随着信息技术的迅速更新与发展,网络已经成为人们发布、获取和传递信息的主要载体。网络舆情作为社会舆情的重要组成部分,是社会舆情在互联网空间的映射。对于政府相关部门而言,准确发现网络中的舆情信息和热点事件并加以监督与引导,对社会和谐稳定发展具有重要的现实意义。特别是以微博为代表的新型社会化网络媒体服务的兴起,使得人们更容易在其上面表达自己的观点和情感,这些新兴的网络应用,已经成为异常或突发事件等网络舆情形成的重要平台。通过及时了解用户对舆论热点、政策等的反应,将有助于为用户自身、企业、政府等提供决策支持。因而,对于面向微博的情感分析显得十分重要。本文以微博作为研究对象,针对微博数据的特点,从微博情感的角度出发,提出了一种基于微博情感分析来发现网络热点事件的模型和基于改进的朴素贝叶斯情感分类算法以及基于词共现图的事件提取算法,通过该模型及算法可以有效监测异常或热点事件,这对于网络舆情系统的研究具有积极意义。本模型首先对一段时间内某话题的微博进行数据处理,针对含有表情图片和情感词汇两种情绪知识的微博,运用基于改进的朴素贝叶斯情感分类算法(EINB)构造的情感分类器将含有情绪知识的微博分为正向情感、负向情感和极度负向情感三类,结合网民心理特征对得到的情感微博数据图进行分析,通过提出基于词共现图的事件提取方法-WCG算法,从极度负向情感类的微博中提取出主题词,利用词共现图的方法找出该时间段内的网络热点事件实验结果表明,针对一段时间内某话题中含有情绪知识的微博,采用本文提出的基于微博情感分析的模型,可以较为准确的找出该段时间内的网络热点事件。