朱娟

〔摘要〕[目的/意义]对在线虚假评论的现有研究进行梳理，分析研究现状，明确未来研究发展方向。[方法/过程]以CNKI和Web of Science文献为研究对象，从文献分析的视角，采用定性与定量分析相结合的方法，从虚假评论的识别方法、特征提取以及防治策略的角度，对国内外虚假评论研究的现状进行了分析，总结和概括了本领域研究的热点和存在的问题。[结果/结论]研究表明，在虚假评论的识别方法上，需加强对半监督和无监督学习的研究；在特征提取上，可考虑本体技术的应用；在防治策略上，要考虑多学科多领域的合作。

〔关键词〕在线商品；虚假评论；文献分析；机器学习；识别方法；防治策略；特征提取；综述

DOI：10.3969/j.issn.1008-0821.2017.05.028

〔中图分类号〕F7241〔文献标识码〕A〔文章编号〕1008-0821（2017）05-0166-06

A Review of Key Issues in the Opinion Spams of Online ProductsZhu Juan1，2

（1.School of Information Management，Wuhan University，Wuhan 430072，China；

2.School of Information，Jiujiang University，Jiujiang 332005，China）

〔Abstract〕[Purpose/significance]The paper carded existing study about online product opinion spam，summarized research status，and put forward future research direction.[Method/process]From the perspective of document analysis，using a combination of qualitative and quantitative methods to analyze the present status of research on opinion spams，summarized the key issues and problems in the field.[Result/conclusion]This paper presented the existing problems and future direction of field from three aspects：recognition method，feature extraction and prevention strategy，which provided reference to the academic research more deeply.

〔Key words〕online products；opinion spam；literature analysis；machine learning；recognition method；prevention strategy；feature extraction

2014年，中國互联网络信息中心（CNNIC）发布的相关网购决策的报告指出，用户评价在现阶段的网络购物决策中占据主导地位，375%的网购用户在决策时主要考虑因素为用户评价[1]。已购消费者对商品的评论信息在很大程度上影响了潜在消费者的购买决策，已有研究表明，80%的用户在查询到大量负面评论之后会放弃之前中意的商品，而87%用户的购买决策是基于大量的正面评论[2]。在线评论信息在某种程度上会直接影响产品销量，基于自身利益的考虑，商家会通过各种手段来诋毁或吹捧某些商品或服务[3]。研究表明，很多在线评论网站，如Amazon.com、Yelp.com等，存在着大量的虚假评论[4]，在Yelp.com，16%的酒店评论信息被认为是虚假评论[5]，国内的淘宝更是如此，刷客横行。……