证GroupRank对群组垃圾评论识别的准确性,对比了其它的垃圾评论群组检测的算法。实验结果证明,GroupRank算法可以有效地识别垃圾评论用户群组,而且识别效果优于传统的排名算法和分类算法。