1.一种情感分类方法，其特征在于，包括步骤：获取文本内的目标句子；其中，所述目标句子包括目标属性词、所述目标属性词对应的邻接属性词以及所述目标属性词与所述邻接属性词之间的连词，所述邻接属性词为在所述目标句子中与所述目标属性词相邻的前一个属性词；

将所述目标句子对应的词向量和所述目标属性词对应的词向量输入预设的注意力机制模型，得到第一句子表示；获取每个单词与所述目标属性词之间的距离所对应的位置向量，根据所述位置向量和所述目标句子对应的词向量，得到第二句子表示；将所述第一句子表示和所述目标属性词对应的词向量输入至预设的结合门控机制的卷积神经网络模型，得到与所述目标属性词的语义相关的特征向量；将所述第二句子表示和所述目标属性词对应的词向量输入至预设的结合门控机制的卷积神经网络模型，得到与所述目标属性词的位置相关的特征向量；

将与所述目标属性词的语义相关的特征向量和与所述目标属性词的位置相关的特征向量输入预设的特征融合模型，得到所述目标属性词对应的目标特征向量；

获取所述邻接属性词对应的情感极性向量和所述连词的类别对应的连词向量；

将所述邻接属性词对应的情感极性向量和所述连词的类别对应的连词向量输入预设的辅助特征融合模型，得到所述目标属性词对应的辅助特征向量；

根据拼接后的所述目标特征向量和所述辅助特征向量以及预设的情感极性分类函数，得到所述目标属性词的情感分类结果。

2.根据权利要求1所述的情感分类方法，其特征在于，所述获取文本内的目标句子之后，包括步骤：

将所述目标句子和所述目标属性词输入预设的词嵌入表示模型，得到所述目标句子对应的词向量和所述目标属性词对应的初始词向量；

对所述目标属性词对应的初始词向量进行卷积操作，得到所述目标属性词对应的词向量。

3.根据权利要求1所述的情感分类方法，其特征在于，所述将所述目标句子对应的词向量和所述目标属性词对应的词向量输入预设的注意力机制模型，得到第一句子表示，包括步骤：

根据所述目标句子对应的词向量、所述目标属性词对应的词向量以及预设的注意力权重计算公式，得到所述目标句子中每个单词对于所述目标属性词的注意力权重；

根据所述目标句子中每个单词对于所述目标属性词的注意力权重和所述目标句子对应的词向量，得到所述第一句子表示。

4.根据权利要求1所述的情感分类方法，其特征在于，所述获取每个所述单词与所述目标属性词之间的距离所对应的位置向量，根据所述位置向量和所述目标句子对应的词向量，得到第二句子表示，包括步骤：根据所述目标句子中每个单词与所述目标属性词之间的距离和预设的位置索引值计算公式，获取每个所述单词对应的位置索引值；

获取位置矩阵，根据所述位置矩阵和每个所述单词对应的位置索引值，得到每个所述单词对应的位置向量；

将每个所述单词对应的位置向量与所述目标句子对应的词向量拼接，得到所述第二句子表示。

5.根据权利要求1或2所述的情感分类方法，其特征在于，所述将与所述目标属性词的语义相关的特征向量和与所述目标属性词的位置相关的特征向量输入预设的特征融合模型，得到所述目标属性词对应的目标特征向量，包括步骤：根据与所述目标属性词的语义相关的特征向量、与所述目标属性词的位置相关的特征向量以及预设的特征融合计算公式，得到融合特征向量；

根据所述融合特征向量、与所述目标属性词的语义相关的特征向量和与所述目标属性词的位置相关的特征向量，得到所述目标属性词对应的目标特征向量。

6.根据权利要求1或2所述的情感分类方法，其特征在于，获取所述邻接属性词对应的情感极性向量和所述连词的类别对应的连词向量，包括步骤：获取所述邻接属性词的情感分类结果、情感极性矩阵和连词矩阵；

根据所述情感分类结果对应的索引值和所述情感极性矩阵，得到所述邻接属性词对应的情感极性向量；

根据预设的连词与类别之间的对应关系，获取所述连词的类别；

根据所述连词的类别对应的索引值和所述连词矩阵，得到所述连词的类别对应的连词向量。

7.根据权利要求1或2所述的情感分类方法，其特征在于，将所述邻接属性词对应的情感极性向量和所述连词的类别对应的连词向量输入预设的辅助特征融合模型，得到所述目标属性词对应的辅助特征向量，包括步骤：根据所述邻接属性词对应的情感极性向量、所述连词的类别对应的连词向量和预设的辅助特征融合计算公式，得到所述目标属性词对应的辅助特征向量。

8.一种情感分类装置，其特征在于，包括：第一获取单元，用于获取文本内的目标句子；其中，所述目标句子包括目标属性词、所述目标属性词对应的邻接属性词以及所述目标属性词与所述邻接属性词之间的连词，所述邻接属性词为在所述目标句子中与所述目标属性词相邻的前一个属性词；

特征提取单元，用于将所述目标句子对应的词向量和所述目标属性词对应的词向量输入预设的注意力机制模型，得到第一句子表示；获取每个单词与所述目标属性词之间的距离所对应的位置向量，根据所述位置向量和所述目标句子对应的词向量，得到第二句子表示；将所述第一句子表示和所述目标属性词对应的词向量输入至预设的结合门控机制的卷积神经网络模型，得到与所述目标属性词的语义相关的特征向量；将所述第二句子表示和所述目标属性词对应的词向量输入至预设的结合门控机制的卷积神经网络模型，得到与所述目标属性词的位置相关的特征向量；

特征融合单元，用于将与所述目标属性词的语义相关的特征向量和与所述目标属性词的位置相关的特征向量输入预设的特征融合模型，得到所述目标属性词对应的目标特征向量；

第二获取单元，用于获取所述邻接属性词对应的情感极性向量和所述连词的类别对应的连词向量；

辅助特征融合单元，用于将所述邻接属性词对应的情感极性向量和所述连词的类别对应的连词向量输入预设的辅助特征融合模型，得到所述目标属性词对应的辅助特征向量；

分类单元，用于根据拼接后的所述目标特征向量和所述辅助特征向量以及预设的情感极性分类函数，得到所述目标属性词的情感分类结果。

9.一种情感分类设备，其特征在于，包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一所述方法的步骤。