1.一种情感分类方法，其特征在于，包括步骤：获取目标句子对应的词嵌入矩阵；其中，所述目标句子对应的词嵌入矩阵包括上下文对应的词嵌入矩阵和目标词对应的词嵌入矩阵；

根据所述上下文对应的词嵌入矩阵、所述目标词对应的词嵌入矩阵和预设的隐藏状态提取模型，得到所述上下文对应的隐藏状态矩阵和所述目标词对应的隐藏状态矩阵；

获取所述上下文与所述目标词之间的公共信息矩阵，根据所述公共信息矩阵、所述上下文对应的隐藏状态矩阵、所述目标词对应的隐藏状态矩阵和预设的语义信息交互模型，得到目标词语义增强的上下文表示和上下文语义增强的目标词表示；

根据所述目标词语义增强的上下文表示、所述上下文语义增强的目标词表示和预设的语义选择模型，得到语义选择后的上下文表示；

获取所述目标句子对应的句法依存树，根据预设的语义整合模型，提取所述目标句子对应的句法依存树中的句法表示；

根据所述语义选择后的上下文表示、所述句法表示和预设的第二语义激活模型，得到所述目标词对应的情感分类结果。

2.根据权利要求1所述的情感分类方法，其特征在于，所述根据所述上下文对应的词嵌入矩阵、所述目标词对应的词嵌入矩阵和预设的隐藏状态提取模型，得到所述上下文对应的隐藏状态矩阵和所述目标词对应的隐藏状态矩阵，包括步骤：对所述目标词对应的词嵌入矩阵进行平均池化，得到平均目标词向量；

根据所述平均目标词向量和所述上下文对应的词嵌入矩阵，得到融入目标词信息的上下文对应的词嵌入矩阵；

将所述目标词对应的词嵌入矩阵和所述融入目标词信息的上下文对应的词嵌入矩阵分别输入预设的GRU神经网络模型中，得到所述上下文对应的隐藏状态矩阵和所述目标词对应的隐藏状态矩阵。

3.根据权利要求1所述的情感分类方法，其特征在于，所述获取所述上下文与所述目标词之间的公共信息矩阵，根据所述公共信息矩阵、所述上下文对应的隐藏状态矩阵、所述目标词对应的隐藏状态矩阵和预设的语义信息交互模型，得到目标词语义增强的上下文表示和上下文语义增强的目标词表示，包括步骤：根据所述上下文对应的隐藏状态矩阵、所述目标词对应的隐藏状态矩阵和预设的公共信息矩阵计算公式，得到所述公共信息矩阵；

根据所述公共信息矩阵、所述上下文对应的隐藏状态矩阵、所述目标词对应的隐藏状态矩阵和预设的目标词语义增强计算公式，得到所述目标词语义增强的上下文表示；

根据所述公共信息矩阵、所述上下文对应的隐藏状态矩阵、所述目标词对应的隐藏状态矩阵和预设的上下文语义增强计算公式，得到所述上下文语义增强的目标词表示。

4.根据权利要求1所述的情感分类方法，其特征在于，所述根据所述目标词语义增强的上下文表示、所述上下文语义增强的目标词表示和预设的语义选择模型，得到语义选择后的上下文表示，包括步骤：

对所述上下文增强的目标词表示进行平均池化，得到目标词查询向量；

将所述目标词查询向量分别输入若干个单层注意力模型，得到若干个注意力系数矩阵；

获取若干个所述注意力系数矩阵相加后的平均值，得到语义选择抑制参数；

根据所述语义选择抑制参数和所述上下文对应的隐藏状态矩阵，得到所述语义选择后的上下文表示。

5.根据权利要求1所述的情感分类方法，其特征在于，所述根据预设的语义整合模型，提取所述目标句子对应的句法依存树中的句法表示，包括步骤：根据所述句法依存树，得到所述目标句子中的单词对应的邻接矩阵，其中，所述邻接矩阵表示所述目标句子中的单词的邻接关系；

将所述邻接矩阵输入预设的图卷积神经网络模型，得到所述目标句子的句法表示。

6.根据权利要求5所述的情感分类方法，其特征在于，所述将所述邻接矩阵输入预设的图卷积神经网络模型，得到所述目标句子的句法表示，包括步骤：将所述邻接矩阵和上一层的输出结果输入至预设图卷积运算公式中，得到当前层的输出结果，重复执行输入操作，直至得到所述预设的图卷积神经网络模型的输出层的输出结果,获取所述目标句子的句法表示。

7.根据权利要求1所述的情感分类方法，其特征在于，所述根据所述语义选择后的上下文表示、所述句法表示和预设的第二语义激活模型，得到所述目标词对应的情感分类结果，包括步骤：

提取所述语义选择后的上下文表示的局部特征和所述句法表示中的局部特征，得到目标语义表示和目标句法表示；

根据所述目标语义表示、所述目标句法表示和预设的情感极性分类函数，得到所述目标词对应的情感分类结果。

8.根据权利要求7所述的情感分类方法，其特征在于，所述提取所述语义选择后的上下文表示的局部特征和所述句法表示中的局部特征，得到目标语义表示和目标句法表示，包括步骤：

将所述语义选择后的上下文表示输入预设的第一局部特征提取网络，得到所述语义选择后的上下文表示的局部特征；

将所述句法表示输入预设的第二局部特征提取网络，得到所述句法表示的局部特征；

对所述语义选择后的上下文表示的局部特征和所述句法表示的局部特征进行最大池化操作，得到所述目标语义表示和目标句法表示。

9.根据权利要求1所述的情感分类方法，其特征在于，在根据所述上下文对应的词嵌入矩阵、所述目标词对应的词嵌入矩阵和预设的第一语义激活模型，获取目标词语义增强的上下文表示和上下文语义增强的目标词表示之前，包括步骤：获取用于训练语义认知模型的训练集；其中，所述语义认知模型包括第一语义激活模型、语义选择模型、语义整合模型和第二语义激活模型；

基于所述训练集、预设的反向传播算法和预设的损失函数迭代训练所述语义认知模型，更新所述语义认知模型内的训练参数，直至满足训练终止条件，得到训练好的语义认知模型。