1.一种社交媒体视觉内容情感分类方法，其特征在于，包括如下步骤：

层次化视觉情感本体建模：建立情感本体概念，完成对社交媒体中的视觉内容的规范性描述；

对社交媒体中的视觉内容进行本体概念检测：基于深度学习建立社交媒体中视觉内容和情感本体概念之间的映射关系；

基于情感本体概念响应的情感倾向识别：利用社交媒体中视觉内容的情感本体概念，识别社交媒体视觉内容的情感倾向。

2.根据权利要求1所述的社交媒体视觉内容情感分类方法，其特征在于，所述层次化视觉情感本体建模包括：社交媒体视觉情感本体词汇获取和层次化视觉情感本体建模；

所述情感本体概念由实体概念和属性概念组合而成；

所述层次化情感本体建模还包括对视觉内容文本实体概念之间的概念关系进行提取，所述概念关系包括：共生关系、互斥关系和包容关系。

3.根据权利要求1所述的社交媒体视觉内容情感分类方法，其特征在于，对社交媒体中的视觉内容进行本体概念检测包括面向静态图像的情感本体概念检测，还包括面向动态图像和视频序列的情感本体概念检测。

4.根据权利要求3所述的社交媒体视觉内容情感分类方法，其特征在于，所述面向静态图像的情感本体概念检测包括对静态图像情感本体全局性概念和局部性概念的检测。

5.根据权利要求3所述的社交媒体视觉内容情感分类方法，其特征在于，所述面向静态图像的情感本体概念检测采用递进模式，先在不区分属性信息的情况下对名词性实体概念进行检测，然后，再对实体概念对应的属性概念进行分辨。

6.根据权利要求3所述的社交媒体视觉内容情感分类方法，其特征在于，所述面向动态图像和视频序列的情感本体概念检测采用联合卷积神经网络和LSTM的递归神经网络深度学习模型。

7.根据权利要求3所述的社交媒体视觉内容情感分类方法，其特征在于，所述面向动态图像和视频序列的情感本体概念检测方法为：首先，采用面向静态图像的概念检测方法对动态图像或视频序列中的每一帧图像进行检测，得到每一帧图像对应的情感本体概念响应；然后，计算动态图像或视频序列的整体响应，动态图像或视频序列的整体响应小于或等于所有帧图像对应的情感本体概念的最大响应值；对于涉及动作行为的动态图像或视频序列，将实体概念和属性概念作为一个整体来进行情感本体概念的检测。

8.根据权利要求1所述的社交媒体视觉内容情感分类方法，其特征在于，所述基于情感本体概念响应的情感倾向识别采用基于概念推理的情感倾向识别方法。