随着大数据时代的移动通信技术及计算机网络技术的发展，互联网行业发展迅速，体现在社会化网络社交平台、互联网金融平台等各个方面，且对传统的社会生活方式产生了影响。在此背景下，信息传播机制也更为开放与便利，网民可随时表达和传播特定事件的言论及态度情绪，因而网络舆情的研究日益受到政府机关及相关学者的关注。我国互联网金融业发展较快，但由于部分企业不够重视对风险的把控，使得互联网金融具有较大的风险性。互联网金融违规舆情在网络上传播，若形成热点话题，会引起大量的社会关注，甚至影响社会文化环境。网络中以文本等形式存在的大量数据，可作为互联网金融风险监管的信息数据来源。利用文本分析方法，可以对舆情进行精准的识别，有利于完善互联网金融风险的应急处理机制。
　　网络舆情的传播是一个动态的发展周期，现有研究基于生命周期理论，对其从产生到消失的传播阶段进行了划分。舆情热度及传播的影响因素包括企业、政府、网民、媒体四个方面。
　　本文借鉴网络舆情传播阶段划分的相关模型，针对4个互联网金融违规事件，对其舆情传播阶段进行研究，并对不同阶段的数据进行文本分析实验，以探究其变化规律。文本分析实验包括主题提取和情感倾向性分析。主题提取基于TextRank及TF-IDF算法提取能够表达文本主旨的关键词。为了直观地分析主题变化，依赖第三方工具绘制词云，结合主题提取的结果，得到舆情传播不同阶段的主题变化。情感倾向性分析实验借鉴Google提出的BERT模型，使用PyTorch实现，对舆情进行分阶段的情感倾向性研究。
　　从舆情传播规律来看，多数舆情事件遵循“潜伏期-扩散期-消退期”的三阶段模型。同时事件的后续进展会引起网民的再次关注，从而呈现出多次爆发的趋势。舆情主题方面，实验结果表明不同时期的主题有明显差异。情感倾向性分析结果表明，互联网金融违规舆情各个传播时期网民情绪均为负向。最后，本研究根据舆情传播规律及影响因素，提出了控制舆情传播的建议。
　　本研究对互联网金融违规舆情进行文本分析，从海量文本流中挖掘出主题及情感极性，研究其规律以为舆情预测提供依据，具有创新性和借鉴意义。本研究在舆情分析、文本分析、舆情监测等领域具有理论意义和应用价值。