目前电子商务依然保持着高速发展的趋势,越来越多的消费者选择在线购物,购物可选择的平台也越来越多。由于信息不对称,商品评论对于消费者在采购的时候有着极强的导引作用。在实际运营过程上,商品评论中产生了各种各样的漏洞,容易被人为操作形成虚假累积信誉,包括伪造自身好评,对他人的恶意差评,从而误导消费者,滋生网络欺诈。随着交易量和交易规模的上升,鉴别欺诈商家,真实评价卖方成为了一个不可忽视的问题。针对这一问题,本文调研了相关理论的研究工作,提出了基于情感计算的商品欺诈监测系统。首先进行系统分析和架构设计,包括系统目标、系统架构和功能模块设计。随后,设计和实现了各个功能模块,包括商品评论采集模块,通过开源GooSeeker自定义模板抓取多数据源评论；商品特征挖掘模块,结合领域本体概念和关联规则挖掘算法,其中以Protege构建领域本体,并结合同义词典扩充；特征情感向量计算模块,结合句法分析、领域词典、情感语料库和词汇相似度等相关理论方法,通过ICTCLAS进行语分词和词性标注,随后StanfordParser进行分词识别极性词、程度副词和否定,结合HowNet’情感语料库和同义词词库判别情感倾向程度；欺诈点识别模块,通过语义对向量特征合并之后,以基于密度的离群点识别算法找出其中可能存在的欺诈行为。本文提出的基于情感计算的商品欺诈监测系统能够根据用户提供的商品页面地址,根据预置规则自动采集商品评论信息,从中挖掘出商品特征以及消费者对其的情感倾向,通过比较情感倾向的一致性,识别出其中可能存在欺诈行为,辅助消费者购物,系统具有较强的应用价值。