1.一種基于雙循環圖的虛假評論檢測方法，其特征在于，包括：

(1)采用原始圖過濾器計算原始評論數據的評論置信度和用戶置信度，并對用戶置信度進行篩選獲得可靠用戶，其中，評論置信度和用戶置信度的計算為：

評論置信度的計算：

評論v的置信度記為H(v)，取值范圍為(-1,1)，其計算公式為：

H(v)＝|R(Γ_v)|A_n(v,Δt) (1)

其中，A_n(v,Δt)表示在Δt時間內n條評論的評論一致性，Γ_v為評論v對應商店的id，R(Γ_v)表示評論v所評論商店的置信度；

用戶r的評論置信度H_r為：

其中，n_r為用戶r的評論數，表示用戶r的第i條評論的置信度；

用戶置信度的計算：

用戶r的置信度記為T(r)，取值范圍為(-1,1)，其計算公式為：

評論置信度初始值為0，用戶置信度的初始值為1，將原始評論數據中商店和用戶作為橫軸和縱軸，用戶對商店的評分作為元素值，構建矩陣，利用上述公式(1)～(3)計算評論置信度和用戶置信度；

對用戶置信度進行篩選獲得可靠用戶包括：

將所有用戶置信度以用戶置信度-頻數曲線呈現成用戶置信度頻度分布；

以用戶置信度-頻數曲線中靠近用戶置信度最小取值的波谷對應的用戶置信度作為第一個界點P1，以小于該第一個界點P1的所有用戶置信度對應的用戶作為可靠用戶；

且以用戶置信度-頻數曲線中靠近用戶置信度最大取值的波谷對應的用戶置信度作為第二個界點P2，以大于該第二個界點P2的所有用戶置信度對應的用戶作為可靠用戶；

(2)利用原始圖過濾器計算可靠用戶對應的評論數據的商店置信度；

(3)將原始圖過濾器中的評論置信度更新為步驟(1)獲得的評論置信度，利用原始圖過濾器計算原始評論數據的用戶置信度；

(4)以步驟(2)獲得的商店置信度和步驟(3)獲得的用戶置信度作為初始值，構建加權圖過濾器；

其中，構建的加權圖過濾器為：

步驟(2)獲得的商店置信度和步驟(3)獲得的用戶置信度作為初始值；

評論置信度H_r計算公式為：

其中，為用戶r的第i條評論的置信度，其計算為：

H(v)＝|R(Γ_v)|A_n(v,Δt) (5)

其中，A_n(v,Δt)為在Δt時間內n條評論的評論一致性，Γ_v為評論v對應商店的id，R(Γ_v)表示評論v所評論商店的置信度；

用戶置信度T(r)計算公式為：

商店置信度R(s)計算公式為：

其中，Times(τ_r，τ_max)為衡量用戶影響力的權重函數，其計算公式為：

其中，τ_r為用戶r對商店s的評論次數，τ_max為對商店s進行評論的所有用戶中最大評論次數，Ψ_v表示用戶對商店的具體評分，μ為用于衡量評分的積極性或消極性的閾值參數，T(K_v)表示發表評論v的用戶K_v的置信度；

(5)利用加權圖過濾器計算原始評論數據的商店置信度、用戶置信度和評論置信度，根據評論置信度篩選獲得虛假評論。