随着互联网的飞速发展,网络用户越来越多,社交媒体已经在人们的生活中占据了重要的地位,网络舆情的监管也变得越来越重要。如何分析群众的情感变化,如何挖掘民众关心的热点话题,已成为研究人员的重要研究课题。然而传统的舆情分析方法无法直观地表达文字背后的潜在信息,这就需要数据分析和可视化技术的结合。针对以上问题,本文提出了一种面向新冠肺炎舆情的可视分析方法,可以有效地帮助用户进行微博舆情分析。本文主要做了如下研究工作:1.提出了基于主题分类和话题提取的微博内容分析方法。首先将爬虫获取的微博数据进行数据清洗等预处理操作,得到用于主题分类的语料库;接着使用改进的朴素贝叶斯与常用的分类模型对语料库进行主题分类对比实验,根据实验结果验证了改进贝叶斯模型的有效性。接着本文利用疫情期间微博的关键词扩展微博文本,缓解LDA主题模型对短文本效果不好的问题,将分类后的微博通过改进的LDA模型提取关键词,同时推测出微博话题;最后结合转发数、评论数等传播属性,得出热点话题及主题演化情况。2.提出了基于扩展词典和改进fast Text分类器的微博情感分析方法。首先提取各时间段热点话题的微博评论,然后加入一些疫情特有的情感词扩展原始词典,使用扩展词典进行初步情感分类,并进行对比实验。接着使用改进的fast Text与几种基于深度学习的情感分类器进行二次情感分类,通过实验结果验证了改进fast Text的有效性。最后根据热点话题对应的微博主题,挖掘人们对不同主题的情感趋势。3.设计并实现基于疫情对比可视化的微博可视分析系统。对前面得到的主题演化情况、微博热度和情感趋势从时间、空间、热度和用户属性等多个层面上进行展示和分析。使用对比可视化的方法进行可视分析与实现,通过武汉疫情与石家庄疫情的对比,来发现2次疫情的异同,同时构建微博可视分析系统,交互式探索疫情期间的微博舆情趋势。最后通过对两次疫情真实数据的案例分析,证明了本文提出的系统可以有效地帮助用户进行微博舆情分析。