随着网民规模的不断扩大,微博满足了人们对热点信息获取与自由情感表达的需求,已经成为至关重要的舆论传播中心和情感表达平台。但信息的快速传播也导致恐怖信息难以得到及时有效的监管。近年来,民航业发生恐怖信息干扰事件层出不穷。为预防民航不安全事件的发生,本文提出了一种用于民航智能安保的微博用户风险等级评估方法,结合自然语言处理技术,对微博中含有对民航构成安全隐患的恐怖信息进行监测,划分微博用户风险等级,构建舆情重点人员库,针对重点人员增加安检强度,辅助安保人员保障民航安全。首先,通过爬虫采集真实微博数据并进行预处理。本文实验数据采用大量微博真实文本数据,通过预处理操作去除掉重复内容、网页链接与非原创内容等噪声信息,为后续研究提供了坚实可靠的数据支撑。其次,提出了一种基于胶囊网络的中长微博情感分析模型。自从微博解除字数限制后,微博文本平均字符长度逐年递增,而中长微博文本由于句子关联度弱、噪声多导致分类性能较差。因此本文引入注意力机制,在融合局部特征与全局特征的基础上,利用胶囊向量实现深层情感特征提取,提高中长语料的检测效果。并在构建的微博数据集上证明本文模型针对中长微博文本性能更优,准确率更高。最后,提出了一种用于民航智能安保的微博用户风险等级评估方法。本文通过关键词库搜索采集与民航相关联的微博信息,数据清洗后,筛选得到主观言论,并通过情感分析给出该条微博的风险等级,继而针对重点用户进行历史数据的采集,综合历史信息,评估该重点用户的风险等级,建立舆情重点人员库。并利用模拟数据验证了该方法的有效性。