1.一種多維度短文本特征提取方法，其特征在于，其包括如下步驟：
S1、對短文本進(jìn)行預(yù)處理；將短文本中信息劃分為表情符號(hào)信息、文本信息、語音信息；
S2、分類對短文本中各種信息進(jìn)行處理并得到統(tǒng)一的文本信息集；
S3、將統(tǒng)一的文本信息集中中文短文本采用分詞工具進(jìn)行分詞處理，然后利用正則匹配與字符串替換來過濾掉無效字符、連續(xù)空格、大小寫混用噪音信息；對于英文短文本采用詞干提取工具進(jìn)行預(yù)處理；
S4、通過向量空間模型表示文本表示模型；通過選擇算法來獲取輸入的短文本特征。
2.如權(quán)利要求1所述的多維度短文本特征提取方法，其特征在于，所述步驟S2包括：
對于表情符號(hào)信息，獲取表情符號(hào)信息所對應(yīng)的感情傾向信息以及表情符號(hào)信息的中文含義；將感情傾向信息以及中文含義進(jìn)行處理獲得關(guān)鍵詞；將關(guān)鍵詞加入到統(tǒng)一的文本信息集中；
對語音信息，通過語音識(shí)別將語音信息轉(zhuǎn)換為文本信息；并通過分析語音信息中的音調(diào)獲得語音信息中的情感傾向信息；將文本信息以及情感傾向信息進(jìn)行處理獲得關(guān)鍵詞；將關(guān)鍵詞加入到統(tǒng)一的文本信息集中。
3.如權(quán)利要求2所述的多維度短文本特征提取方法，其特征在于，所述步驟S3中通過ICTCLAS分詞系統(tǒng)進(jìn)行分詞。
4.如權(quán)利要求3所述的多維度短文本特征提取方法，其特征在于，所述步驟S4包括：
對于經(jīng)過預(yù)處理后的文本信息集，根據(jù)短文本中的詞項(xiàng)，抽取出具有代表性的詞條作為短文本的特征，并為每個(gè)特征賦予一定的權(quán)值，將所有特征項(xiàng)構(gòu)成的向量表示該短文本，即文本空間實(shí)際上是由一組由數(shù)字描述的詞項(xiàng)所構(gòu)建的向量空間。
5.如權(quán)利要求3所述的多維度短文本特征提取方法，其特征在于，
所述步驟S4還包括：
生成特征詞序號(hào)列表，根據(jù)預(yù)先設(shè)定的特征閾值，選擇相對應(yīng)的特征，通過詞頻逆文檔詞頻算法獲得特征相對應(yīng)的權(quán)值，最終得到提取后的特征向量；將得到的特征向量進(jìn)行歸一化處理得到多維向量。
6.如權(quán)利要求3所述的多維度短文本特征提取方法，其特征在于，進(jìn)行情感分析時(shí)，預(yù)先設(shè)置不同情感詞相對應(yīng)的情感偏向以及正負(fù)長度值；通過情感偏向以及正負(fù)長度值得到整體感情傾向信息。
7.一種多維度短文本特征提取系統(tǒng)，其特征在于，其包括如下單元：
預(yù)處理單元，用于對短文本進(jìn)行預(yù)處理；將短文本中信息劃分為表情符號(hào)信息、文本信息、語音信息；
分類處理單元，用于分類對短文本中各種信息進(jìn)行處理并得到統(tǒng)一的文本信息集；
分詞處理單元，用于將統(tǒng)一的文本信息集中中文短文本采用分詞工具進(jìn)行分詞處理，然后利用正則匹配與字符串替換來過濾掉無效字符、連續(xù)空格、大小寫混用噪音信息；對于英文短文本采用詞干提取工具進(jìn)行預(yù)處理；
特征提取單元，用于通過向量空間模型表示文本表示模型；通過選擇算法來獲取輸入的短文本特征。
8.如權(quán)利要求7所述的多維度短文本特征提取系統(tǒng)，其特征在于，所述分類處理單元包括：
對于表情符號(hào)信息，獲取表情符號(hào)信息所對應(yīng)的感情傾向信息以及表情符號(hào)信息的中文含義；將感情傾向信息以及中文含義進(jìn)行處理獲得關(guān)鍵詞；將關(guān)鍵詞加入到統(tǒng)一的文本信息集中；
對語音信息，通過語音識(shí)別將語音信息轉(zhuǎn)換為文本信息；并通過分析語音信息中的音調(diào)獲得語音信息中的情感傾向信息；將文本信息以及情感傾向信息進(jìn)行處理獲得關(guān)鍵詞；將關(guān)鍵詞加入到統(tǒng)一的文本信息集中；
所述分詞處理單元中通過ICTCLAS分詞系統(tǒng)進(jìn)行分詞；
所述特征提取單元包括：
對于經(jīng)過預(yù)處理后的文本信息集，根據(jù)短文本中的詞項(xiàng)，抽取出具有代表性的詞條作為短文本的特征，并為每個(gè)特征賦予一定的權(quán)值，將所有特征項(xiàng)構(gòu)成的向量表示該短文本，即文本空間實(shí)際上是由一組由數(shù)字描述的詞項(xiàng)所構(gòu)建的向量空間；
所述特征提取單元還包括：
生成特征詞序號(hào)列表，根據(jù)預(yù)先設(shè)定的特征閾值，選擇相對應(yīng)的特征，通過詞頻逆文檔詞頻算法獲得特征相對應(yīng)的權(quán)值，最終得到提取后的特征向量；將得到的特征向量進(jìn)行歸一化處理得到多維向量。
9.如權(quán)利要求8所述的多維度短文本特征提取系統(tǒng)，其特征在于，進(jìn)行情感分析時(shí)，預(yù)先設(shè)置不同情感詞相對應(yīng)的情感偏向以及正負(fù)長度值；通過情感偏向以及正負(fù)長度值得到整體感情傾向信息。