随着互联网信息技术的发展,很多人都参与到了网络社交中,使得网络媒体的地位不断上升,与此同时加速了网络舆情的传播范围和影响力。舆情预警对于政府引导舆论导向有着重大的现实意义,及时发现负面舆论信息,有利于政府进行正确决策。因此,如何有效地分析和处理网络舆情事件成为了研究热点。虽然目前的舆情检测系统取得了一定的理论和实践成果,但是仍存在很多问题亟待解决,如舆情指标体系结构不完整、舆情爆发时间、领域特征词库不完善等。本文主要针对核领域方面进行舆情监测,主要包括三个方面:核领域特征词库网络新词发现、涉核微博情感倾向性分析和核舆情预警。核领域特征词库网络新词发现主要通过计算涉核词语的相似度进行构建,本文采用了信息熵与同义词林+word2vec相结合的方法来计算涉核词语相似度。首先通过信息熵技术对涉核文本进行关键词提取,然后利用同义词林+word2vec相结合的词语相似度计算方法对关键词进行相似度计算,将满足一定阈值的相似度词语进行筛选,最终通过实验论证了该改进算法的有效性。涉核微博情感倾向性分析是基于RAE+Dropout相结合的方式对微博情感倾向性进行判定。本文利用RAE模型能够将传递文本特征这一特性,再结合Dropout提高模型泛化性的优势,提出了改进后的算法,该算法提高了情感分析模型的泛化能力,最终通过实验验证了改进模型的有效性。核舆情预警主要通过提取舆情预警指标来构建模型,然后设定阈值进行预警。本文通过对微博文本进行特征分析,提取出了核舆情预警的指标特征,将发帖时间、转发量、评论量和点赞量作为核舆情预警的指标体系,然后对预警指标进行构建模型,将负面信息的变化率作为核舆情预警的阈值,通过阈值的大小及时进行预警,将核舆情的影响掌握在可控范围内同时最大程度的减小核舆情的危害。