1.1目的和意义：

如今，网络成为了人们生活中难以或缺的社交途径，大家通过在线网络浏览信息获取资讯，或通过社交软件沟通交流相互熟识。由于在线社交网络信息传播速度快速、信息简单明了、受众面广等特点，大量有着商业目的的话题推广活动在社交网络中展开。在这些话题推广活动中，大量的水军用户被组织起来发表和传播特定的信息。

网络水军，随着互联网的发展和普及诞生出来的产物，他们多被有偿雇佣，针对特定热点特定内容发布特定消息，通常活跃在电子商务网站、论坛、微博等社交网络平台中。他们伪装成普通网民或消费者，通过发布、回复和传播博文等对正常用户产生影响。大量的有目的甚至不真实的博文在社交网络中传播，不仅让正常用户无法看清事件的真相，而且会对他们造成误导，造成不良的社会后果。本文通过对网络水军现状问题的阐述，通过具体案例分析其对网络环境、对社会的危害，识别网络水军的身份及其作案方式，旨在加强对其的法律治理，实施有效的法律惩罚机制，对网络水军进行有效引导和治理，净化网络坏境提纯有效信息，促进网络世界的健康发展。

1.2国内外研究现状：

国外：Parameswaran 等的研究发现网络水军的行为方式并不稳定，可以长期监控他们的行为，并将发现的网络水军移到“黑名单”中。Gargari 等利用网络水军使用资源模式趋同的特征来提高网络水军识别准确率。Krestel 等利用网络图模型的传播发现含有链接的转发或评论的网络水军，通过给定一些种子节点的可疑度，依据种子节点向外传播可疑度的特点，从而计算发现所有可疑的水军节点。Gayo-Avello 等依据图论，利用 Twitter 中水军会花费不正常的时间长度来关注目标用户或等待目标用户回粉的特点来挖掘水军，还提出了 Twitter中水军关注的话题排序，他们还利用用户影响力特征来提高网络水军识别的准确率。

国内： 早期研究中，对网络水军的检测主要以基于内容特征为主，其涉及机器学习中的自然语言处理分支，包括文本分析、倾向性分析和情感分析等方面，使用的算法如文本分析、关键词分类法、B-Tree 索引等，主要依据评论内容相似度和评论文本的倾向性进行识别。由于水军的自我隐蔽意识越来越强，单纯进行文本内容的分析常常会漏掉大部分使用正常文本特征进行假象传播的水军，传统的单一基于内容特征的识别方法实用性较低。基于对微博网络水军的分析，当下研究可以分为基于内容特征分析、基于用户行为特征分析以及基于用户关系特征的分析方法（交互分析关系网络等）。

胡舜良等提出了对发帖内容进行分析、处理，生成Hash值，通过各个发帖Hash值之间的比较，确定该贴是否为水贴。杨长春等指出水军的评论内容具有重复或者相似性，提出了基于文本相似度的网络水军发现算法，通过建立高效的B-Tree来索引评论内容，算法具有较高的处理速率。王烁等提出了一种“水军”探测静态方法，认为网络评论中从好到差的评论数量分布规律应该符合统计学中的正态分布这一规律。范纯龙等以特定网络论坛数据为分析对象，利用由账户及其间关系构成的复杂网络，分析了论坛上社区和网络组织的统计特征和典型结构。

2. 研究的基本内容与方案

2.1基本内容

2.1.1网络水军的界定