Con el desarrollo de Internet, servicios como catering, belleza, alojamiento y entretenimiento se pueden reservar o consumir en línea. Por lo tanto, los consumidores cada vez más confían en la información en línea para elegir comerciantes, productos y servicios, siendo las reseñas un factor crucial en su toma de decisiones. Sin embargo, la autenticidad de las reseñas es altamente debatida en el campo de la consumición de servicios basados en Internet. En los últimos años, debido al rápido crecimiento de estas industrias, la detección de reseñas falsas ha ganado cada vez más atención. Las reseñas falsas desorientan seriamente a los clientes y dañan la autenticidad de las reseñas en línea. Se han desarrollado varios clasificadores de reseñas falsas, teniendo en cuenta el contenido de las reseñas y el comportamiento involucrado en las reseñas, como la calificación, el tiempo, etc. Sin embargo, no ha habido investigaciones que consideren la credibilidad de los revisores y comerciantes como parte de la identificación de reseñas falsas. Con el fin de mejorar la precisión de los métodos existentes de clasificación y detección de reseñas falsas, este estudio utiliza un módulo de procesamiento de texto de comentarios para modelar el contenido de las reseñas, utiliza un módulo de procesamiento del comportamiento del revisor y un módulo de procesamiento del comportamiento del comerciante revisado para modelar secuencias de comportamiento de reseñas de consumidores que implican la credibilidad del revisor y secuencias de comportamiento de reseñas de comerciantes que implican la credibilidad del comerciante, respectivamente, y finalmente fusiona las dos características para la clasificación de reseñas falsas. Los resultados experimentales muestran que, en comparación con otros modelos, el modelo propuesto en este documento mejora el rendimiento de clasificación al modelar simultáneamente el contenido de las reseñas y la credibilidad de los revisores y comerciantes.