社交媒体拥有海量用户,是一种具备便捷、活跃、实时以及交互特点的社交应用。微博是国内社交媒体中最典型代表,已成为众多热点事件传播的集散地,成为网民对社会现象表达意见和分享情感的场所。本文对特定主题事件的相关信息进行采集,了解网民对热点事件的看法及其情感倾向,分析事件演化过程,使政府及时掌握时态和舆论发展,帮助引导舆论向着积极方向发展。本文研究工作包括以下内容:1)微博平台数据采集及预处理。本文以新浪微博平台为采集对象,采用网络爬虫技术按照关键词、特定用户、特定微博ID搜索等策略获取数据,采集一定时间段内的博文和评论数据,并采集到原始数据进行过滤清洗、去停用词、分词、标注等操作,为后续任务奠定基础。2)主题挖掘,发现热点事件。本文针对处理过的博文数据,进行主题聚类,提取相关热点事件。将广义波利亚坛子模型与主题模型融合,提出基于语义强化的概率主题模型。构建自编码网络训练博文数据,获取博文语义嵌入表达信息,利用广义波利亚坛子模型将词汇-词汇和短文本-主题语义强化,放入主题模型,聚类出相关关键词,确定最优主题,提升语义连贯性,更好发现多个具有代表性的热点事件。3)情感分析,分析网民情感倾向。本文选取“李云迪涉黄事件”作为实例,对部分事件数据进行情感分析。通过改进文本特征处理方式,提出一种串行混合网络短文本情感分类算法（BERT-CNN-Bi LSTM-ATT）,利用预训练模型获取词汇动态向量,混合网络提取短文本局部与全局特征,分析网民观点的情感分布。实验证明,该算法解决微博短文本稀疏问题,特征处理高效全面,提升情感分类效果。4)演化系统,直观描述事件、情感演化趋势。选取“李云迪热点实例”,基于上述研究方法实现系统,从事件、情感两个角度展开。系统利用生命周期理论划分事件生命周期,结合主题发现和情感分析法,按规则计算不同情感值,分析热点事件的脉络和情感演化过程,进行可视化展示,详细描绘该事件情感演化过程。