随着互联网的快速发展,评论网站在网上购物中扮演着越来越重要的角色。现有的虚假评论识别系统存在着对于虚假评论的识别准确率不高、系统鲁棒性不强的缺点。本文基于深度学习算法,设计和实现了虚假评论识别系统,提高了识别模型的准确率,同时用模块化的设计提高了系统的鲁棒性和灵活性。针对现有的虚假评论识别系统的不足,本文对于虚假评论识别系统进行重新的设计,将其划分为模型训练模块和虚假评论鉴别模块。模型训练模块足面向系统设计者,可以对虚假评论识别的模型进行学习。虚假评论鉴别模块是面向用户,帮助用户判断评论的真伪。为了实现卜述功能,本文的模型训练模块分为数据爬取子模块、数据处理子模块、模型构建子模块、模型训练子模块和模型测试子模块。我们在网站卜面爬取数据集,然后对爬取得到的原始数据进行处理。我们将构建得到的模型框架,用训练集进行学习。学习得到的模型用模型测试子模块对模型在测试集上进行相应的测试。对于模型的构建,考虑到评论内容和评论的其它信息这两部分数据,我们分别采用LSTM网络和CNN网络对这两部分数据进行特征抽取,然后将得到的特征输入到分类器中进行分类。对于虚假评论鉴别模块包含评论输入子模块、模型计算子模块和评论结果获取子模块。用户输入评论数据,虚假评论识别系统对其进行数据处理,然后通过保存的模型进行计算,将计算结果返回给用户。本文首先进行了需求分析和关键技术的探讨,然后给出了系统模块的详细设计与实现。本文对系统的各个模块设计进行了测试,测试结果表明虚假评论识别系统的设计与实现符合要求,最后对全文进行了相应的总结。