随着网络的飞速发展,人们的日常生活变的高度信息化。为获得在信息战中的胜利,网络水军应运而生。水军的存在严重污染了网络环境,影响了网络安全,他们凭借在短时间内发布大量垃圾信息来谋取利益,危害巨大。而电商水军因为直接对产品等电子商务领域事物发布垃圾信息,极易造成人们的财产损失,因此如何有效的识别电商水军更值得人们关注。网络水军特性决定了他具有自己独特的行为模式,首先,为了在最短的时间内获得最大的利益,并且尽可能的将所产生的影响扩大到极致,水军用户通常会对目标商品进行统一的评分,这些分值通常极高或极低,这样便可以最大程度的改变商品的平均分值。其次,在针对商品的评论内容上,由于水军需要完成的工作量非常大,注定了他无法像正常用户一样根据不同产品的差异写出不同的真实感受,因此会出现大量相同或相似的评论。第三,正常用户与水军用户的评价信息交叉在一起就会出现评分上的差异,因此可以通过用户的评分偏差来对水军账号进行判断。另外,由于近年来微信公众号的广泛应用,会出现水军在商品图片评论区上传带有微信二维码图片的现象,这无疑扰乱了正常的评论秩序。这些水军行为模式与普通用户之间存在着较大的差异,我们希望可以从这方面研究着手,通过分析水军行为模式,从而达到识别非正常用户的目的。除去上述特征外,我们还观察到有很多为了刷用户星级而凑字的无关评论或评价其他商品的垃圾评论,这些对于用户来说也是毫无用处的,需要对其进行识别。针对此种现象,我们使用了LDA主题模型来判断评论内容是否围绕目标商品展开,通过计算评论文本的偏离度高低来确定内容与主题的无关性大小。最终本文从六个方面对水军行为进行分析,构建检测公式。分别为单个产品评论分数检测模型、单个产品评论内容检测模型、产品组检测模型、评分偏差检测模型、无关评论检测模型和LDA主题偏离检测模型。根据每种模型的重要程度来分配权重,得出电商水军的检测公式。最后对各项数据进行整合,分析公式可行性。但是仍存在不足之处,由于没有明确标记水军用户的数据集,本文采用的是人工标记水军的方法,可能会存在一定的主观性和误差。还有就是实验的数据量不够大,速度不够快,与真正电商平台需要检测的数据量相距甚远,还需继续改进。