随着电子商务的蓬勃发展,网络购物逐渐成为人们购物的主要方式。基于网络购物中消费者与网上卖家信息不对称的特点,在网购过程中,商品网络评论信息已经成为消费者网购决策的重要依据。但是,在利益的驱使下,越来越多的虚假网络评论呈现在消费者面前,致使消费者获取真实的网络评论信息变得越来越困难,虚假网络评论的识别研究工作也因此展开。近年来,随着广大研究工作者的不断努力,网络虚假评论识别研究方法被不断提出,虽然这些方法在研究过程中各有侧重,但是在识别虚假网络评论的准确性和有效性等方面还有提升的空间。基于以上情况,在前人研究工作的基础上,本文研究并提出了一种基于商品网络评论多维特征权重的虚假评论识别方法。该方法以支持向量机文本分类为基础,以商品网络评论信息的有用性为出发点,通过引入商品网络评论中对评论属类识别较大的9个特征的权重来构建虚假评论识别模型,最终完成对虚假评论的识别。该方法与以往的虚假评论识别方法相比具有以下优势:引入的商品网络评论特征权重较多,即使出现某一特征对评论属类识别贡献度不高的情况,仍能保证对虚假评论识别的准确率和全面性。本文在研究中,使用了该方法对亚马逊网站上的手机网络评论进行识别实验,实验结果表明,引入商品网络评论的多维特征权重后,支持向量机对网络虚假评论识别的准确率、查全率和综合分类正确率均高于未引入多维特征权重时的实验结果,从而证明了本文所提方法对虚假评论识别的有效性。