近年来互联网的飞速发展使在线评论系统给线上产品的形象树立和线下顾客的选择行为带来新的局面。产品形象决定着顾客是否选择购买。商品或服务的评价,无论对于客户选择购买,还是对商家的销售及盈利,都有着至关重要的影响。因此,当以美化抬高商品或恶意差评攻击商品形象为目的的评论之风盛行,影响到评论系统的客观性及商品的交易环境时,虚假评论检测问题引起了学界的讨论和研究。本文研究了产品评论中虚假评论人群体检测问题,提出了评论人共同评论勾结度计算公式,生成带权评论人图。基于评论人图使用SCAN算法聚类,产生虚假评论人群组。对聚类产生的群组进行作弊特征计算并排序,从而产生候选虚假评论人群组。在前人工作基础上,本文引入了新的作弊群组特征,从群组内部单个评论人的评论行为角度挖掘作弊特征,最后取均值作为作弊群组特征参与计算评估。在本文的实验阶段,采用两个不同的标注数据集做对比实验,根据实验表现和结果,分析此算法在不同数据集中的优劣;同时,将本文算法与GSBP等其他算法做精度对比,在两个数据集中,本文算法精度表现均优于GSBP算法。在人工评估环节,选取本文算法计算出的前100个虚假评论人群组做人工评估与标注,最后利用数据集原有的人工标注结果与本文的人工标注结果进行对比,进而验证本文提出的算法前100组具有较高的准确率。