随着大数据时代的移动通信技术及计算机网络技术的发展,互联网行业发展迅速,体现在社会化网络社交平台、互联网金融平台等各个方面,且对传统的社会生活方式产生了影响。在此背景下,信息传播机制也更为开放与便利,网民可随时表达和传播特定事件的言论及态度情绪,因而网络舆情的研究日益受到政府机关及相关学者的关注。我国互联网金融业发展较快,但由于部分企业不够重视对风险的把控,使得互联网金融具有较大的风险性。互联网金融违规舆情在网络上传播,若形成热点话题,会引起大量的社会关注,甚至影响社会文化环境。网络中以文本等形式存在的大量数据,可作为互联网金融风险监管的信息数据来源。利用文本分析方法,可以对舆情进行精准的识别,有利于完善互联网金融风险的应急处理机制。网络舆情的传播是一个动态的发展周期,现有研究基于生命周期理论,对其从产生到消失的传播阶段进行了划分。舆情热度及传播的影响因素包括企业、政府、网民、媒体四个方面。本文借鉴网络舆情传播阶段划分的相关模型,针对4个互联网金融违规事件,对其舆情传播阶段进行研究,并对不同阶段的数据进行文本分析实验,以探究其变化规律。文本分析实验包括主题提取和情感倾向性分析。主题提取基于Text Rank及TF-IDF算法提取能够表达文本主旨的关键词。为了直观地分析主题变化,依赖第三方工具绘制词云,结合主题提取的结果,得到舆情传播不同阶段的主题变化。情感倾向性分析实验借鉴Google提出的BERT模型,使用Py Torch实现,对舆情进行分阶段的情感倾向性研究。从舆情传播规律来看,多数舆情事件遵循“潜伏期-扩散期-消退期”的三阶段模型。同时事件的后续进展会引起网民的再次关注,从而呈现出多次爆发的趋势。舆情主题方面,实验结果表明不同时期的主题有明显差异。情感倾向性分析结果表明,互联网金融违规舆情各个传播时期网民情绪均为负向。最后,本研究根据舆情传播规律及影响因素,提出了控制舆情传播的建议。本研究对互联网金融违规舆情进行文本分析,从海量文本流中挖掘出主题及情感极性,研究其规律以为舆情预测提供依据,具有创新性和借鉴意义。本研究在舆情分析、文本分析、舆情监测等领域具有理论意义和应用价值。