1.一种结合情感分析的个性化对话方法，其特征在于，包括：

输入多模态语句，对所述多模态语句进行处理，并通过情感分类模型对所述多模态语句进行分类，输出高细腻度的情感分类结果；

将所述高细腻度的情感分类结果通过Prompt模板进行修饰，引导预训练大模型输出富含情感的语句，包括：对所述高细腻度的情感分类结果进行情感分类，根据分类结果确定情绪指引模板，所述情绪指引模板的内容包括用户输入语句或原始的评论语句，以及需要大模型注意的情绪内容，经过所述情绪指引模板引导，输出富含情感的语句；

其中，所述情感分类模型的分类头基于二级情感类别体系设计，所述情感分类模型以Transformer结构为特征提取单元；

所述情感分类模型的分类头通过二级情感类别体系进行设计，包括：将NLP情感分类任务设置的类别进行细粒度划分，分别对每一种现有一级情感类别体系进行细分，获取所述二级情感类别体系；其中，所述现有一级情感类别体系包括积极、中性和消极；

基于所述二级情感类别体系，获取所述情感分类模型的多级分类头；

所述多级分类头由两层MLP结构组成，所述两层MLP结构包括一级情感类别单元和二级情感类别单元，其中，所述二级情感类别单元仅与其归属的所述一级情感类别单元连接。

2.根据权利要求1所述的结合情感分析的个性化对话方法，其特征在于，对所述多模态语句进行处理包括：统计社交媒体中高概率使用的若干表情符号，将所述表情符号补充进选定的词表，获取扩充后的词元向量矩阵。

3.根据权利要求2所述的结合情感分析的个性化对话方法，其特征在于，获取所述扩充后的词元向量矩阵，包括：针对经过训练的词元特征向量矩阵，选取与所述表情符号含义最近的词元特征向量作为该表情符号的初始特征向量，将其补充进所述词元特征向量矩阵中，获取所述扩充后的词元特征向量矩阵。

4.根据权利要求1所述的结合情感分析的个性化对话方法，其特征在于，构造所述Prompt模板的方法包括：直接在原有的用户语句后添加情绪显性表示或不修改大模型输入，对输出添加情绪修改指令。

5.一种结合情感分析的个性化对话系统，其特征在于，包括：

输入分类单元：用于输入多模态语句，并通过情感分类模型对所述多模态语句进行分类，输出高细腻度的情感分类结果；

所述情感分类模型的分类头通过二级情感类别体系进行设计，包括：将NLP情感分类任务设置的类别进行细粒度划分，分别对每一种现有一级情感类别体系进行细分，获取所述二级情感类别体系；其中，所述现有一级情感类别体系包括积极、中性和消极；

基于所述二级情感类别体系，获取所述情感分类模型的多级分类头；

所述多级分类头由两层MLP结构组成，所述两层MLP结构包括一级情感类别单元和二级情感类别单元，其中，所述二级情感类别单元仅与其归属的所述一级情感类别单元连接；

处理输出单元：用于基于所述高细腻度的情感分类结果通过Prompt模板引导预训练大模型，输出富含情感的语句；

包括：

对所述高细腻度的情感分类结果进行情感分类，根据分类结果确定情绪指引模板，所述情绪指引模板的内容包括用户输入语句或原始的评论语句，以及需要大模型注意的情绪内容，经过所述情绪指引模板引导，输出富含情感的语句；

所述输入分类单元与所述处理输出单元依次连接。

6.根据权利要求5所述的结合情感分析的个性化对话系统，其特征在于，所述输入分类单元包括：多模态信息处理子单元、分类头设计子单元以及特征提取子单元；

所述多模态信息处理子单元用于通过扩充后的词元特征向量矩阵处理文本及表情符号信息；所述分类头设计子单元用于通过二级情感类别体系对所述情感分类模型的分类头进行构建；所述特征提取子单元用于通过Transformer结构对所述情感分类模型中的特征进行提取。