近年来，国内外重大事件发生之后，将立即在网络上引起强烈反响和高度的舆论关注。随着互联网建设的日益成熟，越来越多的人选择通过网络来表达自己对某一事件的观点和看法，由此而产生的网络舆情对突发事件的应急管理可以起到协助推动的作用，网络舆情分析也成为了当前的研究热点。网络为公众提供了一个开放的舆论环境，其中不仅包含许多对社会发展有益的观点和建议，还包含许多负面、消极等不稳定因素，及时对这些信息进行汇总分析并为政府监管部门提供决策依据，对社会和谐具有现实意义。　　在各种形式的新闻媒体中，微博以其传播速度的即时性、传播内容的自主性以及传播方式的互动性等特点，逐渐演变为大众化的舆论平台，也是网络舆情中最具影响力的一种新媒体。本文设计了一个灾害网络舆情分析框架，以固定话题下的微博文本内容为数据来源，利用情感分析的方法，将心理学词典引入情感倾向性判断以及舆情话题分析中，扩展了基于情感分析方法的网络舆情研究思路。通过对灾害网络舆情的分析研究，可以为开展灾害情报服务研究提供科学依据。通过对舆情内容的挖掘，可以对灾情以及灾后救援效果等实时掌握，从而辅助于应急救灾决策的制定。　　本文的研究内容主要包括:　　(1)对情感分析以及微博情感分析的研究现状进行了整理，从基于机器学习和基于语义词典两个角度对目前流行的情感分析方法进行了归纳。总结了情感分析相关研究面临的挑战以及中文微博情感分析未来的发展趋势。　　(2)本文设计了一个灾害网络舆情分析框架，以情感分析为切入点，从时间序列分析和博文内容分析两个角度对灾害网络舆情进行研究。　　(3)本文引进心理学领域的LIWC文本分析工具对文本特征进行提取。基于心理学词典的情感特征提取方法可以更好地将观点性文本中情感相关的信息进行提取和表示，使后续的情感倾向性判定方法更具有科学依据。　　(4)本文利用经典的Eviews计量经济学软件对情感趋势进行模拟和预测，实验结果表明，利用时间序列分析的方法对网民未来情感的预测是可行的。　　(5)本文首先选取“雅安地震”事件，分别利用SVM分类器以及ROST情感分析工具(ROST EA)两种不同的算法对其舆情进行分析并将两种情感分析方法从算法以及情感判定效果等角度进行对比。另外，还选取了“东北洪灾”事件，从时间序列建模以及博文内容分析等角度对两种不同性质的自然灾害的网络舆情进行了对比分析，对影响舆情的因素进行了总结。