网络舆情是指在互联网上流行的对社会问题不同看法的网络舆论,是社会舆论的一种表现形式,是人们针对客观主题表达的观点、极性、情绪等的集合。对网络平台中所蕴含抽象的主题、情绪等舆情信息进行识别,能够为网络舆情监管者提供更多支持管理决策的信息。然而,多源异构的网络平台并没有统一的舆情分类体系,挖掘出的主题与情绪等舆情信息无法很好的整合。如何构建适用于网络平台的舆情分类体系,精准识别网络平台中抽象的主题和情感信息是本文研究解决的问题。针对以上问题,设计了一种基于改进层次聚类的半监督主题挖掘方法,针对异构的网络平台进行主题挖掘,提取其中蕴含的主题和主题间层级信息,为构建舆情多级分类体系中的主题层级提供支持,保证了主题分类体系的时效性。设计了网络平台舆情多级分析模型,保证分类体系合理性,并从主题和情感层级进行分析,依据现有主题分类体系识别数据中的主题信息,实现基于主题特征的情感分类模型,构建舆情多级分类体系中的情感层级,识别数据中的情感信息。最终,对多个模型进行整合,构建舆情多级分类系统,提供了从网络平台数据获取到主题、情感等舆情信息呈现的完整功能。为了验证本文主题挖掘模型效果,选取现有平台中的优质主题数据构造验证集,与多种主题挖掘方法进行比较,实验表明本文主题挖掘方法在准确率及主题层次信息有效性上具有一定的优势。为了验证本文舆情多级分类模型的效果,分别在主题和情感两个层级进行实验,通过人工标注和搜集公用语料两种方式构建验证集,验证了主题分类体系的有效性,同时将本文情感分类模型与多种情感分类方法进行比较。证明了主题特征对于情感分析任务的重要性,实验表明本文基于主题特征的情感分类模型在细粒度情绪分类效果上优于所对比的情感分析模型。