随着科技的提高和互联网技术的发展,微博等社交媒体已经成为中国主要的信息分享平台之一。微博文本大多带有强烈的感情色彩,对微博文本展开情感分析研究,一方面有利于有关政府部门进行舆情调控和企业进行危机公关,另一方面还有利于用户快速获取各种信息。因此,对微博文本展开情感分析研究是具有社会意义和商业价值的。由于中文微博文本存在多样性、隐晦性和上下文信息缺失等问题,传统情感分析模型无法很好地处理微博文本的特征,因此本文围绕此情况展开研究,主要研究工作可分为以下几个部分:（1）研究并提出了一种中文微博文本情感分析模型,用于解决传统情感分析模型语义理解不足和特征提取存在局限性问题。该模型首先在词嵌入层使用Ro BERTa-wwm-ext模型将文本转换为动态词向量;其次在特征提取层借助Bi LSTM模型对词嵌入层输出的词向量进行深层次的情感特征提取;然后在多头注意力机制层突出关键词的语义特征和捕获输入序列的局部特征;最后在输出层联接提取到的所有情感语义特征完成文本情感极性分类,输出文本的情感极性类别。（2）对上述提出的情感分析模型进行了一系列实验。在消融实验中,验证了Ro BERTa-wwm-ext模型训练词向量的优势和多头注意力机制捕获输入序列局部情感特征的作用;在对比实验中,本文模型在weibo＿senti＿100k数据集上准确率和F1都高于其他模型,验证了该模型的可行性和有效性;在参数调优实验中,优化得到学习率、Dropout和Batch Size这三种参数的最佳参数值,提高模型对中文微博文本的情感分析效果。（3）以提出的情感分析模型为设计基础,开发了一款品牌话题情感趋势监测系统。首先对系统展开了需求分析,其次根据需求分析构建了系统架构和系统功能模块,最后根据功能模块的划分设计了系统数据库。