互联网的飞速发展使得网络购物成为人们日常购物的主要方式。由于网络购物过程中消费者与商家之间信息的不对称性,网络评论就成为消费者了解产品信息的重要途径之一。但是,一些不法商家为了获取更多的利益,会通过各种方式来制造一些虚假评论,以此来诱导更多的消费者来购买他们的商品。长此以往,不仅损坏了消费者的利益,也不利于电子商务平台的稳定发展。因此,有效的识别在线评论中的虚假评论,具有重要的现实意义。近年来,众多学者也从不同角度展开了对虚假评论识别的研究,并取得了一定的成果,但对于虚假评论识别的准确率和有效性上还有待进一步提升。本文在前人研究的基础上提出了一种基于多维特征与集成算法的虚假评论识别方法。该方法首先从商品、评论发布者、评论内容三个维度出发,研究这三个维度对在线评论有用性的影响,基于这个角度引入了商品在线评论中对识别评论类别贡献程度较大的9个特征,对这9个特征进行向量化表示,并计算出每个特征在识别评论类别过程中所贡献的权重,将得到的权重重新引入到已经构建好的向量化数据中,作为识别模型最终的输入特征值。本文又构建了基于SMOTE-Adaboost+DT的集成算法分类器,以引入多维特征权重的向量化数据为输入特征值,通过SMOTE算法进行过采样,解决了数据不均衡问题,然后采用Adaboost集成算法通过集成决策树来实现最终的分类。为了验证本文提出的虚假评论识别模型的有效性,以对京东商城某运动鞋的在线评论进行识别为例,通过设置多组对比实验,并实验结果的对比分析,从而验证了本文提出的识别虚假评论模型的有效性。