在电子交易活动中,评价的作用是巨大的,能够很大程度上引导消费者的购买意愿,进而决定商家的经营状况。对于消费者和商家,评价本身内容的客观程度是十分重要。然而真实情况下的评价往往隐藏着大量虚假评价。虚假评价往往表达错误信息,用于误导消费者。因此,提出一种识别虚假评价和降低虚假评价的影响程度的方案是迫切需要的。本文对虚假评价的生成场景进行研究,提出一种适用于移动电商业务的评价处理方案,建立更为客观公正的评价处理机制。该方案主要由真实性推测机制和评价量化算法两个部分构成。真实性推测机制负责判断评价的客观性。将评价人确实进店消费的可能性,作为判断一条评价所具有的客观程度的标准。评价人进店可能性高,则评价的客观性就高。反之,则评价客观程度低。机制的基本原理是利用手机定位技术,记录评价人的移动轨迹,推测其近期到达的地点,进而推测该人进店消费的可能程度,最终获得评价的客观程度。量化算法用于对评价进行量化得到最终结果。本文对原有的均值算法进行优化,提出两种用于量化评价的改进算法:固定权重算法和复合权重算法。固定权重算法根据评价的客观程度不同给予不同的固定影响权重。复合权重算法在固定权重算法的基础上进一步优化,加入用户评价习惯和任意评价现象两方面考虑因素。使用三种算法对同一评价数据进行量化产生三组结果。通过三组结果的对比分析,能够粗略判断近期是否产生大量虚假评价。论文将所设计的评价处理方案付诸于实践,实现一款运行于安卓平台上的手机订餐系统。该系统分为客户端和服务端两部分构成。客户端向用户提供订餐、用户信息、系统设置、活动和评价处理五种业务模块。服务端负责响应来自客户端的所有请求。评价处理方案实现过程也分布在客户端和服务端两部分。在客户端评价处理模块,主要实现定位服务和真实性推测机制。在服务端评价处理模块,主要实现量化算法和定时任务。最终所实现的系统,能够保证手机订餐业务的流畅使用,并且可以自动高效的处理大量评价数据。