中国移动互联网行业发展迅猛,网民规模持续扩大,互联网普及率进一步提高,信息通过网络快速传播的方式已经取代报纸、电视等传统传播方式。当突发公共事件发生时,许多媒体会通过网络平台发布实时信息,用户也习惯于在社交网络平台上表达自己的看法、观点、态度和情绪,信息再经过转发、评论、点赞等方式进行传播。新浪微博作为国内最大的社交平台,用户数量巨大,每当热点事件发生,就会掀起网络舆论,如果不及时地进行舆情引导和管控,就可能造成恶劣的影响。因此,需要对社会热点事件进行网络舆情演化分析,为政府和网络平台创造有利的舆论环境提供理论支撑和有效建议。本文以“2019新冠肺炎疫情”为背景,利用LDA主题模型和LSTM神经网络模型进行主题分析和情感分析,探究该事件网络舆情的演化规律。主要研究内容如下:（1）总结了网络舆情、主题分析、情感分析的国内外研究现状,以此确定本论文的研究框架。接着介绍了本研究需要的相关模型和方法。（2）利用网络爬虫获取了原始文本数据并进行文本预处理,结合生命周期理论将新冠肺炎疫情的网络舆情划分为不同的舆情阶段。（3）通过词云图的方式进行词频分析;利用TF-IDF算法构建LDA主题模型,获得各个阶段主题特征词及其权重;构建LSTM神经网络模型对微博文本做情感分类,得到不同舆情阶段的情感倾向并分析舆情期间的情感演化特征。根据上述研究,得到以下结论:（1）结合舆情阶段划分理论和该突发事件的特点,利用微博评论和转发数据将新冠肺炎网络舆情划分为五个阶段,分别是起始阶段、爆发阶段、衰退阶段、长尾阶段、反复阶段。（2）对不同新冠肺炎疫情舆情阶段分别进行主题分析,得到不同主题下的主题特征词,发现由此可以概括出新冠肺炎疫情的主题演化过程和事件走向。（3）利用神经网络模型对每一条微博进行情感分类,从整个舆情期间来看,民众的情绪是较为积极的,但在不同的舆情阶段,民众情绪会有所波动,其中舆情爆发阶段情感相对消极,衰退阶段情感最为积极。