信息科技的成熟为电子商务的蓬勃发展创建了条件,相对于线下实体店购物,越来越多的消费者更倾向于方便快捷的线上网络购物。然而虚假评论的存在却使得消费者无法对商品进行更加客观的评估,侵害了消费者权益,同时也损害了部分诚信商家的利益。因此,本文基于Yelp在线评论数据集,使用LDA进行失衡处理,以及使用PW(Probability Weight)-Word2vec构造评论特征向量,提出了一种基于LDA和PW-Word2vec的虚假评论检测模型,主要研究内容如下:(1)训练词向量字典:基于酒店和餐饮领域数据,运用Word2vec模型完成了词向量字典的训练。(2)构建LDA+Word2vec虚假评论检测模型:针对实验数据中真假评论数据量的不均衡问题,本文提出了LDA抽样失衡处理的方法,使得真假评论数据量达到了一致,而后对该实验数据进行评论特征向量的提取,构建LDA+Word2vec虚假评论检测模型。(3)构建LDA+PW-Word2vec虚假评论检测模型:LDA+Word2vec建模过程中,存在着评论文本信息损失的问题,基于此,本文又进一步提出了LDA+PW-Word2vec模型进行虚假评论的检测。(4)模型实验对比:为了探求性能良好的虚假评论检测模型,本文进行了三组对比实验,其一为LDA抽样失衡处理与随机抽样失衡处理实验对比;其二为LDA+Word2vec模型与基准线模型的实验对比;其三为LDA+PW-Word2vec与LDA+Word2vec模型的实验对比。三组实验的对比分析最终验证了本文提出的LDA抽样失衡处理的有效性以及LDA+PW-Word2vec虚假评论检测模型的有效性。