随着网络技术的发展与应用的普及,2014年12月,我国网民人数接近6.5亿,互联网普及率接近50%,互联网正逐渐成为人们获取信息的重要方式之一。相对传统传播途径,互联网的一个重要优势是可以降低信息传播的门槛和成本,为广大的互联网用户提供了一个信息发布、传播、交互的便捷途径,也为作者与读者,读者与读者之间的交流搭起了沟通的桥梁。随着中国证券市场的发展,越来越多的投资者加入其中。截止2015年3月,沪深A股的开户数达到1.85亿。同时,随着网络技术在证券交易上的应用,投资者从信息获取到产生交易策略并进行交易都可以在互联网上进行。这给投资者同时带来了便利与挑战,一方面网络上的大量的信息可以帮助投资者进行交易决策,而另一方面网络上的信息存在的复杂性、时效性以及大量主观性信息很难使投资者做出理性客观的投资决策。因此,研究网络舆情不仅是对行为金融学的补充,也是对市场有效性理论的完善,为投资者探寻证券市场效应和相应的稳定机制优化选择提供了一个新的视角。论文针对现实的应用需求,首先采用java语言,使用网络爬虫技术和lucene索引等开源工具,实现了一个专业领域信息检索系统,为后续研究提供数据基础。在此基础上,主要研究了主题探测技术、情绪倾向性分析技术以及对中国证券投资者信心指数进行预测。针对传统的主题模型(LDA)无法准确捕捉文章结构和区分同一领域相近主题的不足,提出了一种改进的主题模型算法。针对传统情绪分类算法对复合语义理解不足的缺点,本文采用一种先进的深度学习算法对沪深A股大盘评论建立中文情绪分类模型。针对传统支持向量机回归算法对噪音易产生过拟合的缺点,提出了一种改进的支持向量机回归模型并对中国证券投资者信心指数进行预测来指导投资行为。经实验验证,上述算法可以有效的提高舆情分析效果。