近年来,随着网络评论大量增长,用户需求的不断细化,以往只对评论整体进行情感倾向性分析的粗粒度情感分析越来越不能满足分析人员的需求,为了更加准确地对用户在某个产品、服务、话题事件上的相关评论信息进行挖掘,更细致地了解评论用户的真实看法和情感表达,细粒度的情感分析成为了提供解决方法的关键研究方向之一。细粒度情感分析的优势在于能够针对用户评论所指向的对象完成情感倾向性分析,并给予更多可视化展示信息的可能性。网络舆情是可能对社会带来重大影响的,因此是研究者们十分关注的应用领域。网络舆情重要的信息来源就是大量的用户评论,这些大量评论蕴含的信息不论对个人、企业还是政府都有极具价值,细粒度情感分析正是可以较好挖掘网络舆情中大量用户评论价值的最佳方式之一。细粒度情感分析有两个主要任务:主题提取和情感倾向性分析。主题提取采用基于LDA算法的语料先验改进策略。原始LDA算法进行主题提取时会出现部分与主题无关的高频词被提取,部分有关的低频词被丢弃的问题,针对该问题,提出了通过加入先验知识,修改语料库分布的改进策略。情感倾向性分析采用先人工标注训练集,再对预训练模型Bert-wwm进行微调的方法实现情感分类。本文的研究结论如下:(1)实验结果表明经过对语料库的先验改进策略的主题提取明显改善了不能实现较好的主题划分和被划分的主题关键词不能较好表达语义的问题。(2)情感倾向性分析模型在测试集上取得了 85.6%的准确率,可以合格地完成整体舆情评论数据集的预测任务。在网络舆情事件应用方面,本文的网络舆情分析系统采取常用舆情分析手段结合细粒度情感分析实验结果的方式,生成了多种可视化的舆情分析图作为分析成果,其中,舆情评论情感强度时序图符合舆情评论分析人员的实际需求,可以为相关人员提供较全面而准确的整体和细节信息,有助于其进行舆情事件总结,并为相应的负责机构提供合理的应对建议。