【目的】提出更適用公共政策評價的網民情感分類指標,引入深度學習技術研究網民立場的自動化識別和支持度研判問題。【方法】選取三個不同領域不同類型的重要公共政策作為研究對象,對微博數據進行采集、清洗和標注;運用立場分析方法研判三個政策的網民支持度;構建基于字符級卷積神經網絡(CNN)技術的文本分類模型對實驗數據集進行訓練,并對實驗結果進行對比檢驗解讀。【結果】該模型在三組數據測試集的綜合評價指標上均取得優秀表現,當模型穩定后有兩組數據集F1值在0.8以上,一組數據集F1值在0.6以上;且耗時較循環神經網絡(RNN)模型更短,訓練時間差距達數十倍。【局限】數據樣本量和政策覆蓋類型有限,網民支持度計算方法有待進一步深化。【結論】立場分類方法和字符級CNN技術在公共政策評價的效度和效率上有較好表現,尤其在應急突發性政策評價方面能夠發揮明顯作用。