目前,看电影已经了成为一种流行的大众休闲方式。随着互联网的发展,如IMDb、豆瓣之类的电影评分网站也已经日益走进大家的生活。一般来说,得分高的电影通常也能获得更多的关注,进而获得更多的票房。所以,有一些利益相关者雇佣所谓的“网络水军”伪装成普通网友,在网站上发表对于自己有利的评论,误导网友,以此牟利。另外,还有的网友在没有去看过电影的情况下,完全凭借自己对某个导演或者演员的好恶对电影做出极端评分。以上都是对于电影的虚假评分。这些虚假评分可能会误导网友,造成不良影响。虚假评论问题已经引起了人们的注意并且引发了大量的讨论。研究者们在虚假评论检测领域也进行了许多工作。目前,大多数的工作着眼于判断某一具体的用户或者评论是否虚假评。然而,造假者在熟悉了这些检测算法之后,可以使用多种方法使得虚假评论越来越难以被检测出来。从另一方面考虑,用户使用电影评分网站时通常并不关心某一条具体的评论。电影的平均得分会成为用户对于电影质量判断的主要因素。因此,可以另辟蹊径,不去分析具体某一条评论或者某一组特定的用户是否虚假。而是从电影评分的整体分布入手,消除虚假评论对于电影的平均得分的影响,为电影建立一个“真实得分”。在这里,“真实得分”指的是电影在大众眼中的得分。这个“真实得分”对于广大的普通电影观众也更具有参考意义。因此,本论文提出了一种新的方法,即通过使用统计学习或深度学习还原电影“真实得分”的方法消除虚假评论对于电影评分的影响。