随着移动互联网时代的到来,在线用户可以便捷地随时随地在网络上就各种活跃热点事件表达自己情绪、观点,甚至宣泄个人情绪,导致了网络实时数据爆炸式增长。如何在网络文本大数据的海洋中获取有价值的“信息水滴”并进行深度分析,是当前研究的热点。特别是对热点微博事件的在线评论的情感分析,有助于我们及时有效地了解群体情绪与舆情趋势,具有重要的研究价值与广阔的应用前景。本文基于新浪微博文本深入开展了文本情感分类及群体情绪分析研究,并设计实现了面向新闻热点事件的群体情绪可视化分析系统。主要工作及特色如下:首先,深入分析了微博短文本的特点,分别提出了基于特征融合的文本情感分类模型和基于多分类器的文本情感分类模型。利用LSTM、GRU、CNN等多种神经网络模型,在45,000条微博真实语料上进行特征训练,同时引入注意力机制,进行特征加权。实验结果表明:相比于单神经网络最高75%的准确率,本文提出的两种方法准确率更高,分别达到86%和85%。其次,针对新浪微博平台的实时热点事件开展了群体情绪分析研究。通过前述研究,选取性能最优的基于特征融合的文本情感分类模型,针对“萨德入韩”、“南海演习”两个热点事件进行情感分类和群体情绪分析,实验表明,网民情绪表达越来越多元和理性,对国家的归属感和认同感越来越强。最后,设计实现了面向新闻热点事件的群体情绪可视化分析原型系统。该系统依据不同类型事件中微博用户话题的数量、活跃程度变化趋势等要素,能够分析不同事件中网民群体情感分布特点。验证实验表明:热点事件中的群体情绪具有明显的时间周期性和分布稳定性。