1.一种基于强化学习的虚假评分检测方法，其特征在于，该方法基于Q网络，包括以下步骤：定义买家评分状态向量st，st由四元组构成，反映了买家的状态特征：其中，表示买家自身的内在属性，表示买家所处外部环境的特征；

在买家评分状态向量st中，

表示买家Bi在他评分时序t的评分间隔时间天，T是平台全局时间戳；表示买家Bi在他评分时序t对卖家Sj的评分；得到如式(8)所示的梯度

2.如权利要求1所述的一种基于强化学习的虚假评分检测方法，其特征在于，迭代k的目标取决于网络权重。

3.如权利要求1所述的一种基于强化学习的虚假评分检测方法，其特征在于，Q网络中，输入为买家评分的状态向量st，中间使用了一个由20个节点组成的全连接隐藏层，输出层使用了Softmax输出at，DQN的目标就是通过agent不断的对环境的感知，按照策略和最优状态‑动作值函数Q*(s,a)来选择动作，最终能够使未来的回报最大化。