1.一种基于对比学习的方面级情感分析方法，其特征在于，包括：

步骤S1，基于预设的多个方面情感对生成多个提示句对，一个提示句对包括包含同一个方面情感对的一个疑问提示句和一个回答提示句；多个方面情感对与待分析语句的领域相关；

步骤S2，获取待分析语句，将待分析语句输入基于对比学习的方面级情感分析模型获得分析结果，所述基于对比学习的方面级情感分析模型包括：增强模块，被配置为将待分析语句与不同提示句对中的疑问提示句或回答提示句组合获得不同的待分析增强语句；

预训练编码层，被配置为对待分析增强语句进行词嵌入处理，对词嵌入处理结果进行编码处理获得所述待分析增强语句的句子表示向量和所有单词的词向量；

第一激活函数层，被配置为基于所述待分析增强语句的句子表示向量获取第一分析结果，所述第一分析结果为所述待分析增强语句中的待分析语句是否与该待分析增强语句包含的方面情感对匹配的判断结果；

第二激活函数层，被配置为当第一分析结果为待分析增强语句中的待分析语句与该待分析增强语句包含的方面情感对匹配时，对待分析语句的所有词向量进行解码获得解码序列，并在解码序列中标记出与方面情感对匹配的目标词语位置从而获得标记序列,将标记序列记为第二分析结果；

所述基于对比学习的方面级情感分析模型的对比训练过程包括：

步骤A，获取多个训练语句以及训练语句匹配的方面情感对，基于匹配的方面情感对生成提示句对，将训练语句分别与生成的提示句对的疑问提示句和回答提示句组合获得疑问增强句和提示增强句，疑问增强句和提示增强句组成一个正样本对；

步骤B，输入正样本对至预训练编码层，预训练编码层对正样本对进行词嵌入处理，对词嵌入处理结果进行编码处理获得正样本对中疑问增强句的句子表示向量和所有单词的词向量，以及获得正样本对中回答增强句的句子表示向量和所有单词的词向量；

步骤C，将正样本对的句子表示向量输入第一激活函数层分别获得疑问增强句的第一分析结果和回答增强句的第一分析结果；通过第一对比学习层对比学习正样本对中疑问增强句的句子表示向量和回答增强句的句子表示向量获得第一任务损失；

同步地，将正样本对的词向量输入第二函数激活模块分别获得疑问增强句的第二分析结果和回答增强句的第二分析结果；通过第二对比学习层对比学习正样本对中疑问增强句的第二分析结果和回答增强句的第二分析结果获得第二任务损失；

步骤D，融合参与训练的所有正样本对的第一任务损失和第二任务损失获得总损失，若总损失达到预设目标则停止训练，若总损失未达到预设目标则输入下一正样本对重复执行步骤B到步骤D。

2.如权利要求1所述的基于对比学习的方面级情感分析方法，其特征在于，通过疑问提示函数生成疑问提示句；

和/或，通过回答提示函数生成回答提示句。

3.如权利要求2所述的基于对比学习的方面级情感分析方法，其特征在于，疑问提示函数生成疑问提示句的执行过程为：将方面情感对中的方面和情感分别代入疑问提示句模板中的方面对应位置和情感对应位置，所述疑问提示句模板为：Does the sentiment { } belongs to the aspect { }。

4.如权利要求2或3所述的基于对比学习的方面级情感分析方法，其特征在于，回答提示函数生成回答提示句的执行过程为：将方面情感对中的方面和情感分别代入回答提示句模板中的方面对应位置和情感对应位置，所述回答提示句模板为：The sentiment of the aspect { } is { }。

5.如权利要求4所述的基于对比学习的方面级情感分析方法，其特征在于，当第一激活函数层输出的判断结果为待分析语句与方面情感对匹配时，还包括输出目标词语、方面、情感组成的三元组；其中，所述目标词语为待分析语句中位置与标记序列中标记的目标词语位置对应的单词。

6.如权利要求1所述的基于对比学习的方面级情感分析方法，其特征在于，第 个正样本对的第一任务损失表示为：;

其中， 表示第 个正样本对的分类损失，

， 表示第 个正样本对的疑问增强句 的句子表示向量， 表示第 个正样本对的回答增强句 的句子表示向量； 表示 和 之间的最小双

向KL散度， ， 表

示第一任务可调节参数。

7.如权利要求6所述的基于对比学习的方面级情感分析方法，其特征在于，第 个正样本对的第二任务损失表示为：;

其中， 表示第 个正样本对的序列标注损失，

， 表示疑问增强句 词向量预测

真实序列 的序列概率分布， 表示回答增强句 词向量预测真实序列 的序列概率分布； 表示第二任务可调节参数； 表示 和 之间的最小双向KL散度， 。

8.如权利要求7所述的基于对比学习的方面级情感分析方法，其特征在于，总损失定义为：；

其中， 表示参与训练的正样本对数量。

9.一种基于对比学习的方面级情感分析装置，其特征在于，包括：

提示句对生成模块，基于预设的多个方面情感对生成多个提示句对，一个提示句对包括包含同一个方面情感对的一个疑问提示句和一个回答提示句；多个方面情感对与待分析语句的领域相关；

情感分析模块，获取待分析语句，将待分析语句输入基于对比学习的方面级情感分析模型获得分析结果；所述基于对比学习的方面级情感分析模型包括：增强模块，被配置为将待分析语句与不同提示句对中的疑问提示句或回答提示句组合获得不同的待分析增强语句；

预训练编码层，被配置为对待分析增强语句进行词嵌入处理，对词嵌入处理结果进行编码处理获得所述待分析增强语句的句子表示向量和所有单词的词向量；

第一激活函数层，被配置为基于所述待分析增强语句的句子表示向量获取第一分析结果，所述第一分析结果为所述待分析增强语句中的待分析语句是否与该待分析增强语句包含的方面情感对匹配的判断结果；

第二激活函数层，被配置为当第一分析结果为待分析增强语句中的待分析语句与该待分析增强语句包含的方面情感对匹配时，对待分析语句的所有词向量进行解码获得解码序列，并在解码序列中标记出与方面情感对匹配的目标词语位置从而获得标记序列,将标记序列记为第二分析结果；

其中，所述基于对比学习的方面级情感分析模型的对比训练过程包括：

步骤A，获取多个训练语句以及训练语句匹配的方面情感对，基于匹配的方面情感对生成提示句对，将训练语句分别与生成的提示句对的疑问提示句和回答提示句组合获得疑问增强句和提示增强句，疑问增强句和提示增强句组成一个正样本对；

步骤B，输入正样本对至预训练编码层，预训练编码层对正样本对进行词嵌入处理，对词嵌入处理结果进行编码处理获得正样本对中疑问增强句的句子表示向量和所有单词的词向量，以及获得正样本对中回答增强句的句子表示向量和所有单词的词向量；

步骤C，将正样本对的句子表示向量输入第一激活函数层分别获得疑问增强句的第一分析结果和回答增强句的第一分析结果；通过第一对比学习层对比学习正样本对中疑问增强句的句子表示向量和回答增强句的句子表示向量获得第一任务损失；

同步地，将正样本对的词向量输入第二函数激活模块分别获得疑问增强句的第二分析结果和回答增强句的第二分析结果；通过第二对比学习层对比学习正样本对中疑问增强句的第二分析结果和回答增强句的第二分析结果获得第二任务损失；

步骤D，融合参与训练的所有正样本对的第一任务损失和第二任务损失获得总损失，若总损失达到预设目标则停止训练，若总损失未达到预设目标则输入下一正样本对重复执行步骤B到步骤D。