1.一种基于虚拟数字人物的AI对话方法，其特征在于，应用于在线虚拟数字化系统，所述方法包括：获取在线虚拟数字化场景中的目标用户针对虚拟数字人物发起AI对话的多个AI对话事件的虚拟人物对话语音，对所述虚拟人物对话语音进行对话情感分析，获得所述虚拟数字人物的第一用户积极情感倾向内容；

确定所述第一用户积极情感倾向内容对应的内容特征向量，基于所述内容特征向量，确定所述第一用户积极情感倾向内容的注意力参数值，所述内容特征向量至少包括内容语义特征向量和内容语境特征向量，所述注意力参数值表示所述虚拟数字人物的用户对话情感画像，所述注意力参数值越大，说明虚拟数字人物对应的用户对话情感满意度越大；

基于所述第一用户积极情感倾向内容的情感属性，确定所述第一用户积极情感倾向内容对应的情感价值，并基于所述情感价值和所述注意力参数值，获得所述第一用户积极情感倾向内容对应AI对话事件的第一对话关注权重，其中，基于第一用户积极情感倾向内容的情感属性，从预置映射关系中确定出当前第一用户积极情感倾向内容对应的情感价值，然后对第一用户积极情感倾向内容对应的情感价值和注意力参数值进行融合，得到第一用户积极情感倾向内容对应AI对话事件的第一对话关注权重，所述第一对话关注权重表示第一用户积极情感倾向内容对于虚拟数字人物产生的影响权重；

获取所述第一用户积极情感倾向内容对应AI对话事件的对话评价数据，对所述对话评价数据进行分析，以基于所述对话评价数据对所述第一对话关注权重进行更新，获得更新后的第二对话关注权重，所述对话评价数据包括场景效果评价数据、情感理解评价数据和情感表达评价数据；

基于所述第二对话关注权重，对所述虚拟数字人物进行与所述目标用户存在关联的在线互动用户推荐，具体为：将所述虚拟数字人物推荐给与所述目标用户存在关联的在线互动用户，其中，与所述目标用户存在关联的在线互动用户是指用户画像与与所述目标用户匹配的在线互动用户；

其中，对所述虚拟人物对话语音进行对话情感分析，获得所述虚拟数字人物的第一用户积极情感倾向内容的步骤，包括：对所述虚拟人物对话语音进行对话情感编码，并确定对话情感编码后的所述虚拟人物对话语音每个对话互动语句的积极情感映射均值，以基于所述积极情感映射均值，确定所述虚拟人物对话语音中格式化互动数据以及待分析的目标互动数据，所述格式化互动数据的积极情感映射均值小于所述目标互动数据的积极情感映射均值；

分别确定所述目标互动数据中各对话互动语句的前后文语句集内对应的关联对话互动语句，以及所述关联对话互动语句对应积极情感映射值之间的积极情感映射标准差值和积极情感映射均值；

基于所述积极情感映射标准差值和所述积极情感映射均值之间的比值，确定所述对话互动语句对应的显著性倾向值；

针对每个对话互动语句，将所述对话互动语句对应的显著性倾向值与设定倾向值进行比较，基于比较结果对所述目标互动数据中的对话互动语句进行聚类，获得所述虚拟数字人物的第一用户积极情感倾向内容，所述第一用户积极情感倾向内容对应的显著性倾向值大于所述设定倾向值。

2.根据权利要求1所述的基于虚拟数字人物的AI对话方法，其特征在于，对所述对话评价数据进行分析，以基于所述对话评价数据对所述第一对话关注权重进行更新，获得更新后的第二对话关注权重的步骤，包括：获取所述虚拟数字人物的虚拟人物对话语音集，从所述虚拟人物对话语音集中提取与所述虚拟人物对话语音所对应的时间节点相关联的在先虚拟人物对话语音；

对所述在先虚拟人物对话语音进行对话情感分析，获得所述虚拟数字人物对应的第二用户积极情感倾向内容；

将所述第一用户积极情感倾向内容和所述第二用户积极情感倾向内容进行比较，确定所述第一用户积极情感倾向内容与所述第二用户积极情感倾向内容之间的积极情感倾向转换参数，所述积极情感倾向转换参数表示目标用户与虚拟数字人物进行对话时积极情感倾向的发展程度；

确定所述对话评价数据对应的对话评价权重值，并基于所述对话评价权重值与所述积极情感倾向转换参数之间的融合参数值，确定所述对话评价数据对应的更新指标值；

基于所述更新指标值对所述第一对话关注权重进行更新，获得更新后的第二对话关注权重，所述更新的方向和幅度与所述更新指标值、所述对话评价权重值为正关联关系。

3.根据权利要求2所述的基于虚拟数字人物的AI对话方法，其特征在于，所述对话评价数据至少包括场景效果评价数据、情感理解评价数据和情感表达评价数据，确定所述对话评价数据对应的对话评价权重值的步骤，包括：确定所述第一用户积极情感倾向内容所属情感属性对应的多个场景效果评价分数范围和多个情感理解评价分数范围，每个场景效果评价分数范围对应一个第一对话评价权重值，每个情感理解评价分数范围对应一个第二对话评价权重值；

基于所述场景效果评价数据和所述情感理解评价数据，分别确定所述第一用户积极情感倾向内容对应的第一对话评价权重值和第二对话评价权重值；

获取所述第一用户积极情感倾向内容所在AI对话事件的情感表达评价数据的评价知识图谱，基于所述评价知识图谱，确定所述AI对话事件中的多个显著性情感活动数据；

基于所述多个显著性情感活动数据，确定所述第一用户积极情感倾向内容对应的第三对话评价权重值；

分别确定所述第一对话评价权重值、所述第二对话评价权重值和所述第三对话评价权重值对应的融合系数，并基于所述融合系数，对所述第一对话评价权重值、所述第二对话评价权重值和所述第三对话评价权重值进行融合，获得所述对话评价数据对应的对话评价权重值；

基于所述多个显著性情感活动数据，确定所述第一用户积极情感倾向内容对应的第三对话评价权重值的步骤，包括：对所述评价知识图谱进行单元拆分，并针对每个显著性情感活动数据，从单元拆分后得到的单元评价知识图谱中，提取所述显著性情感活动数据所关联的多个目标单元评价知识图谱；

确定所述显著性情感活动数据在所述多个目标单元评价知识图谱中分别对应的图谱节点，基于所述图谱节点的交叉数量的降序顺序，对所述图谱节点进行排序，获得所述显著性情感活动数据的目标图谱节点；所述目标图谱节点表征所述显著性情感活动数据的最大交叉数量的节点；

将所述评价知识图谱映射到对话重要性空间上，依据所述对话重要性空间，确定所述目标图谱的对话重要性参数；

基于所述对话重要性参数，确定所述第一用户积极情感倾向内容对应的第三对话评价权重值。

4.根据权利要求1所述的基于虚拟数字人物的AI对话方法，其特征在于，确定所述虚拟数字人物的第一用户积极情感倾向内容之后，所述方法还包括：对所述第一用户积极情感倾向内容进行业务分句，获得分句后的第一用户积极情感映射语句序列，所述第一用户积极情感映射语句序列由多个用户积极情感映射语句构成；

针对每个用户积极情感映射语句，以所述用户积极情感映射语句为起点，依次遍历所述第一用户积极情感映射语句序列，获得与所述用户积极情感映射语句具有对话行为关联的关联用户积极情感映射语句；

连接所述关联用户积极情感映射语句，获得所述第一用户积极情感倾向内容对应的多个关联积极情感倾向内容；

确定所述多个关联积极情感倾向内容内的对话互动语句数量以及所述多个关联积极情感倾向内容分别对应的标准对话互动语句数量，针对每个关联积极情感倾向内容，将其对应的所述对话互动语句数量与所述标准对话互动语句数量进行比较，获得所述标准对话互动语句数量是否大于所述对话互动语句数量；

若所述标准对话互动语句数量大于所述对话互动语句数量，则从所述第一用户积极情感倾向内容中移除所述关联积极情感倾向内容。

5.根据权利要求3所述的基于虚拟数字人物的AI对话方法，其特征在于，分别确定所述第一对话评价权重值、所述第二对话评价权重值和所述第三对话评价权重值对应的融合系数之前，所述方法还包括：确定所述虚拟数字人物当前所在的互动问题标签，以及所述互动问题标签下所述对话评价数据分别对应的标签权重信息；

基于所述标签权重信息，分别对所述第一对话评价权重值、所述第二对话评价权重值和所述第三对话评价权重值对应的融合系数进行调整。

6.根据权利要求1所述的基于虚拟数字人物的AI对话方法，其特征在于，基于所述内容特征向量，确定所述第一用户积极情感倾向内容的注意力参数值的步骤，包括：将内容特征向量作为训练样本，注意力参数值作为训练标签，构建蒙特卡洛神经网络；

将所述内容特征向量加载到所述蒙特卡洛神经网络，确定所述第一用户积极情感倾向内容的注意力参数值。

7.根据权利要求1所述的基于虚拟数字人物的AI对话方法，其特征在于，所述对所述虚拟人物对话语音进行对话情感编码，并确定对话情感编码后的所述虚拟人物对话语音每个对话互动语句的积极情感映射均值的步骤，包括：将所述虚拟人物对话语音加载至到对话情感分析网络，以通过所述对话情感分析网络对所述虚拟人物对话语音进行对话情感分析，确定所述虚拟人物对话语音的对话情感分析结果，其中，所述对话情感分析结果包括每个对话互动语句的对话情感标签以及对应的标签映射值；

对所述虚拟人物对话语音的对话情感分析结果进行积极情感特征分析，获得每个对话互动语句的积极情感映射均值；

其中，所述对话情感分析网络的训练步骤，包括：

获取第一数量个虚拟人物对话监督样本和第二数量个虚拟人物对话无监督样本，将所述第一数量个虚拟人物对话监督样本和所述第二数量个虚拟人物对话无监督样本加载至对话情感分析网络；所述第一数量个虚拟人物对话监督样本分别携带有所包含的虚拟人物对话语音的对话情感标注信息；所述第一数量个虚拟人物对话监督样本携带的虚拟人物对话语音和所述第二数量个虚拟人物对话无监督样本携带的虚拟人物对话语音属于相同的虚拟数字人物场景；

在所述对话情感分析网络中确定每个虚拟人物对话监督样本所包含的虚拟人物对话语音的第一对话情感分析信息，从对话互动知识资源池中获取所述每个虚拟人物对话监督样本的关联虚拟人物对话语音样本；所述对话互动知识资源池包括所述第一数量个虚拟人物对话监督样本和所述第二数量个虚拟人物对话无监督样本；所述每个虚拟人物对话监督样本的关联虚拟人物对话语音样本未携带所属虚拟人物对话监督样本携带的对话情感标注信息；

基于所述每个虚拟人物对话监督样本与所属的关联虚拟人物对话语音样本之间的样本关联值确定第一学习效果指标，基于所述每个虚拟人物对话监督样本对应的第一对话情感分析信息和携带的对话情感标注信息确定第二学习效果指标；

依据所述第一学习效果指标和所述第二学习效果指标调整所述对话情感分析网络的权重配置信息，生成目标对话情感分析网络；所述目标对话情感分析网络用于对属于所述虚拟数字人物场景的虚拟人物对话语音进行对话情感分析；

所述从对话互动知识资源池中获取所述每个虚拟人物对话监督样本的关联虚拟人物对话语音样本，包括：在所述对话情感分析网络中生成所述每个虚拟人物对话监督样本的对话语义表征信息和每个虚拟人物对话无监督样本的对话语义表征信息；

获取对所述每个虚拟人物对话监督样本的对话语义表征信息进行规则化转换后所得到的规则化转换表征信息，获取对所述每个虚拟人物对话无监督样本的对话语义表征信息进行规则化转换后所得到的规则化转换表征信息；

获取包括所述每个虚拟人物对话监督样本的规则化转换表征信息的第一表征知识抽取向量阵列和包括所述每个虚拟人物对话无监督样本的规则化转换表征信息的第二表征知识抽取向量阵列；

对所述第一表征知识抽取向量阵列和所述第二表征知识抽取向量阵列进行融合，生成目标表征知识抽取向量阵列；

获取所述目标表征知识抽取向量阵列的附属前后文语义向量阵列，将所述第一表征知识抽取向量阵列和所述附属前后文语义向量阵列的融合信息确定为对话语义关联阵列；

从所述对话语义关联阵列中获取所述每个虚拟人物对话监督样本分别与所述对话互动知识资源池中的对话互动语音之间的样本关联值；

从所述对话互动知识资源池中清洗与所述虚拟人物对话监督样本i携带有相同对话情感先验信息的对话样本，生成候选对话互动知识资源池；

依据所述虚拟人物对话监督样本i分别与所述候选对话互动知识资源池中的每个对话互动语音之间的样本关联值的降序排列信息，对所述每个对话互动语音进行排序，生成候选对话互动知识资源池；

获取关联虚拟人物对话语音样本数量k，将所述候选对话互动知识资源池中的前k个对话互动语音确定为所述虚拟人物对话监督样本i的关联虚拟人物对话语音样本；k为小于第二数量和第一数量之和的正整数；

所述第一数量个虚拟人物对话监督样本包括虚拟人物对话监督样本i，i为不大于第二数量的正整数。

8.一种在线虚拟数字化系统，其特征在于，所述在线虚拟数字化系统包括处理器和机器可读存储介质，该机器可读存储介质中存储有机器可执行指令，该机器可执行指令由该处理器加载并执行以实现权利要求1-7中任意一项的基于虚拟数字人物的AI对话方法。