随着互联网与移动网络的普及,人们逐渐习惯关注网络热点事件并在网上表达个人情感。热点事件带来了海量的舆情文本数据,如何基于这些数据分析用户的情感导向是一个研究热点和难点。同时,情感分析是舆情系统中的关键步骤,有助于系统用户了解事件全貌、分析事件走势。舆情系统是能够自动采集并分析网络舆情数据的工具。系统使用大规模分布式爬虫进行全网多源舆情数据的自动化采集,然后使用处理模块对原始文本数据进行处理分析,为用户提供各种报表、视图与总结,帮助用户全方位的了解舆情事件的进展。分析事件情感导向是舆情系统中极为关键的一环,粒度与准确度是影响情感分析效果的重要因素。目前大多数现有系统采用的正面、中性、负面的情感分类方式,较难表达人类情感的复杂性;同时对多语言文本中复杂的上下文关系处理较少,对文本长度有所限制。针对上述问题,本文以舆情系统为应用背景,围绕情感分析技术展开研究,设计了针对语码转换微博短文本与新闻长文本的两种情感分析算法,设计并实现了舆情系统的情感分析功能相关模块。具体工作包括以下几个方面:1)针对语码转换文本包含多种语言和多维度情感的问题,以BERT预训练语言模型为基础,提出了一种语码转换微博短文本的多维度情感分析方法。该方法改进情感多标签输入输出方式,针对语码转换任务语言多样性的特点使用不同预训练模型,并在NLPCC2018会议的公开数据集上进行验证,实验结果在五个情感维度（喜、哀、怒、惊、恐）上的F1值均优于多种情感分析方法,相较BCEL平均提升约为0.09。2)针对BERT模型文本输入长度有限的问题,对于新闻长文本情感分析任务提出文本截断与文本切分两种处理方法。文本截断方法包含截取头部、截取尾部和截取头尾三种截断方式;文本切分方法包含分块和分句两种切分方式,使用池化或填充方法固定文本表示维度,最后通过基于注意力机制的双向LSTM模型输出分类结果。新闻长文本任务使用INEWS互联网情感分析任务数据集上进行验证,文本分句方法较未修改的BERT模型取得更优的结果,准确率提升约为0.02。3)基于上述算法,设计并实现了舆情系统中情感分析功能相关模块,主要包括情感分析模块、爬虫模块、消息中间件模块、数据处理模块等。实现系统中的数据获取层及数据处理层,使舆情系统可以提供完整的情感分析功能。