如今的互联网时代,无论是生活还是工作,互联网都成为人们日常特别重要的部分。其带来大量便利的同时也给这个时代带来了许多的网络舆情困扰,甚至影响到社会的和谐与稳定,因而当下网络时代针对如何预警网络舆情危机的研究越来越多,构建和谐健康的网络环境可见是非常有必要的。研究主要将网络舆情危机预警分为两个研究部分,第一部分是对采集到的样本数据进行情感倾向性分析,第二部分是建立舆情预警危机模型。本文基于Doc2vec和Bi-LSTM神经网络的网络舆情情感倾向性分析,其中结合了表情注意力机制,考虑到表情符号与文本之间的联系,最终获得了舆情的整体情感倾向。其次,基于BP和Elman神经网络算法,建立了舆论危机预警模型,对两种神经网络模型进行了训练、测试、验证和比较。最后,获得了可行性较高的算法模型。本文主要做的工作有:1、综述国内外网络舆情方面相关研究,介绍了各研究建立的预警模型指标体系,并列举了以往的网络舆情危机预警相关算法及其算法应用。2、本文利用Doc2vec模型与双向LSTM神经网络模型,结合表情符号关注机制对数据进行情感倾向性分析,研究中利用Doc2vec模型对句子进行文本向量化,之后双向LSTM神经网络很好地利用上下文特征信息,存留下文本的顺序信息,可以自动选择特征作为分类,并结合表情符号权重,最后通过Softmax函数(归一化指数函数)获取情感类别概率,分析其情感倾向性。3、首先建立网络舆情预警模型预警指标体系,主要从四个层面指标分析和划分指标:事件力量,网民力量,媒体影响力和政府指导。其次构造BP、Elman神经网络预警模型,从微博话题“重庆公交车坠江”事件中抽取样本数据。两个神经网络模型分别训练、测试,对比两种模型算法预测结果准确度、误差,验证模型的可行性,有效性,得到性能较好的网络舆情危机预警模型。