当前各大电商平台迅速崛起,网上购物逐渐成为一种主流的购物方式。用户进行网上购物时容易受到在线商品评论的影响,正面的评价很大程度上会带来销售增长量,而负面的评价则可能会导致商家产品的销量降低。在巨大销售利润的驱动下,许多非真实意愿评论者通过发布不实的评论内容来促销其商品,或者发布带有偏见的评论内容来损害竞争商家的利益,同时也在一定程度上使买家受到损失。为了实现相对公平的交易环境,识别非真实意愿评论者成了领域内研究热点。本文识别的非真实意愿评论者是指受商家或者平台雇佣发布与商品真实属性不符的评论发送者。以往的研究方法主要通过单一方法对其进行识别,识别的准确率通常不高,难以应用到日常实践中。为了识别非真实意愿评论发送者,本文的主要工作是:提出一种结合文本相似度、文本语义和用户行为特征的混合识别方法(HY_RE)。首先本文通过在现有的改进向量空间模型(VSM_C)的基础上来计算评论文本相似度。其次通过文本-主题模型(LDA)分析文本语义,计算评论文本-主题偏离度。再定义并计算评论者账号等级、评论发布时间、评论次数等相关用户行为特征(USER_C),并且定义其相应的计算公式来计算相应的得分来判定是否为非真实意愿评论用户。最后通过回归方程整合前几步计算结果,得到比较好的识别结果。为了验证识别方法的有效性,本文通过定义准确率、召回率和f-measure三个评价指标,把本文方法与单一识别方法作对比,验证了本文所提方法在综合评价指标f-measure值上明显好于其单一的识别方法。