随着我国互联网持续的发展和普及,越来越多的用户选择在网络上发表他们关于企业产品、政策法规、突发事件的见解和讨论。近年来,网络舆论信息的监测成为政府、企业获取大众意见的重要手段。分析网络舆论信息的情感态度,是舆情监控研究领域中关键的问题之一。目前主流的中文情感分析方法,大多数是基于词语特征进行建模、运算,但用户在网络发布的评论信息存在文本短、语法结构不完整等特点,导致中文分词的准确性降低,从而影响了情感分析的结果。针对以上研究意义和存在的问题,本文进行中文情感分析和舆情监控方面的研究,主要的工作内容包括:(1)提出了基于字符特征进行建模的方法,并结合朴素贝叶斯模型、支持向量机模型、随机森林模型、卷积神经网络模型等多种机器学习模型,进行中文文本情感分析问题的研究和实现。(2)在公开数据集上,对不同特征组合、不同参数配置条件下的多种模型、算法进行训练和测试,结果表明,基于字符特征的模型取得了很好的准确率,同等条件下优于基于词语特征的模型。(3)针对舆情监控及算法研究的需求,结合研究成果和主流的技术解决方案,设计并实现了一个舆情监控与实验平台,系统从网易新闻获取内容及用户评论,通过分析新闻内容的关键词和新闻评论的情感态度,得到近期舆论对热点问题的看法。本文的研究的算法和模型表现良好,系统设计综合考虑了多方面工程要素,研究成果具有一定的理论参考价值和应用前景。