随着互联网社交论坛中在线内容的激增,立场检测作为情感分析的一个重要子问题,得到了越来越多的关注与应用。与此同时,针对立场检测的研究也面临了较多挑战,比如静态词嵌入技术对文本上下文语义理解不充分和模型速率较慢等问题。现有的立场检测模型往往只针对单一语言或单一来源的数据集展开研究,也很少有研究者考虑模型的训练及预测速率。为解决上述问题,本文提出了基于DBMPT的立场检测模型,实现了具有立场检测功能模块的论坛舆情分析系统。本文具体完成的工作如下:1.针对领域预训练任务与立场检测监督任务,分别构建出包含微博、推特和ENVY论坛三个不同来源的语料库,以验证DBMPT模型的多源支持性。其中,微博与推特的语料来源于立场检测公开数据集;ENVY论坛的语料来源于本文自建的ENVY论坛立场检测数据集,该数据集由ENVY论坛中的原始话题评论,经数据获取、数据清洗、制定立场倾向标注规范和人工标签标注四个阶段得到。2.提出基于Distil BERT-Multilingual-Pre Trained-Text CNN（简称DBMPT）的多源短文本立场检测模型,该模型支持语种不同的多个论坛的评论短文本进行立场检测。其中,短文本是指论坛中的评论,相较于新闻长文本,评论短文本更加口语化。DBMPT模型采用对BERT模型进行知识蒸馏后的Distil BERT模型作为算法基础;然后对Distil BERT的多语言拓展模型Distil BERT-Multilingual进行基于MLM任务的评论短文本领域预训练,得到DBMP动态词向量表征模型,解决了以往的立场检测模型只支持单一语言和对评论短文本领域语义理解能力不足的问题;其次,基于DBMP词表征模型添加Text CNN网络,提高了模型对词向量的特征抽取能力,一定程度上缩小了由于模型压缩造成的Distil BERT与BERT在（62）与准确率之间的差距。最终,在微博、推特和ENVY论坛这三组不同来源的立场检测数据集上分别进行了对比实验,证明了DBMPT立场检测模型的准确性、高效性和多源支持性。3.设计并实现了一个论坛舆情分析系统,包括对论坛中话题与用户数据的分析整合,以及目标话题下评论短文本的立场检测功能。其中,立场检测功能为本系统的核心功能模块,该模块的算法基础为DBMPT模型,DBMPT的高效性也在系统测试中得到了体现。本系统的论坛画像和立场检测模块均已应用于实际项目中。