近年来,数据挖掘和自然语言处理技术的发展使得研究社交平台数据与金融证券市场波动之间的关系成为可能,人工智能领域的自然语言处理、深度学习技术和金融领域的融合是大势所趋,证券市场走势预测任务就是其中的研究热门之一。但是,影响证券市场价格涨跌的因素众多,再加上其波动性较高,使得预测证券市场趋势是一个难题,而已有的研究表明社交平台舆论数据在一定程度上影响或反映着证券市场运动,针对这一问题,本文提出了一种基于舆论文本嵌入和历史价格的证券市场走势预测方法。首先,与传统的文本嵌入方法不同,本文提出的文本嵌入方法不仅仅考虑到文本的语义特征和情感因素,也将舆论文本特有的交互结构特性考虑在内,使得生成的表示舆论文本的嵌入向量能够包含更有效的信息。具体来说,本文设计了一个舆论节点模型,首先通过构建舆论节点网络来描述舆论数据中关于语义和交互特性的潜在连接,再利用图嵌入算法从图中得到文本表示,此外,模型还通过BERT补充了舆论文本表示的情感属性。为了更好地利用得到的舆论文本表示,本文结合注意力机制和LSTM设计了一个深度预测模型,将舆论节点算法得到的舆论文本表示和经过处理的历史交易信息一起输入到构建的深度学习模型中进行证券市场趋势预测。在推特数据集和雅虎财经讨论板数据集上的实验结果表明,本文提出的基于社交平台舆论和历史证券信息的深度预测模型能够超越常用的预测模型,达到较好的短时证券市场趋势预测效果。此外,在算法研究的基础上,本文提供了一个可视化的交互式证券市场趋势预测平台,这个平台集成了本文提出的算法,便于用户查看目标证券并进行短时证券市场走势预测,为用户的投资行为提供参考意见。