用户评论数据剧增是互联网Web2.0兴起后的一个重要现象。这是一个评论的时代,人们在阅读新闻、图书,观看电影,听音乐和购买商品时都会参考历史用户评论；在消费完成后,又会留下新的用户评论。如何利用好海量的用户评论数据是当今互联网界积极探索的一个领域。用户评论数据是一种非结构化的文本数据,对其的利用主要依赖文本挖掘的相关技术。从海量用户评论数据中提取评论主题,对其归类并展示其主题观点,成为了一种非常热门的应用场景。但是当前对图书用户评论的利用的进展依然非常缓慢。本文针对图书用户评论的主题归纳这一应用场景,提出了一种基于文本挖掘的用户评论分类解析系统的设计与实现。本文的主要工作可以归纳如下：(1)分析了用户评论数据的利用现状,总结了图书用户评论的数据特性,提出图书用户评论分类解析系统的设计思路和实现方案。(2)总结了图书用户评论和商品用户评论的异同,设计并实现了基于关键词过滤规则的垃圾评论过滤模块。(3)设计了一种新词自动提取方法。通过从语料中提取候选词,计算候选词的支持度和置信度,通过阈值刷选出新词,从而快速构建适合对图书用户评论分词的专属词典。(4)在垃圾评论过滤和专属词典构建的基础上,设计了基于词对搭配的频率统计和离散熵进行阈值筛选确定主题的方法,并进行了实现。(5)使用真实的图书用户评论数据应用本系统,产出结果数据,验证效果。