![水軍[在論壇大量灌水人員]](/img/7/5e4/nBnauM3X3QzMycjN3czN0IDN0UTMyITNykTO0EDMwAjMwUzL3czL2UzLt92YucmbvRWdo5Cd0FmLzE2LvoDc0RHa.jpg "水軍[在論壇大量灌水人員]")
定義
由於線上社交網路信息傳播速度快和客群多等特點，大量有著商業目的的話題推廣活動在社交網路中展開。在這些話題推廣活動中，大量的水軍用戶被組織起來發表和傳播特定的信息。在微博中，水軍是一種特殊的垃圾用戶，他們被組織起來發表、回復、轉發博文或提及他人(@ 用戶名)，以達到快速傳播目標博文的目的。大量的有目的甚至不真實的博文在社交網路中傳播，不僅讓正常用戶無法看清事件的真相，而且會對他們造成誤導，造成不良的社會後果。例如，中國著名導演陸川宣稱他的電影《王的盛宴》遭受網路水軍的嚴重詆毀，嚴重影響了此電影的票房。為了減少網路水軍造成的負面影響，研究網路水軍的群體特性及其檢測方法具有重要意義。網路水軍是一群有著特殊目的(如商業推廣目的等)的線上用戶，他們被組織起來在社交網路中發布大量的推廣信息，使得話題是自然傳播的還是人為推廣的難以分辨。
水軍特點
水軍與傳統的垃圾用戶存在以下幾點不同。第一，典型的水軍具有很強的群體特徵，而垃圾用戶通常強調的是單個用戶。第二，水軍有可能對個人、公司或組織造成傷害，而垃圾用戶通常只是增加垃圾信息。第三，水軍既可以是被平台API（如新浪微博開放平台API）控制的程式機器人，也可以是公司的雇員或者臨時招募的人員等真實的用戶，這與傳統研究的程式機器Twitter bot等不同。第四，水軍通常比垃圾用戶更隱蔽。很多水軍在通常情況下是正常用戶，只有在特定任務到來時才表現出水軍的特質，這增加了水軍檢測的難度。淘寶、亞馬遜等電子商務網站中的意見垃圾用戶(Opinion Spam) 也是水軍的一種，但是意見垃圾用戶的檢測通常是基於電子商務網站的用戶評論進行的。
水軍來源
水軍網（http://www.shuijunwang.com，目前已被關閉）是一種供線上用戶獲取水軍兼職工作的網路平台，這類網站可以幫助公司、組織等在短時間內召集大量水軍。用戶可以從這些網站上獲取一定的報酬來幫助公司、組織等完成一些特定的任務，如發表廣告博文的任務等。這些水軍的行為會帶來一些負面影響，如有很多博文變得難以相信，因為水軍們經常發表不加思考的僱傭方提供的博文。對於一個特定任務，通常有組織者團隊(Organizers)負責組織此推廣活動，通常有三組人員為他們工作。第一種是資源組(Resource Team)，其負責為推廣活動提供素材，如博文內容、圖片、視頻等，其成員可能是作家和圖片、音頻、視頻製作專家等。第二種是內容發布者(Poster Team)，其任務是將資源組提供的素材發布到特定的網站中，其通常是一個公司、組織的雇員，或公司控制的殭屍用戶(如通過新浪微博API控制的殭屍程式)，或是從水軍兼職平台臨時召集的用戶。第三組是觀察和評估組(Observation and Evaluation Team)，其通常評價己方推廣活動的成果和分析敵方的應對，為組織者的決策提供支持。
水軍發現方法
宋（Song） 等認為基於用戶行為特徵的方法具有易偽裝性而使得此類方法效果不佳，如果網路水軍掩飾自己的被該類方法檢測的行為，那么此類方法難以進行檢測。他們認為用戶間的關係網路相對於用戶行為更加穩定，因此他們提出了基於用戶關係網路的水軍識別方法。他們利用用戶間距離和用戶關係強度等特徵使用多種分類器進行學習，實驗發現推特（Twitter）中的只有少數正常用戶被水軍發布的意見所影響。克里斯特爾（Krestel） 等在標籤分享站點中建立用戶、標籤和網路資源的關係結構，然後給定若干種子節點為水軍的機率值，假定與水軍相鄰的用戶也很可能為水軍，即節點為水軍的可疑度是可以在網路中傳播的，據此計算得到所有用戶為水軍的機率值。巴特（Bhat） 等發現社交網路水軍也會組成社區，他們利用用戶行為日誌抽取用戶互動圖並發現水軍的重疊社區。他們在數據集中加入了模擬的網路水軍用戶，此方法的性能仍有待於在真實數據集上進一步驗證。
盧（Lu） 等使用評論因子圖模型(Review Factor Graph Model) 將內容特徵與用戶特徵相結合，然後利用已知的網路水軍通過可信度傳播理論發現其它未知的網路水軍。此方法可以同時發現網路水軍和其發布的虛假評論。由於種子水軍是事先人工標註的，因此在真實環境中水軍識別的準確度可能有所下降。許（Xu）等 收集了亞馬遜網（Amazon）中的約13萬件產品及其評論數據，共包含約60萬評論用戶。他們分析了用戶行為特徵並構建分類器發現網路水軍，然後他們利用網路水軍間的關係修正分類結果以達到更好的效果。
津曼（Zinman）等 對社交網路中的用戶行為特徵和關係網路進行了分析，然後利用樸素貝葉斯模型和神經網路模型對社交網路中的用戶進行建模，發現網路水軍的典型行為模式。
為了發現網路水軍，王（Wang）等 首先分析不同於正常用戶的個體及群體特徵，在當前的水軍和垃圾用戶的研究中，個體統計特徵被廣泛研究，但是水軍作為群體表現出的群體特徵則很少涉及，作者分析和研究了水軍的4個個體特徵和6個群體特徵。然後基於這些特徵，提出了一種基於邏輯回歸模型的水軍用戶檢測方法。在檢測出的水軍基礎上，分析了在同一個話題中出現的水軍社區和同一社區中水軍的觀點傾向，以研究水軍的群體特性。在已發現的水軍基礎上，發現推廣活動的幕後推手。
相關案件
天津首個利用網站實施“網路水軍”非法刪帖炒作的案件於近期被偵破，16名犯罪嫌疑人被抓獲，電腦、手機、移動存儲設備及銀行卡等一大批涉案物品被扣押。此案涉案金額高達800餘萬元。
