随着互联网的发展,使用各种媒体社交平台成为人们追踪热点、获取信息的重要方式,然而网络平台的自由性和突发性,使得某些负面或不真实信息在网络中快速传播,对政府和企业造成负面影响。因此,如何合理有效的对网络平台进行监管是亟待解决的问题。于企业来说,对舆情信息的监督不仅可以及时发现品牌相关的负面信息,维护企业的形象和信誉,还可以通过挖掘用户反馈,对产品和管理进行优化,提升企业的核心竞争力。目前,相关的舆情监控系统尚处于发展阶段,在系统的完善性、应用性方面存在某些不足,同时,随着深度学习技术的发展和应用,非结构化的文本数据越来越能够通过计算机进行识别和处理,以更加高效的方式代替了原始的人工监督。本文通过整理和分析网络平台中的文本数据,分析和设计了舆情监控系统,能够满足企业对品牌监控和用户意见挖掘的业务需求。在系统的需求分析阶段,研究并参考了当前主流的监控系统,将系统进行了功能模块划分,主要包括品牌监控模块、热门话题模块、预警模块和系统管理模块,使该系统能够便捷的对其品牌相关信息进行监测,还可以通过查看热门话题关注正在或者潜在发生的问题,另外可以使用该系统通过自定义预警方案收到预警提醒、查看预警内容等。在系统的实现阶段,通过对数据的分析和算法的研究,本文选择适用于短文本的BTM模型进行文本建模,生成话题模型,并通过主题相似度来选取主题个数,通过主题重要度计算完成对热门话题的选取。同时构建Text CNN与GRU结合的情感分类混合模型完成对短文本的情感分类。将算法落地并实现了完整的舆情监控系统,通过流程图、类图、时序图清晰明了地对系统的实现过程进行了详细阐述。最后对舆情监控系统进行功能测试和非功能测试,验证该系统能够满足企业对其品牌的监控需求,提高企业对于舆论风险的把控能力。