1.一种基于storm分布式框架的食品安全网络舆情预警系统，其特征在于，通过爬取食品相关舆情信息，并进行分布式聚类；分析聚类结果以得到事件信息，判断舆情变化趋势，进而进行监控和预警；
所述系统的拓扑结构包括控制节点和工作节点，所述控制节点上包括nimbus组件，所述nimbus组件负责分配工作给工作节点并且监控状态；所述工作节点包括supervisor组件，所述supervisor组件负责监听所辖服务器的工作，根据需要启动/关闭工作进程；
通过spout节点从外部数据源读取数据并且随机分发给第一层bolt节点进行计算和处理，bolt节点向外继续发送本身处理后的结果给下一层bolt节点，从而将任务分成多个部分并行处理，任务拓扑在提交后会一直运行，除非显示终止；
第一层bolt节点对文本进行分词和向量化，采用nlpir汉语分词系统和食品类别表对文本进行分词处理，然后使用tf_idf算法和自编码神经网络进行向量化，实现食品类别判断，对标题和摘要分词后的结果与食品类别表中的词进行对比，对出现频率最高的食品词汇与食品类别表中的子类别进行关联匹配，得出文本在食品类别表中的父类别，作为文本的分类，其中，文本采用向量空间模型的形式来表示如表达式(1)：
d＝{(t1,w1),(t2,w2),(t3,w3),…,(tn,wn),}(1)
其中，t1、t2、t3…tn为代表文本内容的特征项,w1、w2、w3…wn为对应特征项的权重值，特征项为通过nlpir汉语分词系将文本分词之后，出现在食品类别表中存在的词汇，通过tf-idf算法计算该词汇的权重值；
将分类后的文本发送到第二层bolt节点，使用余弦相似度算法计算文本之间的距离，形成节点微簇；
所述事件信息包括事件开始时间、事件地点、事件类别、事件中心内容、事件关键词、事件的舆情变化趋势中的任意一个或多个；
所述舆情变化趋势包括文本的转发数、评论数、会员数量、非会员数量、文本倾向度、事件变化频率和热度中的任意一个或多个；
所述文本倾向度通过对文本内容计算得到，其中，倾向度词库分为正向倾向词库、中立倾向词库、反向倾向词库，正向倾向库中的词汇舆情数值为1，个数为pos个；反向倾向库中的词汇舆情数值为-1，个数为neu个；中立倾向库中的词汇舆情数值为0，个数为neg个，则该文本的舆情倾向度y如表达式(5)：
y＝(pos*1)+(neu*-1)+(neg*0)(5)
文本倾向判断依据公式(6)：
当舆情倾向度y大于60时，该文本为正向舆情文本；当舆情度小于60时，该文本为负向舆情文本；当舆情度大于-60小于60时，该文本为中立舆情文本。
2.根据权利要求1中任意一条所述的基于storm分布式框架的食品安全网络舆情预警系统中，其特征在于，构建舆情预警指标体系，引入ahp分析模型，得出各项指标权重，计算每个事件的预警值，通过人工筛选的方法，确定预警等级。
3.根据权利要求2所述的基于storm分布式框架的食品安全网络舆情预警系统中，其特征在于，所述舆情预警指标体系包括指标：微博数、评论数、转发数、独立用户数、变化活度和情感倾向性中的任意一个或多个。