2019年12月,一场突如其来的疫情席卷全球,疫情的发生对公众的生活和身心健康都造成巨大影响。新冠肺炎的高传播性和长时间潜伏期让公众陷入了惶恐。因此探究疫情期间网络评论的情感效价,挖掘舆情发展特征,能够有针对性地进行舆情导控工作,达到精准引导网络舆情的目标,这对于重大突发事件危机管理和应急治理至关重要。随着互联网的迅猛发展,人们参与社会事件的热情不断高涨,微博逐渐成为了网民表达意见和情感的主要平台。因此本文基于微博平台,利用Python编写网络爬虫程序,采集2020年1月23日-2020年4月8日期间的微博博文、热门评论以及评论人主页信息。根据评论内容、评论人所在地等信息,利用Python和Mysql进行数据清洗工作。接着对清洗后的数据进行分词、去除停用词以及词性标注。然后,基于研究内容的特殊性,构建了疫情特定情感字典,并和情感词汇本体库、Hownet、褒贬义词典构成了本文的情感词典。考虑到词语自身所携带的情感特征,提出了融合情感信息的词向量。接着从情感效价和情感强度两个维度对公众情绪进行研究。对于情感效价问题,本文选择支持向量机和朴素贝叶斯多分类模型对评论进行情感效价分类,实验结果表明,支持向量机的f1-score为0.82,高于朴素贝叶斯算法,后续将利用支持向量机分类结果进行分析;对于情感强度问题,利用文本相似度和语义规则来计算文本情感强度。最后,对本文的疫情数据、评论人的性别、评论热度进行了统计分析,结果表明:随着疫情的发展,从2月上旬开始,微博评论每日活跃人数越来越多。广东、北京两地的用户在此次疫情讨论中发挥着主力作用。接着根据情感效价分类和情感强度的结果,从时间和空间维度,分析了新冠肺炎疫情的舆情情感演化特征。时间上,公众情绪呈现“波动期—稳定期—波动期”的阶段;空间上,疫情最严重地区网民评论人数最多,公众情感效价表现为消极情感,并且情感强度值较大。