虚假评论，也称为欺骗性意见，用于误导人们，最近变得越来越普遍。 这是由于在线营销交易的快速增长， 例如销售和采购。 电子商务为客户提供了一种设施，可以在购买时发布有关产品或服务的评论和评论。 新客户通常 会在做出购买决定之前浏览网站上发布的评论或评论。 然而，当前的挑战是新人如何区分真实评论和虚假评论，从 而欺骗客户、造成损失并损害公司声誉。 本文尝试开发一种智能系统，该系统可以使用评论文本的 n-gram 和评论 者给出的情感分数来检测电子商务平台上的虚假评论。 本研究采用的拟议方法使用标准的酒店评论数据集进行实验 和数据预处理方法，并使用词频 - 逆文档频率 (TF-IDF) 方法提取特征。 对于检测和分类，本文将评论文本的 n-gram 输入到构建的模型中，以分类为虚假或真实。 然而，实验是使用四种不同的监督机器学习技术进行的，并在从 Trip Advisor 网站收集的数据集上进行了训练和测试。这些实验的分类结果表明，朴素贝叶斯 (NB)、支持向量机 (SVM)、 自适应增强 (AB) 和随机森林 (RF) 分别获得了 88%、93%、94% 和 95% 的基于 关于测试准确性和 tje F1 分数。 作者 将获得的结果与使用相同数据集的现有工作进行比较，所提出的方法在准确性方面优于可比较的方法。