1.一种基于大数据的企业业务管理方法，其特征在于，所述方法包括：

从在线会话文本训练模板中确定训练模板二元组，所述训练模板二元组包括情感语义表征明确的清晰在线会话文本训练模板和所述情感语义表征不明确的模糊在线会话文本训练模板，所述清晰在线会话文本训练模板和所述模糊在线会话文本训练模板具有相同的情感极性先验标记，用以指示相同的目标情感极性；

基于基础表征信息提取分支组件，获取所述训练模板二元组中所述清晰在线会话文本训练模板的第一文本表征向量和所述模糊在线会话文本训练模板的第二文本表征向量；

基于所述第一文本表征向量和所述第二文本表征向量在表征向量域中的表征向量位置误差，确定表征向量分布评价函数；其中，所述表征向量位置误差是所述第一文本表征向量和所述第二文本表征向量在表征向量域中的向量离散系数的差异；

基于所述第一文本表征向量，基于基础情绪极性分类分支组件得到所述清晰在线会话文本训练模板对应的第一情绪极性分类结果，基于所述第二文本表征向量，基于所述基础情绪极性分类分支组件得到所述模糊在线会话文本训练模板对应的第二情绪极性分类结果；

依据所述第一情绪极性分类结果和所述第二情绪极性分类结果分别与所述情感极性先验标记的误差，确定第一评价函数和第二评价函数；

基于所述第一评价函数、所述第二评价函数和所述表征向量分布评价函数，对所述基础表征信息提取分支组件和所述基础情绪极性分类分支组件进行参数调节，得到情绪极性分类组件，所述情绪极性分类组件用于对拟分析的在线会话文本进行情感极性检测。

2.根据权利要求1所述的方法，其特征在于，所述表征向量位置误差基于以下操作得到：将所述第一文本表征向量变换成表征向量域的第一向量离散系数，以及将所述第二文本表征向量变换成所述表征向量域的第二向量离散系数；

基于所述第一向量离散系数和所述第二向量离散系数，确定所述表征向量位置误差；

或者；

所述表征向量位置误差基于以下操作得到：

在基于基础表征信息提取分支组件，获取所述训练模板二元组中所述清晰在线会话文本训练模板的第一文本表征向量和所述模糊在线会话文本训练模板的第二文本表征向量时，基于自动化模型结构选择机制获取所述基础表征信息提取分支组件中中间网络和分类网络的激活表征向量；

基于所述激活表征向量在所述中间网络和所述分类网络中确定用于获取所述表征向量位置误差的目标网络；

基于所述目标网络输出的第一拟操作表征向量和第二拟操作表征向量确定所述表征向量位置误差，所述第一拟操作表征向量为所述目标网络基于所述清晰在线会话文本训练模板执行获得的表征向量，所述第二拟操作表征向量为所述目标网络基于所述模糊在线会话文本训练模板执行获得的表征向量。

3.根据权利要求2所述的方法，其特征在于，若所述目标网络为所述基础表征信息提取分支组件的多个中间网络中的目标中间网络，所述基于所述目标网络输出的第一拟操作表征向量和第二拟操作表征向量确定所述表征向量位置误差，包括：在所述基础表征信息提取分支组件的所述目标中间网络获取所述清晰在线会话文本训练模板的第一隐含表征向量和所述模糊在线会话文本训练模板的第二隐含表征向量；

基于所述第一隐含表征向量和所述第二隐含表征向量，确定所述表征向量位置误差。

4.根据权利要求1所述的方法，其特征在于，所述基于所述第一文本表征向量，基于基础情绪极性分类分支组件得到所述清晰在线会话文本训练模板对应的第一情绪极性分类结果，包括：获取所述基础情绪极性分类分支组件可检测的若干情感极性分别对应的清晰聚类代表表征向量，所述若干情感极性中包括所述目标情感极性，所述目标情感极性对应的清晰聚类代表表征向量是基于多个所述清晰在线会话文本训练模板获得的；

基于所述第一文本表征向量和所述若干情感极性分别对应的清晰聚类代表表征向量，基于所述基础情绪极性分类分支组件确定所述清晰在线会话文本训练模板分别对应所述若干情感极性的第一检测置信度；

基于所述第一检测置信度确定所述第一情绪极性分类结果。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

基于所述第二文本表征向量和所述目标情感极性对应的清晰聚类代表表征向量间的误差，确定第一聚类质心评价函数；

所述基于所述第一评价函数、所述第二评价函数和所述表征向量分布评价函数，对所述基础表征信息提取分支组件和所述基础情绪极性分类分支组件进行参数调节，得到情绪极性分类组件，包括：基于所述第一评价函数、所述第二评价函数、所述第一聚类质心评价函数和所述表征向量分布评价函数，对所述基础表征信息提取分支组件和所述基础情绪极性分类分支组件进行参数调节，得到所述情绪极性分类组件。

6.根据权利要求1所述的方法，其特征在于，所述基于所述第二文本表征向量，基于所述基础情绪极性分类分支组件得到所述模糊在线会话文本训练模板对应的第二情绪极性分类结果，包括：获取所述基础情绪极性分类分支组件可检测的若干情感极性分别对应的模糊聚类代表表征向量，所述若干情感极性中包括所述目标情感极性，所述目标情感极性对应的模糊聚类代表表征向量是基于多个所述模糊在线会话文本训练模板获得的；

基于所述第二文本表征向量和所述若干情感极性分别对应的聚类质心表征向量，基于所述基础情绪极性分类分支组件确定所述模糊在线会话文本训练模板分别对应所述若干情感极性的第二检测置信度；

基于所述第二检测置信度确定所述第二情绪极性分类结果。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

基于所述第一文本表征向量和所述目标情感极性对应的模糊聚类代表表征向量间的误差，确定第二聚类质心评价函数；

所述基于所述第一评价函数、所述第二评价函数和所述表征向量分布评价函数，对所述基础表征信息提取分支组件和所述基础情绪极性分类分支组件进行参数调节，得到情绪极性分类组件，包括：基于所述第一评价函数、所述第二评价函数、所述第二聚类质心评价函数和所述表征向量分布评价函数，对所述基础表征信息提取分支组件和所述基础情绪极性分类分支组件进行参数调节，得到所述情绪极性分类组件。

8.根据权利要求1所述的方法，其特征在于，所述从在线会话文本训练模板中确定训练模板二元组，包括：对于目标在线会话文本训练模板，如果基于所述目标在线会话文本训练模板不能确定对应的训练模板二元组时，同时所述目标在线会话文本训练模板为所述清晰在线会话文本训练模板，则基于在所述清晰在线会话文本训练模板的情感表达的文本段落生成文本掩码字符序列，得到所述清晰在线会话文本训练模板对应的模糊在线会话文本训练模板，所述文本掩码字符序列用于对所述情感表达的文本段落进行局部掩码处理；

如果所述目标在线会话文本训练模板为所述模糊在线会话文本训练模板，则确定在所述模糊在线会话文本训练模板中所述情感表达的文本段落的掩码文本段落和非掩码文本段落；基于所述非掩码文本段落中的所述情感表达的文本段落，基于在所述掩码文本段落重构所述情感表达的文本段落，得到所述模糊在线会话文本训练模板对应的清晰在线会话文本训练模板。

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于拟进行调试的表征信息提取分支组件，获取所述清晰在线会话文本训练模板的第一文本表征向量和所述模糊在线会话文本训练模板的第二文本表征向量；

基于所述第一文本表征向量，基于拟进行调试的情绪极性分类分支组件得到所述清晰在线会话文本训练模板对应的第一基础情绪极性分类结果，基于所述第二文本表征向量，基于所述拟进行调试的情绪极性分类分支组件得到所述模糊在线会话文本训练模板对应的第二基础情绪极性分类结果；

依据所述第一基础情绪极性分类结果和所述第二基础情绪极性分类结果分别与所述情感极性先验标记的误差，确定第一前置调试评价函数和第二前置调试评价函数；

基于所述第一前置调试评价函数和所述前置调试第二评价函数，对所述拟进行调试的表征信息提取分支组件和所述拟进行调试的情绪极性分类分支组件进行参数调节，得到所述基础表征信息提取分支组件和所述基础情绪极性分类分支组件。

10.一种计算机系统，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至9任一项所述方法中的步骤。