近年来,越来越多的消费者倾向于在网络上发表评论分享自己的消费体验并在作出消费决策时参考他人的评论意见。然而,一些不良商家通过伪造评论内容以达到夸大自身品牌或诋毁竞争对手的目的。虚假评论不仅会对用户的消费决策产生影响,还会导致商业竞争环境的不良发展。为了有效识别虚假评论,本文利用评论数据提取到丰富的语言特征和非语言特征,使用基于层次神经网络和多元特征的识别模型MFNN(Neural Networks Merging Multivariate Features)开展虚假评论识别研究。本文的研究内容归纳为以下三点:(1)构建多元特征指标。本文将虚假评论识别的潜在线索划分为语言特征信息和非语言特征信息,利用评论文本及多种数据信息提取了一组多元特征指标集,可以同时适用于基于不同数据集开展的虚假评论检测实验。(2)进行特征选择。利用随机森林和序列后向选择策略按照特征对于模型性能的重要程度对特征进行修剪,选取具有最佳识别性能的特征子集开展实验,减少噪声干扰,提高模型的简洁性。(3)基于神经网络构建虚假评论识别模型。本文提出融合注意力机制的层次神经网络模型以挖掘深层的语义信息从而实现虚假评论检测。同时,使用卷积神经网络抽取多元离散特征中的局部和全局信息,最终将语义特征向量与多元离散特征向量连接,共同作用于虚假评论识别检测模型。实验结果表明,本文提出的模型在多个数据集上的性能表现均优于传统离散模型和现有的神经网络基准模型,具有良好的泛化能力。