越来越多的人愿意通过网络平台为网络舆情事件发声,他们通过对相关舆情事件发表观点、提出建议的方式,来间接参与社会建设。因此对微博文本进行情感分析,通过情感分析结果结合热点话题情感强度计算构建网络舆情预测模型,成为舆情分析的重要手段。本文通过构建基于微博情感分析的网络舆情预测模型,结合微博热点话题进行微博舆情危险等级划分,判断舆情发展趋势,从而制定舆情处置策略。主要研究内容如下:（1）提出一种基于卷积神经网络和情感特征结合的微博情感分析模型。将注意力机制层引入到词向量输入层和卷积层之间对微博词向量进行重组,重组后的词向量作为卷积神经网络的输入向量,通过卷积操作来学习上下文非连续词之间的相关语义特征,提取微博文本语义特征向量。通过制定的遍历规则将文本中融合情感词、程度副词和转折词的情感特征进行筛选,获取情感信息集合构建情感资源库,提取情感特征向量。将提取的语义特征向量和情感特征向量拼接成新的特征向量来训练模型,解决上下文语义不连贯和词性忽略的问题。（2）提出一种网络舆情综合情感强度计算方法。首先,结合微博文本中包含语气助词的标点符号数量和表情包数量,通过设置权重的方式进行微博文本情感强度计算,从而得到微博文本情感强度。其次,将话题文本的增长速度和规定时间内的评论、点赞等增加量,结合情感强度计算方法,来计算微博话题情感强度。最后,通过微博文本情感强度和微博话题情感强度共同计算的方式来得到综合情感强度。（3）对特定时间段内得到的微博综合情感计算结果进行话题热度变化率计算,获得不同时间戳内话题热度和情感强度的变化规律,从而判断微博舆情事件的发展趋势。结合舆情预测等级指标将微博话题进行危险等级划分,再使用微博数据对模型进行验证分析从而验证模型的可行性和有效性。