1.基于情感传播的隐式情感词典生成方法，其特征在于，包括如下步骤：步骤一、通过网络爬虫技术提取出社交媒体中的文本数据，并对非正式文本数据进行处理，恢复成自然语言，恢复后的文本数据记为S＝{s1,s2,s3,......,sn}，其中，sn表示第n个恢复成自然语言的句子；

步骤二、将恢复后的文本数据S＝{s1,s2,s3,......,sn}构建成为句法树T＝{t1,t2,t3,......,tn}，其中tn表示第n个生成的句法树，将句法树中的名词、动词以及形容词提取出来构建成为完全图G＝{G1,G2,......,Gn}，其中Gn表示第n个由句法树生成的完全图；

步骤三、在完全图中进行情感传播，当情感传播结束后即可获得隐式情感词典；

所述步骤三具体包括：

步骤31、完全图Gn每个节点的词语称为显示情感词语vi，引入大连理工情感词典本体为显示情感词语vi分配初始情感值，其中，预设显示情感词语vi的情感值为 同时，需要对情感值 作归一化处理；

步骤32、预设完全图Gn中每个节点的显示情感词语vi有两个情感值 和 其中， 是词语的正向情感值， 是负向情感值，根据大连理工情感词典本体的情感极性，为显示情感词语vi的两个情感值 和 分配初始情感值；

步骤33、情感传播开始后，计算显示情感词语vi的传播率、受到邻居节点的影响、错别字与词语错误搭配的情况、情感传播以及情感不传播的情况；

步骤34、每次情感传播后计算情感词语vi更新后的情感值；

步骤35、当更新后的情感值计算完成后，通过归一化手段获得显示情感词语vi的最终情感值

步骤36、通过每个词语vi的最终情感值 获得该词语的情感词汇的情感极性，提取出其中的隐式词汇，构建成为隐式情感词典。

2.根据权利要求1所述的基于情感传播的隐式情感词典生成方法，其特征在于，所述步骤一中，对非正式文本数据进行处理，恢复成自然语言具体包括：步骤11、清理掉无用信息，无用信息包括社交媒体为文本数据携带的内容、表情符号、非中文内容；

步骤12、将繁体中文转换成简体中文；

步骤13、对句子进行切割；

步骤14、经步骤11～13处理后的文本数据记为S＝{s1,s2,s3,......,sn}。

3.根据权利要求1所述的基于情感传播的隐式情感词典生成方法，其特征在于，所述步骤二中具体包括如下步骤：

步骤21、利用Stanford CoreNLP软件将S中的句子进行词法与句法分析，构建句法树，句法树包括包含词语、词性以及词语之间的依赖关系；

步骤22、将句法树中的名词、动词以及形容词提取出来，并通过Stanford CoreNLP软件对每个句子sn进行命名实体识别，清理掉标签为DATE的命名实体，每一个句子sn提取出的词语记为wn＝{w1,w2,w3,......,wm}，其中，wm表示第m个被提取出的词语；

步骤23、采用python处理图数据的库networkx进行完全图的构建，完全图中节点为提取出的词语wn，每两个节点间都有边，边权为该两个词语在语料库中出现的频率，完全图中所有句子构成语料库。

4.根据权利要求1所述的基于情感传播的隐式情感词典生成方法，其特征在于，所述步骤31中，由于大连理工情感词典本体的情感极性是1,3,5,7,9，采用如下公式对显示情感词语vi的情感值 进行归一化处理：

5.根据权利要求4所述的基于情感传播的隐式情感词典生成方法，其特征在于，步骤32中，显示情感词语vi的两个情感值 和 分配初始情感值的分配规则为：完全图Gn中，如果没有词语出现在大连理工情感词典本体中，则完全图Gn中，如果情感值为1，则完全图Gn中，如果情感值为2，则完全图Gn中，如果情感值为3，则

6.根据权利要求5所述的基于情感传播的隐式情感词典生成方法，其特征在于，所述步骤33具体包括如下：

步骤331、显示情感词语vi在初始时刻的传播率为 且不传播率为 而任意时刻，传播率与不传播率之和为1，即

步骤332、计算每个节点在某一时刻受到邻居节点的影响，计算公式为：wij＝P(wordi,wordj)；

其中， 表示显示情感词语vi在t时刻受到邻居节点的影响，wij表示词语i和词语j在语料库中的共现频率， 表示词语j在某一时刻的传播率，P(wordi,wordj)表示词语i和词语j在语料库中共现的概率，F(wordi,wordj)表示词语i和词语j在语料库中的共现频率，N表示语料库中所有句子的数量，完全图中所有句子构成语料库；

步骤333、计算每个时刻显示情感词语vi的情感传播情况 公式如下：其中，λ用于衡量词语间情感传播的概率，μ用于衡量错别字与词语搭配错误的概率；

计算每个时刻显示情感词语vi的情感不传播情况 公式如下：

7.根据权利要求6所述的基于情感传播的隐式情感词典生成方法，其特征在于，所述步骤34中，情感传播后正向的情感值为 负向的情感值为 其计算公式为：其中， 表示该词语以相同的概率将情感传播给它的邻居节点。

8.根据权利要求7所述的基于情感传播的隐式情感词典生成方法，其特征在于，所述步骤35中，归一化公式为：

9.根据权利要求8所述的基于情感传播的隐式情感词典生成方法，其特征在于，所述步骤36中，获得隐式情感词汇的情感极性的公式为：