随着科技的发展、互联网的普及,以论坛、微博、新闻和其他社区交流网站为主要载体的社会化媒体正在快速丰富着人们的闲余生活,在这些互联网媒体中,每个人既能发表自己的观点,以发表观点的方式发布信息,在发表观点的同时也将他人的观点加以传播,而且,也被他人所发表的观点所影响着,也就是媒体信息的受众者。在这些社会化媒体的影响和引导下,人们的投资方式也在逐渐发生改变,而互联网即为社会化媒体的主要载体。股票作为一种为大多数人所熟知的理财产品,其价格的波动能够对社会经济生活人们日常生活的许多方面产生影响,因此采取一些方法和模型对股票价格的未来变化趋势进行预测研究具有较大的研究价值。股票价格涨跌受多方面因素影响,同时股价时间序列数据间具有记忆性关系。长短期记忆神经网络（Long Short-Term Memory networks）模型是RNN神经网络模型的改进模型,可以更有效地学习长期依赖关系中的规律,因此在处理股票数据这类具有长期依赖关系的时间序列数据时更有优势。所以,本文在对股评文本进行情感分析的基础上,基于长短期记忆神经网络（LSTM）构建了股票价格走势预测模型。本文以提高预测精度为诉求,在传统的基于投资者情感的LSTM股价短期预测模型的基础上,针对以往的经典模型忽略了投资者情绪变化这一信息对于股市变化的影响的特点,融入了能够反映投资者关注热度的关注度指标和能够反映投资者投资情绪的情感倾向指标来增强预测模型的性能。借助投资者情感倾向指标和投资者关注度指标,能够较为准确地分析我国股票市场中各投资者的情感倾向和行为特征,进而可以进一步分析投资者情绪对股票价格的影响。因此本文以传统的金融时间序列模型为参照模型,将LSTM模型与与传统的金融时间序列预测模型进行对比,证明了LSTM模型在预测的准确性上有了明显的提升。随后,针对上述基于短期股价预测模型,针对非专业投资者构建了一个简洁易懂的股票推荐看板,主要是根据投资者的风险偏好、投资量、或者感兴趣的股票类型,将其搜索的相应股票的相关信息加以展示,为股票投资用户的投资行为提供参考和建议。