随着大数据时代的发展和5G时代的来临,互联网已经颠覆了人类传统的生活社交方式,成为人们日常生活的重要部分,并体现在社交、金融交易等主要方面。各种新型的互联网社交平台大量出现,为公众提供了更多表达意见的机会,使他们能够更加自由地表达自己的情感和态度。因此,网上热门事件此起彼伏,网络舆情也不断出现。与此同时,我国的互联网金融领域发展也非常迅速。互联网金融将传统金融机构与网络公司紧密结合,利用平台和技术实现在线支付、融资、理财等服务。在快速发展的同时,由于监管缺失和信息不透明,互联网金融行业积累了大量的风险。如果互联网金融违规行为被发现并在互联网上曝光,就有很大的机会形成热点话题,吸引大批公众关注,造成网络舆情。因此,对互联网金融安全的研究越来越引起管理决策层的关注,同时也逐步融入到宏观经济研究体系中。本文针对凤凰金融逾期不还和相互宝无照保险两类典型的互联网金融违规行为,将舆情传播过程划分为阶段模型,并对其舆情主题和情感演化规律进行了分析。舆情主题分析采用共现知识图谱获取整体舆情主题,并使用LDA模型（Latent Dirichlet Allocation）对各阶段舆情主题进行分析,探讨舆情主题的演变规律。情感倾向分析构建基于词向量相似度的情感词典,基于语义规则对舆情数据评分并分类,使用LSTM模型（Long Short-Term Memory）对舆情的情感倾向进行分类预测,并绘制词云图,展示不同情感舆情关键词在每个阶段的变化情况。本研究对互联网金融违规行为的舆情进行分析,将金融违规行为的舆情主题划分为四类,并结合舆情阶段划分和情感倾向对舆情演化规律进行挖掘和讨论,具有创新性和参考性。本文的研究结果可为舆情预警工作提供重要依据,在舆情监督和文本分析等应用领域具有理论意义和实际价值。