1.一种基于用户评价信息的商品舆情分析系统，其特征在于，包括爬虫模块、数据预处理模块、情感分析模块、词典构造模块和可视化模块；
所述爬虫模块，用于对电子商务平台进行数据爬取，获得商品的基本信息及用户对商品的评价数据，并进行分类写入评价文本数据库中；
所述数据预处理模块，用于对商品的评价数据进行预处理，生成可供进一步分析的特征向量；
所述情感分析模块，用于提取特征向量中的典型特征，分析用户对典型特征的情感和对产品的总体情绪；
所述词典构造模块，用于对分词词库进行收集和融合以形成分词词典，从而供数据预处理模块进行分词和标注词性；还用于构建情感词典，从而供情感分析模块标注极性；
可视化模块，用于在Web端对情感分析模块的分析结果进行可视化展示。
2.如权利要求1所述的一种基于用户评价信息的商品舆情分析系统，其特征在于，所述爬虫模块对电子商务平台进行数据爬取，获得商品的基本信息及用户对商品的评价数据包括：
爬虫模块从指定的种子站点开始，以宽度优先模式从互联网爬取网页，针对每一个爬取到的网页，分析页面源代码，并进行解析，获取网页内相关的信息：产品特征和用户评价。
3.如权利要求2所述的一种基于用户评价信息的商品舆情分析系统，其特征在于，所述数据预处理模块对商品的评价数据进行预处理，生成可供进一步分析的特征向量，包括：
数据预处理模块首先基于分词词典对用户的评价数据进行分词处理，在分词结果的基础上，采用关联规则挖掘算法Apriori在评价文本数据库中发现高频名词及名词词组，并将其视为典型特征；对于包含典型特征的评价文本，数据预处理模块在去除该文本中的停用词后，发现文本中离名词或名词词组最近的形容词，进而生成形如[特征，观点]的特征向量。
4.如权利要求3所述的一种基于用户评价信息的商品舆情分析系统，其特征在于，所述情感分析模块提取特征向量中的典型特征，分析用户对典型特征的情感和对产品的总体情绪，包括：
对于特征向量中的每一个元素，情感分析模块在情感词典内寻找与典型特征及其观点相对应的极性，并将[评论，特征，观点，极性]写入数据库；
情感分析模块从评价数据库内选择部分数据作为训练数据集，采用支持向量机的方法对总体情感进行分类：
首先，对训练数据集进行标记，并对其中的形容词进行词频统计，提取出现频率较高的形容词作为样本特征；然后，将每个训练样本进行转换，将其转换为如下格式：<标记>特征1:个数特征2:个数……特征n:个数，其中<标记>取值为positive或negtive；最后，将转换后的训练数据输入到LIBSVM库中进行分类训练；训练出的分类结果随后被应用到实际数据中，帮助分析用户评价文本的总体情感。
5.如权利要求4所述的一种基于用户评价信息的商品舆情分析系统，其特征在于，所述可视化模块在Web端对情感分析模块的分析结果进行可视化展示，展示内容包括：产品的好评/差评率；正面及负面典型特征，并返回与特征相关的原始评论；帮助用户选择不同品牌及该品牌下的产品。
6.一种基于用户评价信息的商品舆情分析方法，其特征在于，包括以下步骤：
a.对电子商务平台进行数据爬取，获得商品的基本信息及用户对商品的评价数据，并进行分类写入评价文本数据库中；
b.对商品的评价数据进行预处理，生成可供进一步分析的特征向量；
c.提取特征向量中的典型特征，分析用户对典型特征的情感和对产品的总体情绪；
d.在Web端对情感分析模块的分析结果进行可视化展示。
7.如权利要求6所述的一种基于用户评价信息的商品舆情分析方法，其特征在于，步骤a中，所述对电子商务平台进行数据爬取，获得商品的基本信息及用户对商品的评价数据的方法是：
爬虫模块从指定的种子站点开始，以宽度优先模式从互联网爬取网页，针对每一个爬取到的网页，分析页面源代码，并进行解析，获取网页内相关的信息：产品特征和用户评价。
8.如权利要求7所述的一种基于用户评价信息的商品舆情分析方法，其特征在于，步骤b中，所述对商品的评价数据进行预处理，生成可供进一步分析的特征向量的方法包括：
数据预处理模块首先基于分词词典对用户的评价数据进行分词处理，在分词结果的基础上，采用关联规则挖掘算法Apriori在评价文本数据库中发现高频名词及名词词组，并将其视为典型特征；对于包含典型特征的评价文本，数据预处理模块在去除该文本中的停用词后，发现文本中离名词或名词词组最近的形容词，进而生成形如[特征，观点]的特征向量。
9.如权利要求8所述的一种基于用户评价信息的商品舆情分析方法，其特征在于，步骤c中，所述提取特征向量中的典型特征，分析用户对典型特征的情感和对产品的总体情绪的方法包括：
对于特征向量中的每一个元素，情感分析模块在情感词典内寻找与典型特征及其观点相对应的极性，并将[评论，特征，观点，极性]写入数据库；
情感分析模块从评价数据库内选择部分数据作为训练数据集，采用支持向量机的方法对总体情感进行分类：
首先，对训练数据集进行标记，并对其中的形容词进行词频统计，提取出现频率较高的形容词作为样本特征；然后，将每个训练样本进行转换，将其转换为如下格式：<标记>特征1:个数特征2:个数……特征n:个数，其中<标记>取值为positive或negtive；最后，将转换后的训练数据输入到LIBSVM库中进行分类训练；训练出的分类结果随后被应用到实际数据中，帮助分析用户评价文本的总体情感。
10.如权利要求9所述的一种基于用户评价信息的商品舆情分析方法，其特征在于，步骤d中，在Web端对情感分析模块的分析结果进行可视化展示时，所述展示内容包括：
产品的好评/差评率；正面及负面典型特征，并返回与特征相关的原始评论；帮助用户选择不同品牌及该品牌下的产品。