本文研究的商品评论信息为在线商品评论(后文简称“商品评论”)是指用户在第三方点评网、电子商务平台、论坛、微博等评论性网站上对商品、商家或服务发表的观点。在商品评论聚集了大量用户观点的同时,它也逐渐成为了消费者制定购买决策前的重要依据,显著影响着商品的销量。保证商品评论的可信度对消费者、商家以及市场的稳定都是至关重要的。鉴于此,本文立足于商品评论的可信度研究,旨在使用数据挖掘的方法为消费者提供对其制定购买决策有帮助的商品评论,过滤掉可信度较低、会误导消费者、甚至使其利益受损的商品评论。本文在深入分析商品评论特点的基础上,结合相关研究成果,总结商品评论可信度影响因素,通过问卷调查进行实证分析。根据实证结果,得到显著影响商品评论可信度的四类特征,即内容完整性、情感平衡性、评论时效性以及发布者身份特征,采用CRFs模型选取相应特征对商品评论的内容完整性和情感平衡性特征进行识别。内容完整性特征中的评价对象识别问题中,本文选取词、词性、Hownet’情感词以及本体四种特征；情感平衡性方面,则选取词、词性以及Hownet’情感词三种特征,识别出5级评价词,再计算每条评论的情感极性值作为情感平衡性特征。该方法应用于NLP&CC2013中文微博观点要素抽取评测中,宽松评价下位居21所测评单位第1,严格评价下位居第3,进一步验证了该方法的有效性。完成商品评论可信度特征识别后,本文提出了商品评论可信度四级分类判别标准,采用CRFs模型进行商品评论可信度四级分类,并按照四类特征进行特征组合实验,得到不同可信度等级下的最佳特征组合。实验结果效果显著,分类模型正确率均在80%以上。该研究成果还可以用于改善现有的“人工效用评价”方式,为商品评论的优化过滤提供一种新的方法与思路。