吴 敏，何 珑

（1.福州大学 数学与计算机学院，福建 福州350108；2.福州大学 信息化建设办公室，福建 福州350108）

近几年，随着互联网的发展，人们越来越喜欢在网络上表达自己的观点。他们可以在购买商品的同时在各大商业网站、论坛以及博客发表评论。这些观点信息对其他潜在用户至关重要。

由于网络的开放性，人们可以在网站上任意书写评论，这导致评论的质量低下，甚至产生垃圾评论，即由一些用户蓄意发表的不切实际、不真实的、有欺骗性质的评论，其目的是为了提升或者诋毁某一产品或某一类产品的声誉，从而误导潜在消费者，或者干扰评论意见挖掘和情感分析系统的分析结果[1]。正面评论可以提高产品销售额，还可以提高公司的名声，负面评论则可以诋毁竞争对手。这就为垃圾评论发表者提供了足够的动机。2007年，JINDAL N和Liu Bing首次对垃圾评论检测进行相关研究[1-2]。

1 相关工作

目前，在线观点的分析已经成为一个热门的研究主题。然而，现有工作主要集中在利用自然语言处理和数据挖掘技术来抽取和总结评论观点[3-4]，对评论的特征以及评论者的行为研究较少，而这些却是观点挖掘的必要前提。

目前的研究工作中已经取得了很多成果，JINDAL N等[1-2]将垃圾评论分为三类：欺骗性的评论（Untruthful Opinion）；不相关的评论（Reviews on Brands Only）；非评论信息（Non-Reviews）。之后，他们收集了评论文本、评论发表者和产品3个方面共36个特征，采用人工标记训练集的方法，应用Logistic回归建立机器学习模型来识别第二类和第三类垃圾评论；……