随着现代网络化进程,以及各种网络媒介的快速发展。网络已然成为一把“双刃剑”,网络不仅使得网民借助博客、论坛、微信,微博和新闻组等舆论载体浏览热点资讯,发表观点变得越来越方便,而且对于极端负面的新闻事件的传播也变得越来越快速。极端舆情事件如果引导不当,不仅损坏社会的和谐稳定与健康发展,甚至严重威胁我国文化和政治安全。因此政府和相关部门要把握舆情发展动态、提高网络舆情监控能力,这对维护社会和谐发展有着重要的意义。网络舆情的研究方向包括敏感词监控、舆情分类、舆情走向预测、情感分析等。文本选择网络舆情情感分析,分析某一舆情事件的情感强度。情感分析不仅能挖掘网民对这一事件的态度、情感倾向,也能够提高信息过滤的准确性,还可以用作预测事件的发展态势。从载体上来看,网络舆情可以分为新闻、论坛、博客和微博等文本,本文选取的是微博新闻作为网络舆情文本,基于语义视角构建了网络舆情情感强度模型。本文的研究内容包括以下三个方面:(1)中文情感词典的构建方法。主要依据HowNet语义相似度方法,在选取基准词的规则上以及计算情感权重算法上进行改进。借鉴中文本体库中对情感词强度进行等级划分,本文在选取基准词过程中考虑在各个情感强度上进行选择。在计算权重算法上也加入基准词情感强度作为权值,基于基准词集扩展情感词典,对剩余词汇进行情感强度计算。(2)文本关键词提取方法。词共现是关键词抽取方法,TF-IDF(词频和逆文档频率)是特征选择的基础算法,词共现在短文本中提取主题关键词特征效果显著,而TFIDCD(词频的逆文档类密度)特征权重算法在稳定性和综合性上都比其他特征权重算法的效果好。本文通过融合、改进这两种算法,并对其赋予不同的权重,融合改进后的算法在微博短文本提取特征中取得不错的效果。(3)网络舆情文本情感强度计算。首先对文本预处理,再基于情感词典构建网络舆情情感强度模型。通过仿真实验对选取的热点舆情事件,进行情感强度计算,验证网络舆情情感强度模型的有效性和准确性。本文对网络舆情预警的研究具有一定的参考和借鉴作用。