计算机的飞速发展和互联网的广泛普及,使得人们可以通过互联网进行交流和沟通。微博作为当前盛行的社交工具之一,网民通过平台可以随心所欲地表达对各种社会问题的态度和意见。随着互联网用户规模的不断扩大,微博作为信息传播的工具经常被使用,造成复杂的网络信息环境、不同类型的数据呈现爆炸性的数据增长,尤其是突发事件网络舆情。网络舆情是人们面对互联网上突发灾害事件的真实反映,可集中体现出网民对社会舆情的关注。网络舆情具有传播速度快、影响广、危害大的特点,对其进行分析和监测是必不可少的。如何及时分析、有效掌控网络舆情态势,是亟待解决的问题。为此,本文主要研究工作如下:(1)为解决传统话题识别与跟踪方法在对微博博文数据时存在的高维且稀疏等问题,本文采用LDA(Latent Dirichlet Allocation)模型并结合不同时间的高频词发现不同时间的突发灾害事件微博热点话题。首先爬取“云南曲靖煤矿突发事件”和“台风利奇马”的微博等网络数据,然后通过对微博灾害文本聚类发现文档层面上突发灾害事件热点话题,构建出适合微博平台的文本特点的话题演化模型。最后从突发灾害事件话题及时间对网络话题发现及可视化分析。(2)采用三种方法分别对网络舆情情感倾向性分析:基于情感词典的情感分析方法、结合上下文的情感分析方法及基于HowNet语义扩充词典的情感分析方法,实现对网络舆情正负极性的判断。并通过实验对比验证,证明加入了情感词的自动识别以及基于HowNet来判定倾向性以后的方法,使得情感倾向性判断的精确度得到了提高。