在电子商务快速发展的时代,网络购物已然成为一种人们普遍的购物方式。与此同时,越来越多的网购用户在购物之后,喜欢在电商平台分享自己对于所购商品及店家服务的观点和感受。大量的理论和实证研究表明,在网络购物情景下,网购评论对于消费者的购买决策和电商品牌及影响力的塑造均具有重要影响。随之而来,受利益驱动,一些不法商家采取雇佣虚假评论者发布不真实评论的手段,来提高自身信誉或诋毁竞争对手信誉,最终达到误导消费者购买决策行为的目的,致使网上虚假评论泛滥,不仅影响了消费者的正常购买决策,同时严重影响了电子商务的健康发展。这一问题已引起社会各界的广泛关注,亟待解决。基于上述背景,近年来异常评论检测已经成为电子商务和人工智能领域的研究热点之一,国内外学者从虚假评论的行为动机、形成路径、自动识别等多方面开展了大量研究。本文在学习借鉴已有研究成果基础之上,针对异常网购评论识别问题,从网购用户的评论行为和评论内容两个维度的特征分析入手,提出了基于行为和内容特征融合的异常网购评论识别方法,主要研究工作及取得的研究成果如下:(1)提出了一种基于行为熵的正常评论群体行为特征识别方法。该方法首先确定评论行为属性和评论用户分类,然后基于评论行为属性构建不同类别用户的评论行为熵模型,最后利用评论行为熵模型进行不同类别评论群体的行为特征提取,进而为异常评论行为检测提供模型和特征数据支撑。(2)提出了一种基于评论内容主题偏离度计算的正常评论文本特征识别方法。该方法首先构建评论文本特征集合,然后基于文本特征构建主题偏离度计算模型,最后利用主题偏离度计算模型提取正常评论文本的主题偏离度特征,进而为异常评论内容检测提供模型和特征数据支撑。(3)提出了一种基于评论行为和评论内容特征融合的异常评论检测方法。该方法分为两个阶段,第一阶段将日评论行为特征和日文本特征进行特征融合,然后利用该融合特征训练得到的SVM分类器,对评论语料中存在的日异常评论行为进行粗粒度的识别;第二阶段利用特征融合方法进行评论文本的多特征融合,然后利用融合后的文本特征进行SVM分类器训练,最后,利用该分类器,以第一阶段识别出的日异常评论行为所对应的评论集作为输入,进行基于文本内容的虚假评论识别。通过实验验证,该方法比传统的单一维度识别算法具有更好的识别准确率。