随着宽带等网络基础设施的建设和智能手机的全面普及,以微博为代表的社交媒体逐渐成为人们日常共享信息的重要平台。微博庞大的活跃用户群体和开放互通的特点使得每个人都成为信息的传播者,极大地提高了信息传播的速度、深度和广度,为舆论发酵提供了得天独厚的条件基础。因此,微博舆情情感分析对于舆情的疏导管控、网络秩序的维护有着极其重要意义。当下的微博情感分析通常是把单个博文作为一个整体来分析,在分析时大多局限于字或词的感情色彩,没有考虑词语之间的关联性,而且对于类别不平衡问题一般都是运用重采样来解决,导致对困难样本的分类关注不足。因此,本文提出一种基于多头注意力的BiLSTM模型,并引入Focal Loss作为损失函数,旨在提升模型的情感分析性能。本文以“三孩政策”这一微博舆情事件为例,通过BiLSTM提取微博词级特征,结合多头注意力学习不同子空间中的特征权重分布,有效捕获句子的情感信息,最终获得整篇微博的情感分类。实证结果表明,本文提出的模型情感分类效果明显、优势突出,并提高了对类别不平衡样本和困难样本的学习能力。本文在对“三孩政策”整体情感倾向的研究基础上,通过进一步采集详细信息并利用绘图技术进行了情感的可视化分析。研究结果发现,舆论爆发呈现迅猛集中的特点,主要表现在微博数量急速达到峰值;官方微博的引导有助于积极和理性情绪的产生;从性别来看,女性对于“三孩政策”的抵触情绪要略强于男性;从地区来看,“三孩政策”在发达地区的热度要高于欠发达地区,但是负向情绪值与地区发达程度无明显关系;就情感聚焦分析而言,晚婚晚育甚至不婚不育观念的盛行、职场高强度的竞争、用工单位对女性的歧视、高昂的生活成本、配套政策的不系统不到位和生育限制措施的取消不及时是导致网民对于“三孩政策”负面情绪占比高的主要原因。最后,本文针对情感分析模型的不足之处进行了分析,在加强利用非文本有效信息、细化文本情感分析粒度和关注多层粒度文本结构三个角度提出了改进建议;同时,就情感可视化分析,本文认为舆论的疏导和管控应当从及时公开信息、开通政民服务平台和满足民众诉求三个方面进行优化。