随着互联网的蓬勃发展,网络信息已步入大数据时代。网络媒体作为信息的主要传播途径,也随之发生了巨大变革,网络新闻、社交网络、论坛等逐渐成为信息传播和用户交流的主要媒体。但是,大数据信息背后潜在的商机刺激了大量网络水军的产生。他们在媒体上发布虚假言论、广告、非法内容、钓鱼网址等以获得商业利益,严重破坏正常用户的日常体验。因此,为了减少网络媒体中虚假信息所带来的危害,识别网络水军的研究工作已经广泛开展。目前针对网络新闻用户评论行为的分析研究与社交网络用户行为的分析研究相比数量较少,无法获取潜在分布规律。同时网络水军的识别方法研究多集中在社交网络领域,而网络新闻领域的研究数量较少。而且传统的网络新闻评论水军识别方法数据成本高昂,识别效果欠佳,急需改进。本文以网络新闻评论用户为研究对象,使用网络爬虫技术收集网络新闻及其评论数据,以此为数据基础研究用户评论行为的分布规律。同时提取网络新闻评论水军与普通用户之间有差异的行为特征和语义特征,利用机器学习相关技术识别未知用户。本文的主要研究内容如下:(1)本文分析了网络新闻用户评论行为的分布特征。首先研发了收集特定新闻网站网络新闻及其评论数据的网络爬虫系统。然后通过实证研究方法,分析用户评论行为在用户、时间以及新闻上的分布特征。研究发现,少量的用户占据了绝大多数的新闻评论,而且用户评论行为随着用户活跃程度不同,在时间维度上也有不同的特征,同时不同活跃程度用户的评论行为在不同热度新闻上也有一定的差异。(2)本文提出了一种基于标签传播算法的网络新闻评论水军识别方法。首先根据网络新闻用户的评论行为,继续分析并提取了一组行为特征和语义特征,并对这些特征进行量化和归一化,获得相应的量化结果。然后在二分类标签传播算法的基础上,构建一个水军识别方法。最后将特征值以不同组合形式输入标签传播算法进行实验、评估和比较,以确定最优特征组合并改进该识别方法。实验表明该识别方法与传统网络新闻评论水军识别方法相比,精度、F度量值和准确率均有提升。(3)本文提出了一种基于集成学习的改进水军识别方法。首先基于Bagging和简单平均法对标签传播算法进行集成,构建标签传播集成算法。然后基于Bagging和加权投票法,对分类算法性质进行扰动,集成多个不同性质的监督学习分类算法,构建监督学习集成算法。最后基于Stacking方法,将标签传播集成算法与监督学习集成算法进行结合,以改进网络新闻评论水军识别方法。实验表明该识别方法与单个监督学习分类算法相比,精度、F度量值和准确率均有提升。