由于问答社区在信息搜索和提供中扮演的重要角色,它成为了网络水军攻击的热门目标之一。与微博、Twitter等社交网络上网络水军不同,问答社区网络水军有着不同的行为习惯和特性。随着众包平台的出现和网络水军的进化,旧有的检测方法已经不能适应新的场景和需求。本文的目的是研究问答社区众包网络水军检测问题。本文通过分析问答社区用户特征,构造了问答社区众包网络水军检测模型,并提出了基于监督学习的网络水军检测方法。本文具体的工作和成果有:(1)设计并部署了网络水军数据采集系统,在众包平台猪八戒网和问答社区百度知道采集真实网络水军数据;(2)在网络水军“对抗”的背景下,从用户信息特征、问答对特征、用户社交网络特征、内容特征、语言学特征五个维度综合分析用户特征,第一次提出了回答生存率等一系列新的计算容易,区分水军能力强的特征,并将它们用于问答社区众包网络水军检测;(3)提出了基于综合特征的问答社区用户特征模型,构造了社交网络特征模块,内容特征模块,语言学特征模块等不易伪装的特征提取子模块,并完成特征提取,选择出区分网络水军能力强的特征;(4)提出了基于综合特征的问答社区众包网络水军检测方法,本文设计了对比实验与已有工作对比,在真实数据集上实验表明,本文方法取得了较高的性能,达到了0.995的AUC值和0.967的F1值,优于现有的方案。