【摘要】【目的/意义】通过挖掘电子商务平台冗杂的在线评论信息,对在线评论进行效用过滤,将质量高、有用性强的评论呈献给消费者。【方法/过程】从Spearman相关性分析影响在线评论效用高相关因素入手,构建基于模糊神经网络(FNN)的在线商品评论效用模型,提出一种在线评论效用分类方法。【结果/结论】通过对亚马逊电子商务平台手机评论的实例验证,证明本文模型方法能够对在线商品评论效用进行有效区分,提出的在线商品评论分类过滤模型具有较高的准确度和有效性。