1.一种基于用户评论数据的产品优化方法，其特征在于，包括：S1、获取可穿戴智能产品的评论数据；

S2、对评论数据进行预处理，得到产品数据信息；

S3、对产品数据信息进行分析，得到产品质量影响因素；

S4、采用贝叶斯因果推断模型对产品质量影响因素进行因果关系特征提取，得到后验概率跟踪图；具体包括：步骤1、定义高斯有向图模型，根据产品质量影响因素构建初始高斯有向图D＝(V,E)，其中V为高斯有向图的节点，E为高斯有向图的边；

步骤2、获取与节点V相关联的实值随机变量的集合(X1,……,Xq)，其中(X1,……,Xq)满足零均值高斯DAG模型；

步骤3、将随机变量集合输入到结构方程模型中，得到结构方程表达式：其中， 为零均值分布；

步骤4、将结构方程转化为似然函数；

步骤5、确定高斯有向图的先验参数，根据先验参数采用似然函数对高斯有向图的边进行验证，得到边际似然值；

步骤6、采用MCMC算法对高斯有向图模型的参数进行采样；

步骤7、根据采样的参数值计算后验分布，并计算后验分布的期望值和最大后验估计值；

步骤8、验证采样的质量和参数估计的稳定性，并输出后验概率图；

S5、确定后验概率跟踪图中的因果关系是否稳定，若不稳定，调整贝叶斯因果推断模型中的参数，并返回步骤S4；若稳定，则执行步骤S6；

S6、根据后验概率跟踪图生成因果关系图，并计算因果效应；

S7、根据因果效应对可穿戴智能产品进行改进优化。

2.根据权利要求1所述的一种基于用户评论数据的产品优化方法，其特征在于，可穿戴智能产品评论数据包括：评论、时间、回复、评论字数、有无图片、浏览次数、有用点击数以及回复评论字数。

3.根据权利要求1所述的一种基于用户评论数据的产品优化方法，其特征在于，对评论数据进行预处理包括：对评论数据进行信息筛查，得到与产品信息相关的评论数据；对筛查后的评论数据进行去冗和补全处理，得到产品数据信息。

4.根据权利要求1所述的一种基于用户评论数据的产品优化方法，其特征在于，对产品数据信息进行分析包括：对产品数据信息进行标准化处理，将标准化后的数据转换为虚拟变量，其中虚拟变量为产品质量影响因素；虚拟变量包括产品尺寸、适用年龄、产品质量、产品重量、物流、产品作用以及售后服务。

5.根据权利要求1所述的一种基于用户评论数据的产品优化方法，其特征在于，似然函数为：其中，XA为X的(n,|A|)子矩阵，A为X的列的集合；In表示(n,n)同一矩阵。

6.根据权利要求1所述的一种基于用户评论数据的产品优化方法，其特征在于，先验分布为：其中，IGa(α，β)表示形状为α>0和速率为β>0的反伽马分布， 为DAG模型的特定参数。

7.根据权利要求1所述的一种基于用户评论数据的产品优化方法，其特征在于，边界似然函数为：其中，X表示实值随机变量，D为高斯有向图，L为系数矩阵。

8.根据权利要求1所述的一种基于用户评论数据的产品优化方法，其特征在于，后验概率值为：其中，X为与节点V相关联的实值随机变量，u为高斯有向图的节点u，v高斯有向图的节点，(u，v)为节点u到节点v的边，S为边的总数量。

9.根据权利要求1所述的一种基于用户评论数据的产品优化方法，其特征在于，计算因果效应包括：根据对称正定精度矩阵Ω的关系恢复精度矩阵集合 对于一个给定的干预目标 从后验分布中抽出每个因果效应系数 采用对应该系数进行恢复，得到因果效应。