根据中国互联网络信息中心(CNNIC)发布《2015年中国网络购物市场研究报告》显示,截至2015年12月,中国网络购物市场交易总次数达256亿次,年度人均交易次数62次。伴随着网络购物的蓬勃发展,购物信息巨增,研究表明,相比于商家展示的信息,消费者更愿意相信网络在线评论,也就是网络口碑。当前多数网络购物平台都拥有比较完善的售后评价系统,方便消费者对商品进行信息反馈,以供后续买家参考。但是伴随着电子商务的蓬勃发展,评价信息的数量呈现出指数级的增长,消费者在面对海量信息时,如何快速的识别可靠的信息,提高信息判断的准确性是一个亟待解决的问题。此种现象逐渐引起了国内外学者的关注,相关研究成果如雨后春笋,但目前学者的研究多数集中在评论识别、评论有用性影响因素等方面,对评论的排序过滤问题的关注度较少。针对目前的现状,本文从评论的有用性过滤排序入手,旨在将维度更丰富的评论信息优先呈现给消费者,提高消费者信息有用性感知。本文通过查阅以往文献,梳理在线评论有用性影响因素,构建本文的概念模型,通过定量研究方法对相关指标进行量化处理,并采用模糊层次分析法对三大指标进行权重的确定,并结合数据包络分析法对在线评论进行过滤排序,最终采用实证法进行验证。实验证明,本研究排序方法可靠,排序结果比较理想,能较好的处理当前在线评论大量冗余的问题,可明显提高消费者的在线评论有用性感知。对用户有效识别可靠信息,提高信息判断的准确性具有一定的理论与实践意义。