随着社会的发展进步、媒体的多元化以及网络的快速发展,网络作为新的交流媒体及信息传播媒介,已经成为了舆情信息的主要载体。无论是重大的国内外事件还是现实生活中的热点、焦点问题都能马上形成网络舆情,许多网民参与其中,从而产生网络舆论效应并不断发酵。由此可见,及时帮助政府机构及公司企业了解并分析相关舆情具有重大意义。本文首先探讨了网络舆情的来源、意义及特征,并分析了国内外现有舆情监测软件的特点及不足。基于此,本文引入自然语言处理及神经网络等先进技术实现了一套网络舆情监测系统,主要包括舆情总览、热点分析、敏感内容分析、专题舆情、舆情预警、情感倾向分析、实时监控共七个功能模块,前端采用C#语言开发、后端采用Python语言开发。该系统主要使用聚焦爬虫实现特定主题的海量信息采集;通过计算热度值进行热点提取;使用更适于舆情系统的TextRank算法进行关键词提取并使用WordCloud库通过词云进行可视化;实现了三分类情感倾向分析,并对比了LSTM及引入了Attention机制的LSTM模型,择优选择了分类效果最好的LSTM_Attention模型。最终通过jieba分词、Word2Vec构建词向量等实现了基于LSTM_Attention的三分类情感倾向分析并通过饼状图及折线图进行可视化,以此获得情感倾向概览、情感倾向走向以及舆论趋势走向。最后,对系统的核心模块进行逐一测试,以此来检验系统的完整性及有效性。实际测试表明,该系统可以自动对舆情信息进行采集并分析大大节省了人力物力、可以快速查看热点问题及热度值、解决了情感倾向分析中二分类的狭义问题并大大提高了情感倾向分析的准确性等,进而可以协助政府机构、公司企业及时掌握舆情动态及分析结果,以便尽早做出相应的决策。