新冠疫情作为重大的公共卫生突发事件,在2020年的影响是巨大的,不仅对全球的经济造成了巨大的冲击,也对人们的心理健康造成了重大的影响。新冠疫情的发生极易引发社会的群体性恐慌,如果政府不加以积极引导舆情的方向,可能造成难以估量的后果。新浪微博作为中国最大的社交媒体平台,中国网民在上面广泛的发表个人的意见和看法。因此通过微博发布的文本信息研究中国网民的情感倾向,为政府更好的引导舆情的走向成为眼下的当务之急。在此背景下,本文通过新浪微博的“高级搜索”功能,以“疫情”为关键词,限定仅检索原创微博,通过python爬虫获取中国网民发布的微博文本数据,对文本数据进行清洗后,采用TF-IDF模型和BERT模型对微博文本的主题和情感进行分类,并提取每个主题下的关键词,厘清2019年12月至2020年12月这个时间段的舆情演变过程,研究意义在于一方面可以及时了解网民的情绪动态的变化情况,另一方面可以为政府更好的采取措施去控制舆情走向提供参考。本文主要研究的内容包括以下几个方面:（1）中国网民在疫情期间的情感倾向的演变过程分析。首先,本文对收集的原始数据进行数据清洗形成适合情感分析的数据集,其次,采用BERT模型对清洗好的数据集进行情感分类,将情感分为积极、中性和消极3个类别。再次,根据情感倾向的类别得到中国网民的情感倾向随时间变化的演变过程的时序图。最终本文发现在整个新冠疫情发生的过程中,中国网民在整个过程中大多数人保持着积极、乐观的心态,展现了中国在面对困难的决心和毅力,但负面情绪一直贯穿整个新冠疫情全过程。（2）中国网民在疫情期间讨论的核心主题分析。首先,本文对收集的原始数据进行数据清洗形成适合主题分析的数据集,其次,采用BERT模型对清洗好的数据集进行主题分类,将主题分为国内家居生活、国外家居生活、教育求知、全民抗疫、国内疫情趋势、国外疫情趋势、国内疫情经济、海外疫情经济、娱乐体育、科技医疗、海外评价中国、国内工作求职、海外工作求职、时政通告、自然环境和广告14个类别。再次,根据主题类别得到中国网民围绕的核心主题随时间变化的演变过程的时序图。最终本文发现中国网民围绕的核心主题的热度随时间的变化有差异,同时各个主题的热度之间也有差异,大部分话题主要集中在国内生活家居,占所有文本的比例达到了 45%。（3）消极情绪的帖子中核心关键词提取分析。通过TF-IDF模型对消极帖子的关键词进行提取,选取top10的关键词。最终本文发现负面情绪主要体现在国内家居生活、国外家居生活、国外疫情趋势、海外疫情经济、海外评价中国和国内工作求职这六个主题上,国内（外）家居生活的负面情绪主要体现在自身受到新冠疫情影响带来了各种不便而引发中国网民的不满,国外疫情趋势和海外疫情经济主要体现在国外受新冠疫情影响的严重性。海外评价中国主要体现在恶意抹黑中国,将新冠疫情引起全球性扩散的原因归结给中国。国内工作求职主要体现在受新冠疫情的影响导致人们工作受到影响,引发了人们的不满。（4）对不同主体类别的媒介间议程设置的分析。通过格兰杰因果分析官方媒体与普通用户,社交机器人三者间的媒介间议程设置能力。首先,根据不同主体按天统计出2019年12月19日至2020年12月31日这个时间段内各个主体发布的文本数。其次,对时间序列进行单位根检验,确保序列的平稳性,对于不平稳的序列进行一阶差分处理。再次,对时间序列进行格兰杰因果检验。最终本文发现在媒介间议程设置中,普通用户是微博平台最主要的议程设置者,其次是官方媒体。本文的创新点在于:（1）在对消极帖子的关键词进行提取时,删除在多个主题中重复出现的词语,删除机器分词软件（“结巴分词”）产生的错误分词。使得该词对特定主题具有唯一性和辨识度。（2）通过社交机器人的典型特征识别出新冠疫情中发布信息的社交机器人,分析官方媒体、普通用户和社交机器人在情感和不同主题上的差异性。（3）微博平台媒介间议程设置一般研究的是意见领袖与政务微博,媒体在三者间的媒介间议程设置,本文从官方媒体、普通用户和社交机器人三者间研究媒介间议程设置。