信息时代的发展日新月异,随着移动互联网的深入发展,大数据时代已然到来,各式各样的数据充斥着网络,人们已经可以轻易地获取所需的信息,但随之而来的问题是,数据鱼龙混杂,让人难以鉴别真伪。这种情况在涉及到商业利益时尤为突出,商家往往会夸大甚至虚假自己的产品信息,以达到诱导客户购买的目的。网络点评系统正是为解决这一问题应运而生的。点评系统通过提供广大消费者对商品的评分和点评,来帮助用户做出更准确的判断。这其中,综合评分是最直接、最受关注的参考信息。但综合评分仍会受到部分用户有失偏颇的打分影响,而变得失真。本文着重解决这一矛盾,运用人工智能领域的深度学习算法来优化点评,完成了整个点评系统的模型建立、系统实现与验证。证明在给定用户点评数据集下,能使系统最终呈现的综合评分与选定的标准评分之间达到较高的匹配性,从而更加客观和准确地反应被点评的商品。本论文做了如下五大方面的研究工作:1.本论文对网络点评系统的由来以及当前现状进行了分析,研究了主流网络点评系统的特点,发现现有系统普遍存在商家雇人刷点评、用户评分极端化、大量点评数据来自初次注册的用户等方面的缺陷或不足。提出了通过应用人工智能领域的深度学习算法从海量点评数据中提取数据本质特征,根据所提取的特征做出分级别的权值修正,从而优化综合评分的新一代点评系统产品解决方案。2.本论文研究了能适用于点评数据集的主流机器学习算法,比较和验证了不同算法在系统中的表现。开创性地将点评数据转换成图像的形式,从而使得数据集在卷积神经网络算法中取得了意想不到的高准确性。3.本论文对网络点评系统进行了需求分析,在需求分析的基础上进行系统架构设计。系统采用B/S多层结构设计,客户端基于Java Script+HTML5+CSS技术实现,服务器端基于Python+Tensorflow技术实现。系统由物品浏览、用户点评、物品管理、系统维护等模块组成。系统还提供了扩展功能接口,可以兼容更大型应用场景,例如结合在线支付和位置服务的在线购物、团购等功能。4.本论文实现了一个通用的网络点评系统。完成了系统所有主要模块(包括用户点评模块、物品管理模块、物品浏览模块等)的设计和实现,以及可适应于跨平台的设计与实现。论文还设计和实现了能提升用户体验的界面效果,如转场动效、轮播效果等。5.最后本论文验证了系统的主要功能,并通过实际用户点评数据在不同算法模型下的对比,验证了点评系统对于提高商品的评价准确性的效果。此外,本论文还验证了跨平台解决方案的可用性和适用性。本论文通过对网络点评系统的研究,验证了运用深度学习技术优化用户点评数据的可行性,基于此技术的系统应用增强了用户体验,提高了点评的准确度。