1.一种基于大数据的互联网视频剧本角色情感识别方法，其特征在于，包括以下步骤：S1.采集剧本数据集并进行预处理，得到预训练数据集；

S2.基于预训练数据集，采用情感语义增强方法预训练BERT模型；

步骤S2所述的情感语义增强方法包括CSOP任务和Sentiment MASK任务；采用BERT模型对CSOP任务和Sentiment MASK任务进行联合预训练，并采用交叉熵损失函数计算联合预训练损失值；

CSOP任务用于上下文句子顺序预测，其具体训练过程包括：S211.为预训练数据

S212.将预训练数据

Sentiment MASK任务的训练过程包括：S221.通过情感倾向点互信息算法SO-PMI获取预训练数据S222.对于预训练数据

S223.对于预训练数据

S224.通过步骤S221-S223得到对应于预训练数据S3.采用预训练好的BERT模型进行prompt范式任务和情感分类任务的联合训练，得到训练好的剧本角色情感识别模型；

S4.采集待识别剧本数据输入训练好的剧本角色情感识别模型，输出剧本角色情感识别结果。

2.根据权利要求1所述的一种基于大数据的互联网视频剧本角色情感识别方法，其特征在于，步骤S1采集剧本数据集并进行预处理包括：S11.在剧本数据x

S12.对剧本数据x

S13重复步骤S11-S12，得到N条预训练数据组成预训练数据集。

3.根据权利要求1所述的一种基于大数据的互联网视频剧本角色情感识别方法，其特征在于，步骤S3所述的prompt范式任务的训练过程包括：S311.根据BERE词表和情感范式结构对输入的剧本数据进行构造，得到一个包含MASK标记的范式数据；

S312.将范式数据输入BERT模型，输出每一个MASK标记处的预测词并拼接，将拼接结果通过全连接层获取标签预测结果。

4.根据权利要求3所述的一种基于大数据的互联网视频剧本角色情感识别方法，其特征在于，步骤S311针对输入的剧本数据xS3001.在剧本数据x

S3002.在经过步骤S3001处理后的剧本数据xS3003.将BERT词表中的[unuse]标记作为提示加入步骤S3002处理后的剧本数据x

5.根据权利要求1所述的一种基于大数据的互联网视频剧本角色情感识别方法，其特征在于，步骤S3所述的情感分类任务的训练过程包括：S321.将剧本数据通过BERT模型输出特征向量，根据特征向量获取角色名特征向量；

S322.获取角色名特征向量分别与爱、乐、惊、怒、恐和哀6种情感对应的6个角色情感特征向量，根据角色情感特征向量得到6个倾向分数；

S323.获取特征向量分别与爱、乐、惊、怒、恐和哀6种情感对应的6个基础预测概率；

S324.将每一种情感对应的基础预测概率与倾向分数融合，最终得到情感分类预测结果。

6.根据权利要求5所述的一种基于大数据的互联网视频剧本角色情感识别方法，其特征在于，步骤S321根据特征向量获取角色名特征向量，包括：S3201.获取剧本数据中目标角色名的角色位置索引，根据角色位置索引在该剧本数据的特征向量中提取角色名向量；

S3202.获取该剧本数据中目标角色名的前后文位置索引，根据前后文位置索引在该剧本数据的特征向量中提取前后文向量；

S3203.将每一个角色名向量与其对应的前后文向量融合，最终得到该剧本数据的角色名特征向量。