在网络新经济时代的当下，网络购物渐成为人们日常生活中不可或缺的一部分，在线评论作为获取对产品相关信息的重要的方式之一，为潜在消费者的购买决策及商家的经营战略等提供了有力的参考，不断提升在线评论的商业信息和公众价值。然而在享受网络便捷及高效的同时，不可否认，由于平台的虚拟性、信息不对称性、监管措施不到位等，致使大量在线评论偏离真实性，虚假评论由此滋生，严重影响了电商行业的健康发展，因此探索有效识别虚假评论信息的方法，并协同行业治理乱象是本文研究的重点。
　　首先，本文对我国电商行业在线虚假评论的现状及影响进行分析，分析在线虚假评论在信息识别及治理方面的现状，以及在线虚假评论的存在分别对商家、消费者、整个电商市场等所带来的影响，为下文的深入研究奠定基础。
　　其次，从技术角度出发，构建基于机器学习的在线虚假评论信息识别模型。在筛选、清洗爬虫数据的基础之上，随机抽样并根据定义的虚假评论标准进行人工标记在线虚假评论，在提取虚假评论特征维度后，采用SOMTE算法和随机森林算法相结合的机器学习算法，解决虚假评论数量相对于真实数量较少导致识别方法效果不理想的问题，以得到虚假评论的特征和虚假评论信息识别方法。
　　接着，从行业共治的利益关系出发，分析在线虚假评论的治理中涉及关键利益主体的博弈关系，在此基础之上，通过构建演化博弈模型，分析电商平台、商家和消费者在博弈过程中系统趋向渐进稳定性的条件，通过算例仿真识别重要参数变化对均衡解的影响。结果表明电商平台对消费者的奖惩机制、商家对消费者虚假评论的激励、商家异化经营时的机会损失、消费者撰写虚假评论的成本、消费者虚假评论的机会损失等均能有效影响系统的均衡实现，因此可望从以上重点因素着手，打造网络公平竞争环境，推动电商行业健康稳态发展。
　　最后，通过机器学习算法的信息识别和演化博弈的均衡结果分析，从不同角度出发提出有针对性的对策建议，包括优化在线虚假评论信息识别、完善电子商务监管体系、营造网络诚信健康生态等，以实现电商行业的稳健发展。