1.一种基于张量融合网络的社交媒体情感分析方法，其特征在于，包括：获取多模态信息数据；

分别提取多模态信息数据的文本特征和图像特征；

采用张量融合方法将文本特征和图像特征进行融合，得到融合特征；

提取融合特征的情感特征；采用特定信息提取模型提取融合特征的情感特征；

所述特定信息提取模型包括：卷积层和门控单元；

所述情感特征提取的过程包括：

步骤(1)：利用一维卷积核对捕获活动局部特征，每个内核对应一个特征检测器，该检测器提取特定模式的活动局部特征；

步骤(2)：计算卷积核对的权值，即Ga和Gb，采用tanh激活函数映射Ga对应的卷积核，得到特征a；采用sigmoid激活函数映射Gb对应的卷积核，得到特征b；

步骤(3)：将两个特征相乘，得到情感特征元素；

步骤(4)：采用过滤器在融合特征中活动，构建情感特征；

将情感特征输入全连接层，再采用分类器完成情感分类。

2.根据权利要求1所述的基于张量融合网络的社交媒体情感分析方法，其特征在于，所述文本特征的提取包括：采用BERT预训练模型提取文本的文本特征。

3.根据权利要求1所述的基于张量融合网络的社交媒体情感分析方法，其特征在于，所述图像特征的提取包括：采用基于注意力机制的多层卷积神经网络提取图像的图像特征。

4.根据权利要求2所述的基于张量融合网络的社交媒体情感分析方法，其特征在于，所述BERT预训练模型包括多个Transformer编码器。

5.一种基于张量融合网络的社交媒体情感分析系统，其特征在于，包括：获取模块，其被配置为：获取多模态信息数据；

特征提取模块，其被配置为：分别提取多模态信息数据的文本特征和图像特征；

特征融合模块，其被配置为：采用张量融合方法将文本特征和图像特征进行融合，得到融合特征；

特定信息提取模块，其被配置为：提取融合特征的情感特征；采用特定信息提取模型提取融合特征的情感特征；

所述特定信息提取模型包括：卷积层和门控单元；

所述情感特征提取的过程包括：

步骤(1)：利用一维卷积核对捕获活动局部特征，每个内核对应一个特征检测器，该检测器提取特定模式的活动局部特征；

步骤(2)：计算卷积核对的权值，即Ga和Gb，采用tanh激活函数映射Ga对应的卷积核，得到特征a；采用sigmoid激活函数映射Gb对应的卷积核，得到特征b；

步骤(3)：将两个特征相乘，得到情感特征元素；

步骤(4)：采用过滤器在融合特征中活动，构建情感特征；

输出模块，其被配置为：将情感特征输入全连接层，再采用分类器完成情感分类。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑4中任一项所述的基于张量融合网络的社交媒体情感分析方法中的步骤。

7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1‑4中任一项所述的基于张量融合网络的社交媒体情感分析方法中的步骤。