受2020年新冠疫情影响,许多实体行业受到严重冲击,严重损害了国民经济。为了缓解这一冲击,进而达到拉动经济增长的目的,2020年5月27日中央明确规定,在文明城市测试评估的指标中,流动商贩、占道经营等将不再被列为文明城市测试评估的考核内容,大力推动文明城市在恢复经济社会秩序和满足群众生活需求中发挥更加积极作用。如今,全国各城市地摊数量日益增加,但也出现了诸如坏境脏乱差、监管难等问题。许多媒体都在微博上发表地摊经济的相关文章,并吸引了大量网民进行评论。而这些评论中蕴含了很多重要信息。因此,怎样从大量评论中快速准确地提取到有用信息,实时把握网民对地摊经济的情感倾向和关注话题,具有非常重大的研究意义。本文基于微博平台上人民日报、中国青年报、中国日报和央视新闻网等知名媒体文章下地摊经济的相关评论数据,分析了网民对地摊开放的情感倾向,并对不同的情感评论利用文本聚类的算法提取网民关注的要点信息,为地摊经济的发展和治理提供有针对性的建议。首先利用情感分析法中常见的两种方法,情感词典分析法和机器学习分析法分别对评论文本开展情感分类的实验,并对其结果分析比较,综合评价的结果得分找到最适合分析地摊经济情感倾向的方法。然后采用jieba分词按照情感倾向分别提取积极和消极评论中每个评论中的三个关键词,通过word2vec词向量转化为数值数据,并用k-means聚类算法对其进行聚类分析和人为总结归纳,得到各类情感倾向下网民对于地摊经济的主要关注话题,以此作为提供地摊经济改进和治理建议的依据。研究结果表明:在情感分析方面,评论数据量为9214条,其中积极情感占比48%,中立情感占比24%,消极情感占比28%,说明大部分网民对地摊经济开放政策持支持态度,另外对于情感分析预测来说,情感词典分析法对各类情感的预测得分为0.4左右,且不同情感倾向的预测结果波动较大;机器学习分析法中的SVM算法对各类情感的预测得分为0.8左右,且不同情感倾向的预测结果波动较小,且鉴于地摊经济评论中的反讽类评论较多,情感词典法只能根据正负情感词来进行判断,无法根据上下文和语法语气进行更加细致的甄别,因此选用综合评价较好的机器学习分析法的SVM算法作为情感分析预测的主要方法。在文本聚类方面,网民对于地摊经济的情感评论主要可分为八类,其中积极评论有四类,分别为情怀怀念类、评价支持类、降低成本类、民生经济类,根据积极评论可以总结出推进地摊发展的相关建议;消极评论有四类,分别为作秀炫富类、监管困难类、安全隐患类、质量低劣类,根据消极评论可以归纳出治理地摊问题的相关建议。最后对以上得到的结果进行总结,主要归纳出以下五个对地摊经济的发展和治理对应的政策建议:（1）降低地摊经济的负面传播效应;（2）分区域对地摊进行监管;（3）增强地摊的正面宣传;（4）规范相关法律法规;（5）提升地摊经济的市场化和产业化。