在信息爆炸的当下,挖掘有效信息成为巨大挑战,新闻媒体正是大众获取信息的重要渠道之一。而新闻文本分类、倾向性分析可适用于新闻线索收集、舆情监控、决策辅助、有害信息过滤、运营分析、专题分析及新闻推送等领域,能够有效帮助用户快速、准确地获取所需信息,帮助新闻媒体在茫茫数据中分析出规律和关联项,达到便捷快速处理新闻的目的。文本分类及情感倾向性分析目前在国内外研究较多,发展相对成熟,但是蒙古文相关研究的起步较晚成果较少,随着蒙古文信息化的发展,蒙古文网络新闻内容逐步丰富,对蒙古文新闻文本分类及情感倾向性分析研究成为重要课题。本文的研究目标是基于深度学习的方法,对蒙古文新闻文本进行分类及情感倾向性分析研究,并基于研究成果设计和实现蒙古文新闻文本可视化系统。首先,通过爬取、翻译和预处理等流程构建了蒙古文新闻文本数据集,并采用word2vec模型词嵌入训练进行特征表示,来提高模型准确度。其次,对蒙古文新闻文本的分类模型进行了对比研究。以word2vec预训练的特征向量分别输入到LSTM、Bi-LSTM、W-LSTM、W-Bi LSTM模型进行蒙古文新闻文本分类对比实验。最终选取分类效果最好的W-Bi LSTM模型作为蒙古文新闻文本分类模型和蒙古文新闻文本倾向性分析任务的基准线（baseline）。再次,构建了对蒙古文新闻倾向性分析模型。本文以正面、负面及中性对蒙古文新闻的情感极性进行划分。通过构建Bi-LSTM+注意力机制的模型进行倾向性分析。注意力机制在新闻情感倾向分析中的应用不仅可以提升深度学习模型的性能,还可以可视化模型的注意力得分,能直观的看到整个文档中的哪些部分被模型赋予了较高的权重。最后,设计和实现了蒙古文新闻文本可视化系统。本文设计了一个新闻文本可视化系统,采用上述训练的基于深度学习的模型和word2vec统计功能,通过Flask+pyecharts实现了包括柱状图、雷达图、地图、饼状图、Attention可视化等方式对蒙古文新闻文本进行多维度分析,并展示判定依据和判断结果。