随着互联网的逐渐普及,网络购物也在悄然间成为人们日常生活的重要组成部分。截止2017年底,网购用户已经达到5.33亿,占中国人口总数的40%。基于互联网在信息方面的巨大优势,针对相应的在线商品消费者能够看到大量的评价信息,而后者将是消费者购买与否的重要依据。但在质量上这些评论信息又表现出了较大的差异,从而影响到了消费者对于高质量信息的筛选。在此,笔者就这些商品评论的有用性展开研究。进而在探究其影响因素的基础上,通过引入文本分类技术以实现对其自动识别。笔者先是就学术界对于商品评论有用性及文本分类技术的研究进行总结归纳,得到了评论效用同文本分类间的关系。进而找到了实现对其自动识别的方法。随后通过探究在线口碑的特点与评论之间的作用机理,完成了对此次研究对象特点的总结工作。于此同时,还界定了评论效用的具体概念与评定标准。随后又相继从评论源与评论本身探究了其影响因素,确立各项评价指标与相应的衡量方法,进而为评论文本特征向量的构建提供的基础性支持。最后,成功实现了对其自动识别。换而言之,便是能够根据消费者的需求对所有评论进行自动分类。通过构建文本特征向量,并基于支持向量机算法对之进行分类,进而自动识别出有用评论。本次研究工作相对于那些在线购物用户、网站平台等的评论系统的发展均有着极其重要的意义与作用。同时还能够在相应程度上促使网站评论系统趋于完善,进而为消费者提供更为优质的服务。