随着信息科技的发展,网络购物逐渐成为人们生活中不可或缺的一部分。网络购物虽然令消费者突破了时空的限制,但也将其束缚在大量商品信息中。因为商品信息真假难辨,在线评论成为了消费者购物抉择的重要依据,在购买前翻看商品评论更是成为一种习惯。但由于商家趋利,会雇佣水军团体发布虚假评论来提高商品口碑或诋毁竞争商家。经过专业训练的虚假评论者可以较好地隐藏于正常用户中,导致人工也很难快速准确识别虚假评论。为解决上述问题,本文基于派系过滤算法来进行虚假评论识别研究,主要研究内容如下:1.鉴于发布虚假评论较多的用户,对电商运营环境的影响较大,本文主要对YelpNYC数据集中评论数在三条及以上的用户进行分析。首先根据评论者之间的评论时间间隔和评分偏差来衡量评论者间的相似度,进而构建评论者网络。然后运用派系过滤算法来挖掘评论者网络图中的候选虚假评论用户群,并从群组和个人两个角度对检测出的群组进行虚假评论作弊特征提取。2.由于检测出的群组成员评论数据存在类别不平衡问题,本文采用两种过采样方法对数据集进行处理,并运用不同分类器分别对原始数据和过采样数据进行拟合,然后根据分类评价指标选取最优模型和对模型性能提升最大的过采样数据集进行后续分析。最后,基于最优模型对特征组合的分类效果进行分析,结果表明本文提出的群组特征和个体特征可以有效识别虚假评论,融合全部特征的模型精确率为0.9663,召回率为 0.9851。3.针对人工标注成本高且效率低的问题,本文首先将数据集随机划分为训练集和测试集,然后从训练集中随机抽取部分样本去掉标签,作为未标注样本集,将训练集中保留标签的样本视作标注样本集。当标注样本比例为10%时,利用未标注样本的Tri-training算法的模型整体分类性能得分为0.9490,相比仅利用标注样本的XGBoost模型,Tri-training模型的精确率提升1.67%,召回率提升7.73%,表明Tri-training 算法能充分利用未标注数据,训练集中仅有少部分带标注数据也能有效识别虚假评论,可减少人工标注带来的问题。