随着计算机科学技术的飞速发展,网民的数量正在不断地增长,人们的生活和互联网络的“粘合度”也越来越高。对于信息的获取、观点的表达和情感的宣泄,网民越来越依赖于网络社交平台。网络文本数据蕴藏着巨大的社会价值和商业价值,如何对海量的网络评论文本数据进行舆情分析,从而获取广大群众的意见和情感倾向,是目前研究的热门课题。本文的主要研究方向是文本的情感分类,通过对相关技术的深入研究,实现了基于机器学习的文本情感分类,并从文本的情感倾向性分析出发,实现了网络舆情分析。本文的主要工作从以下几个方面展开:(1)本文实验需要大量的实验数据,目前开源的数据非常少且不适用于本文,文中通过对网络爬虫相关知识的深入研究,结合本文的任务实现了网络爬虫,抓取了大量的评论文本数据,并对采集的数据进行清洗、人工标注、中文分词和过滤停用词等预处理。(2)基于自定义文本数据集和引用文本数据集,使用支持向量机分类模型进行实验测试,通过模型性能的对比,对自定义文本数据集的质量进行验证。(3)通过对胶囊网络图片识别相关知识的深入研究,提出了胶囊网络文本情感分类模型,分别使用自定义文本数据集和引用文本数据集训练了支持向量机分类模型与胶囊网络文本情感分类模型,并使用最终训练的胶囊网络文本情感分类模型进行网络舆情分析。通过测试数据集对最终训练的胶囊网络文本情感分类模型和支持向量机分类模型的性能进行测试,实验结果表明胶囊网络模型的性能优于支持向量机分类器的性能。