新冠疫情席卷全球,对全球经济社会造成了重大的影响,使推进“一带一路”倡议面临前所未有的挑战。随着网络技术的发展,社交媒体日益成为疫情防控期间公民分享个人感受的重要平台。把控疫情期间的舆情信息,促进公众抗击疫情的信息和科学行动,降低不良和虚假信息的影响,是国家在应急中的紧迫需求,也是应对疫情之后的重大国际关系调整变化的前瞻之举。本文选取海外社交媒体平台Twitter的六廊六路地区英文文本为研究对象,以与中国签订“一带一路”合作协议的沿线国的亚洲国家为主体,开展了本区域新冠疫情公众舆情挖掘与时空格局分析研究。主要研究工作及相应成果如下:（1）社交媒体文本主题抽取与情感分类框架研究获取自2020年1月9日0时至2020年4月9日24时Twitter中与新冠肺炎事件相关的文本信息。基于自然语言处理技术,完成文本信息的标点符号、数字、网址等数据清洗预处理。基于主题模型、机器学习方法构建疫情主题抽取与分类框架,实现新冠肺炎事件下Twitter用户的话题提取。采用BTM主题模型与随机森林算法相结合,实现15个小类、6个大类的话题分类,得到新冠肺炎事件社交媒体Twitter用户的文本主题和话题分布。（2）六廊六路地区社交媒体文本空间信息提取框架研究基于命名实体和全球地名数据空间信息提取框架,从新冠肺炎相关的社交媒体Twitter文本中获取六廊六路地区公众话题的空间信息并挖掘其空间分布格局特征。采用Spa Cy NER工具从Twitter文本中提取国家或地区,以Geo Names为数据源,从多源全球地名数据匹配地名,有效解决文本数据地名信息的一致性判断,实现了多源全球地名数据库的有机融合。并从中亚、东亚、南亚、西亚、独联体5个区域下,发现不同区域主题和话题的演变,解释主题和话题之间的空间差异。（3）六廊六路地区社交媒体主题时空挖掘分析研究结合累计确诊病例死亡病例、人口密度、人均GDP、商品和服务出口额等要素,分析六廊六路地区46个国家在中亚、东亚、南亚、亚洲、西亚、独联体5个区域下舆情演变的关系,发现区域主题的演变规律及空间差异,解释主题分布的原因,为六廊六路区域疫情防控和国际合作提供舆情分析数据和方法支持。