随着自媒体时代的到来,媒体逐渐朝着个人化的方向发展,无论是微信、贴吧还是微博,每个网民都能够通过网上新闻跟帖的方式来表达自己对于热点事件的情感和观点,网络成为了舆情表达的窗口。但因为网络舆情具备突发特点,常常会加剧舆论形成和传播的速度,一个舆情事件再加上一种情绪化的观点,就可以引发舆情危机。为此将情感分析与舆情分析相结合,在舆情形成的早期阶段,及时从微博、网页中收集网民的相关评论,进行情感分析,识别出舆情事件中网民情感态度的演变过程及原因,政府方能及时进行危机预警并制定有针对性的干预措施,从而有效治理舆情危机,因此研究舆情事件中网民的情感态度变化对治理舆情危机具备重要意义。鉴于此,本文首先将语义角色标注技术、TF-IDF+K-Means聚类、点互信息(Pointwise Mutual Information,PMI)以及情感词典的方法相融合,并对各算法进行改进,构建了主题—情感联合模型,能够同时挖掘出文本中的主题情感信息,并对该信息进行情感分类;其次根据舆情事件中评论文本的语言特点,并引入生命周期理论,将该模型应用于分析在舆情事件发展的不同阶段中网民对于事件中各主题的情感演化特征;最后利用“红黄蓝”虐童事件对主题—情感联合模型进行性能验证,经试验证明,该模型在F值上比ASUM模型和JST模型分别提高了14.24%和9.31%的情感分类性能,提高了主题提取和情感分类的效率与准确性。该模型不仅同时考虑了评论中的主题分布与情感极性信息,也解决了主题模型中常见的数据稀疏问题,其所分析的情感演化趋势及影响因素,为政府制定相应的干预措施,能够提供有效依据。