随着互联网普及率的提高,网民在各大社交平台上表达出的有意识或无意识的民意信息的研究价值越来越大。社会事件发生后经微博媒体发布,在网民的推动下形成热点话题爆发在微博社区,积极了解各热点话题言论中的观点,将有助于决策者了解人民群众的意见与诉求,以便在应急管理、资源分配等方面做出更加科学合理的决策。本文将对微博热点话题的主题内容展开分析和研究,目前研究中对主题挖掘的工作大多停留在主题发现阶段,以主题词代表各个主题的内容,然而大量主题词可读性差,仍需后续人工总结才能描述主题内容,本文将在主题挖掘的基础上延伸至主题自动摘要和主题情感分析方面,采用摘要句-情感倾向相结合的方式来描述主题内容,形成直观、可读性强的主题描述。本文核心思路是找出各个热点话题下的主题,对各主题下的评论集生成摘要并分析情感,进而有效提取出热点话题中群众的意见信息,主要从以下四个方面开展:（1）热点话题的主题挖掘。主题挖掘是观点提取常用的研究方法,网民在对热点话题的讨论中往往存在多个主题,本文分别将LDA模型和BTM模型应用于主题挖掘中进行对比实验,同时构建自适应学习主题数目的算法模型,采用Word2Vec词嵌入的方式来表示主题向量,极大地降低了主题向量维度,在有效学习出主题数目的同时缩短了算法所消耗的时间;（2）热点话题的主题自动摘要。本文采用Text Rank算法来对每个主题进行自动摘要,直接从原评论中选出关键句做为摘要结果,从而生成可读性强的主题描述,利用句法分析对摘要结果中文本过长的摘要句进行简化处理,使得摘要结果更加简练直观;（3）热点话题的主题情感分析。本文构建了包含情感词、否定词、程度副词、重复字符、表情符号、网络新词等不同类型的情感词典,对主题下的评论进行情感倾向分析,得到热点话题下不同主题的情感倾向及其正负情感倾向占比,与上一步得出的摘要句共同描述主题内容;（4）热点话题分析系统。本文考虑到现有舆情监测系统未曾对网民言论进行深层语义分析的缺点,结合Python+Django框架及Mongo DB数据库,构建了热点话题分析原型系统,将主题挖掘、自动摘要、情感分析部署到其中,并添加各项统计分析图表,全面展示热点话题及评论内容。实验结果表明热点话题分析系统表现良好,可以有效提取并展示热点话题中群众的民意信息,在相关部门管理决策、监督舆情方面具有重要意义。