随着互联网技术的迅猛发展,电子商务也得到了井喷式发展。在网上购物时,大多数的消费者在决定购买某一产品前都会事先去阅读该产品的评论信息,因此产品评论对于消费者购买决策方面有着指导作用。但是有很多个人或组织为了利润和名誉,通过雇佣一些“网络水军”去书写一些虚假评论或给一些不公正的打分来推销或诋毁目标产品。虽然在这个领域已经有很多人付出了努力,但是要收集到真实标注数据集难度非常大,因此这个问题至今还未得到解决。检测虚假评论人群组已经成为当今观点作弊检测的主要形式。本文提出了一种基于LDA的计算框架(称为GSLDA)用于在评论数据集中检测虚假评论人群组。GSLDA有三个阶段。第一阶段,使LDA适应于产品评论环境中,把作弊群组中的评论人聚到某一个评论人聚簇中。第二阶段,寻找每个聚簇中异常的评论人,生成评论人图并利用SCAN提取出高度可疑的评论人群组。第三阶段,通过群组的特征计算,对候选作弊群组进行降序排序,以找到真正的作弊群组。通过在三个真实数据集上的实验,证明了GSLDA方法的有效性。它的精确度与召回率都超过了多个解决同类问题现有最有效的方法,如FraudEagle、SPEagle、GSBP和GSBC等。