电子商务网站上的虚假评论信息可能误导消费者,影响用户的购买决策,还可能诋毁商家的声誉,严重影响正常商务活动。鉴于虚假评论信息屡屡在电子商务网站上大量出现,为了保护消费者和商家的利益,需要对虚假评论信息进行检测和处理。现有研究往往根据评论内容、评论发布者的行为等特征对虚假评论进行识别,大多采用人工标注训练集,存在工作量巨大、部分样本难以通过语义分析和简单的行为特征进行标注的困难。为解决以上困难,我们提出了基于多特征尺度空间模型的组织发现技术。考虑到网络水军受雇于网络公关公司,通过发布虚假评论信息来赚取利润,我们认为水军成员会因相同利益,有组织地去协同发布虚假评论。为检测虚假评论,我们首先构建了用户同时出现次数模型、评分相似度模型、同品牌率模型,对构建的评论用户关系网进行处理,逐步发现其中存在的稳定网络组织；然后通过优选网络组织中的关键评论来确定网络水军,进而甄别出网络中存在的组织是否为网络水军；最终根据网络水军推测其所发布的虚假评论。在整个研究工作中,我们为了发现网络组织的存在,分析了社区发现算法的适用性；为了减少单一特征的尺度空间模型带来的误判,从不同角度总结分析了水军的行为特征、关系特征、群组行为等特征,构建了多特征尺度空间模型;为了分析不同特征尺度空间模型处理过程中网络组织结构的变化,进行了网络结构在多个尺度上的推演。整体而言,本文所提出的基于多特征尺度空间模型的网络水军组织发现方法,通过在发现的网络组织中优选所对应的关键评论,可以极大地降低传统虚假评论识别的巨大人工标注工作量。其中的多特征尺度空间,根据不同维度的特征选择可以有效地识别评论用户间的关系,较好地解决了部分评论无法进行人工标注的困难。当然本文所提出的方法存在的一些误差,为此我们特别进行了相应的误差问题讨论。