随着互联网和通讯技术的迅速发展,互联网为舆情信息的传播提供了一条方便快捷的途径,越来越多的信息会通过互联网展示到公众面前。针对舆情信息的监测与分析的方法,已经从人工分析舆情信息的情感倾向过渡到了通过一系列文本情感分析算法进行舆情信息情感分析。舆情信息分析,一方面可以反映整个社会的舆论导向,并且有利于决策者针对突发事件做出相对应的处理和应对方法,另一方面,当出现虚假的舆论风向时,可以做出调整,有利于社会的稳定发展。本文针对上述问题,重新设计一套舆情监测与分析系统并实现了其功能和应用。主要研究内容如下:（1）舆情数据采集。采用了网络爬虫技术,用于收集江苏公路网上所产生的舆情信息数据。通过对于传统爬虫的下载器与解析器的交互,网页解析等方面进行研究,解决了传统爬虫存在的爬取舆情数据不完整、时效性差等方面的问题。（2）对于系统设计与实现和相关技术如特征选择、中文分词、分类算法、文本表示等进行分析和介绍。（3）依据上述爬取的数据集,本文采用了长短期记忆网络（Long short-term memory,LSTM）方法、卷积神经网络（Convolutional Neural Network,CNN）与支持向量机（Support Vector Machine,SVM）,设计并且对以上三种方法进行训练、优化等。并且以准确率、查准率和召回率等一系列评估标准作为评价指标,最终将这三种算法结果较优的运用到舆情监测与分析系统中。（4）最终通过Java语言编写了一套舆情监测与分析系统,该系统功能包含了用户登录、舆情检索、舆情分析等功能。本文最终将长短期记忆网络（LSTM）算法运用到舆情监测与分析系统中,通过实验,结果表明长短期记忆网络（LSTM）算法与其他两个算法相比,我们会获得最好的性能结果,其准确率、查准率和召回率分别达到了96.1%、84.2%、88.9%。当实验所需阈值取到0.7时,整体性能最优,其AUC的值可以达到0.904,各项指标也有所提高。