目前,网络购物已成为人民日常生活中一种非常重要的消费渠道,人们在网上购买相关产品前,一般都会先阅读产品的评论来对所要购买的产品从价格,性能等方面进行初步的认识。同样,商家为了解客户对产品的看法,也会查阅分析用户对产品的评论,以获取产品存在的不足,了解用户对产品的偏好,以此更好的改进产品。但是,在产品评论中充斥着大量的垃圾评论,而这些垃圾评论对用户的购买期望带来影响。因此,分析垃圾评论的特征,并对其进行有效的识别检测就成为一项非常必要的研究。本文针对产品评论领域中垃圾评论的识别问题,对垃圾评论的相关技术进行了阐述,分析了当前已有垃圾评论检测方法存在的一些不足,将垃圾评论分为内容型垃圾评论和虚假型垃圾评论两大类,并根据两者特点的不同,提出了相应的识别方法,主要贡献包括以下几个方面:(1)对垃圾评论的相关技术进行了阐述,分析了当前已有垃圾评论检测方法存在的一些不足,结合相关研究将垃圾评论分为内容型垃圾评论和虚假型垃圾评论两大类,并针对这两类垃圾评论设计不同的检测方法。(2)从产品评论内容角度出发,提出了基于模糊支持向量机的内容型垃圾评论检测方法。为解决由于大规模评论数据集向量维数灾难问题,进一步提出贝叶斯(LSA)方法与FSVM算法相结合的思想。在不影响FSVM对最优分类超平面的构建的前提下,采用LSA方法去除评论数据集中的噪声词和隐含语义相同或相似的词,以减少分类训练时的维数,并通过实验对提出的方法进行验证。(3)在对虚假型垃圾评论检测问题进行分析的基础上,从评论内容及评论用户行为两方面进行了建模,构建了六种在检测过程中可随时更新的特征,基于构建的六种特征设计了有监督和无监督的两种垃圾评论在线检测方法。文中最后的实验结果表明,提出的方法能够有效地检测产品评论中存在的内容型垃圾评论和虚假型垃圾评论。