2021年7月24日,中共中央办公厅、国务院办公厅印发《关于进一步减轻义务教育阶段学生学业负担和校外培训负担的意见》,“双减”政策的出台,旨在减轻学生和家长的教育负担,强化学校作为教育主阵地的作用,对教培机构加强治理,改善教育内卷的现象。“双减”政策对学生、家长、教师以及校外培训机构人员的生活的方方面面都产生了影响,在网上也引起网民们该政策的高度关注。同时由于大数据时代的到来,信息的传播变的更为迅速,网民在网上对“双减”政策的讨论很有可能会发展成网络舆情,对政策的实施造成影响。而微博作为我国主要的社交网络媒体,平台上存在大量的评论数据,评论数据中包含着网民对社会事件的真实看法。深入研究微博平台上关于“双减”政策的评论数据,不仅能帮助政府了解大众对“双减”政策的看法,还能帮助政府有效地制定相应的政策及措施来促进“双减”政策的落实。本文以微博上关于“双减”政策的博文以及评论作为本文研究的数据来源,爬取2021年7月24日到2021年10月24日近三个月136528条文本数据,然后对数据进行清洗和处理,并将清洗后的数据进行如下分析:首先,通过词云图和语义网络图对数据进行文本特征分析,找出评论文本的高频词以及各个高频词语之间的联系,初步了解民众的关注点;其次,用开源的带有情感标注的文本数据集训练Text CNN模型、Bi-LSTM模型和RNN模型,并人工标注部分上述预处理完的文本数据,基于训练完的Text CNN模型、Bi-LSTM模型和RNN模型对这部分标注完的文本数据进行测试并利用常用的模型评价指标比较分析这三种模型,然后选取最优的模型对上述全部预处理完的文本数据进行情感分类;最后利用LDA主题模型已完成情感分类后的评论数据进行主题分析,挖掘网民在不同情感下对“双减”政策的真实看法。本文通过上述实证分析得出的结论如下:第一,本文通过构建三种模型对“双减”政策网络舆情进行情感分析,发现Text CNN模型在情感分类上的准确率、精确率以及召回率均优于Bi-LSTM和RNN模型,因此确定Text CNN为本文的情感分类模型;第二,在微博平台上关于“双减”政策的讨论中,民众的总体情感倾向为负向;第三,在民众对“双减”政策的讨论中正向主题主要集中在促进教育公平、减轻家长焦虑、保障孩子健康成长这三个方面上,负向主题集中在教师工作压力变大、教培工作人员失业、家长担忧政策是否能够有效落实等方面。基于以上结论,本文提出以下建议:第一,对舆论进行积极引导,宣传“双减”政策的积极作用,尽量减少民众负面的情绪;第二,尽快出台及落实一系列有效的、可行性高的政策措施,切实解决好教师工作压力变大、教培行业人员失业、家长焦虑等多方面的问题,进一步促进教育公平,保证孩子健康成长。