随着互联网的发展,微博的媒体属性越发丰富,越来越多的民众倾向于用微博来曝光社会中的不良现象、发泄情绪等。在微博中,网民对事件的看法、情绪会影响事件的发展走向,若负面舆情话题出现而又没有及时控制和引导,会使得负面有害信息传播泛滥,影响社会和谐,因此,对网络舆情进行话题识别、情感倾向分析及探索网民的情感变化特点在网络舆情监测和引导方面具有非常重要的理论价值和现实意义。本文在研究网络舆情话题识别和情感倾向分析方法的基础上,结合网络舆情演化阶段分析了话题极性对网民情绪的影响及网民情感倾向的变化特点,所做工作主要有以下几方面:(1)本文尝试将基于LDA的改进K-Means聚类方法应用到微博子话题识别中,并与传统的K-Means聚类方法进行对比,实验结果显示,基于LDA的改进K-Means聚类方法可以识别微博子话题,且效果优于传统的K-Means聚类。(2)以现有的情感词典为基础,详细介绍了本文七种词典的构建方法,并制定了情感计分策略,然后用随机森林分类方法和基于词典的方法进行情感分类实验,实验结果表明,本文所构建的词典和情感计分策略在情感分类中有一定优越性。(3)结合网络舆情的演化阶段划分,以“海南天价机票”事件为例,分析了话题极性对网民情绪的影响及网民情感倾向的变化特点,研究发现话题的极性对网民情感倾向的变化具有一定的解释作用,在萌芽期,舆情信息少而分散,网民的情感并不显著,但是到了成长期,若负面话题较多,微博信息的扩散以转发为主,网民的负面情绪会快速集聚,这一时期,是政府或企业及时采取措施控制和引导舆情发展的关键时期;在爆发期,意见领袖的观点对舆情发展方向有很强的带动作用,政府或企业需要重点关注微博意见领袖的言行;爆发期之后,网民对舆情事件相关的新动态比较敏感,政府或企业需要持续关注舆情动态。