当今,微博等互联网平台已经成为民众对政府管理以及各种社会现象和问题表达态度、意见和情绪之地。对网民的言论进行情感分析有助于观测并对网络群体性事件进行预警,对网络空间治理具有现实意义。本文以舆情管控的应用需求为导向,重点研究微博平台上的用户情感及相关的舆情演化,针对微博情感分类方法、用户情感演化分析方法和用户情感与网络事件相关性分析方法展开研究。主要内容包括:第一,针对现有情感分类算法主要以语义词向量为主,没有很好地结合情感信息和用户信息进行情感分类,分类准确率有待提高,提出了一种融合多特征的双通道文本卷积神经网络模型。其中,首先改进了词向量计算算法,通过情感词典增强了情感信息。然后,根据用户属性和用户行为,构建了新的隐式情感特征作为传统特征集的补充。最后,提出了双通道文本卷积神经网络模型,使其能同时学习语义信息、情感信息和用户信息。实验证明,该方法在微博情感分类任务中能取得较好的效果。第二,针对现有情感演化分析方法没有充分突出情感与用户群体及话题焦点的关系,提出了基于社区划分的用户情感演化分析方法,以及一种基于情感河流词云图的情感可视化方法。首先,基于社区划分的用户情感演化分析方法结合了聚类算法来划分用户社区,分阶段地分析不同时期各个社区间情感的差异性和共性。然后,提出了一种情感河流词云图的构造方法,直观地展示情感随焦点的转换而演化的过程。实验发现,高影响力用户比普通用户更容易持有积极情感,事件焦点的转移会影响用户情感的发展。第三,针对现有研究对情感与网络事件关联性挖掘不充分,提出并实现了一种用户情感与网络事件相关性分析方法,旨在发现二者的关联性。该方法通过量化事件的情感倾向、情感强度、事件影响力、事件危害性4个指标,计算指标间的相关系数,分析网络事件与情感的关联性。实验表明,危害性越大的事件越易产生消极情感,这一结论可为网络群体性事件预警提供重要参考。