1.一种用于社交动态信息情感分析的方法，其特征在于，包括：
步骤s1：获取用户原始社交动态信息，并对所述用户原始社交动态信息进行预处理，得到处理后社交动态信息，其中，所述用户原始社交动态信息包括：文本信息、图片统一资源定位符信息和视频统一资源定位符信息中的至少一种；
步骤s2：计算所述处理后社交动态信息的情感倾向概率；
步骤s3：根据所述情感倾向概率，得到社交动态信息情感分类。
2.根据权利要求1所述的方法，其特征在于，所述步骤s2进一步包括：
步骤s21：对所述文本信息进行文本特征提取并计算文本情感倾向概率。
3.根据权利要求1或2所述的方法，其特征在于，所述步骤s2进一步包括：
步骤s22：对所述图片统一资源定位符信息进行聚类，并计算聚类后的图片统一资源定位符信息对应的图片情感倾向概率；和/或，
步骤s23：对所述视频统一资源定位符信息进行聚类，并计算聚类后的视频统一资源定位符信息对应的视频情感倾向概率。
4.根据权利要求3所述的方法，其特征在于，所述步骤s3进一步包括：
步骤s31：通过以下公式计算得到社交动态信息情感倾向概率r，
r＝α×aurl+β×burl+c
根据r(pos，neg，neu)得到所述社交动态信息情感分类，其中，α和β为分段函数，aurl为所述图片情感倾向概率，burl为所述视频情感倾向概率，c为所述文本情感倾向概率，pos为所述社交动态信息的情感倾向为正向的概率，neg为所述社交动态信息的情感倾向为负向的概率，neu为所述社交动态信息的情感倾向为中性的概率。
5.根据权利要求3所述的方法，其特征在于，
所述步骤s22进一步包括：步骤s221：根据所述图片统一资源定位符信息聚类后各聚类簇对应的文本情感倾向概率值，得到聚类簇中所述图片统一资源定位符信息对应的图片情感倾向概率；
所述步骤s23进一步包括：步骤s231：根据所述视频统一资源定位符信息聚类后各聚类簇对应的文本情感倾向概率值，得到聚类簇中所述视频统一资源定位符信息对应的视频情感倾向概率。
6.根据权利要求5所述的方法，其特征在于，
所述步骤s221进一步包括：步骤s2211：根据所述图片统一资源定位符信息聚类后各聚类簇对应的文本情感倾向概率值均值，得到聚类簇中所述图片统一资源定位符信息对应的图片情感倾向概率；
所述步骤s231进一步包括：步骤s2311：根据所述视频统一资源定位符信息聚类后各聚类簇对应的文本情感倾向概率值均值，得到聚类簇中所述视频统一资源定位符信息对应的视频情感倾向概率。
7.根据权利要求4所述的方法，其特征在于，根据r(pos，neg，neu)得到所述社交动态信息情感分类，包括：根据r(pos，neg，neu)中情感倾向概率最大值对应的情感倾向，对所述用户原始社交动态信息进行情感分类。
8.根据权利要求1所述的方法，其特征在于，所述步骤s1进一步包括：
步骤s11：获取所述用户原始社交动态信息后，标记所述用户原始社交动态信息是否包含文本信息、图片统一资源定位符信息或者视频统一资源定位符信息，并对标记后用户原始社交动态信息进行预处理。
9.一种用于社交动态消息情感分析的系统，其特征在于，包括：
社交动态信息获取模块，用于获取用户原始社交动态信息，并对所述用户原始社交动态信息进行预处理，得到处理后社交动态信息，其中，所述用户原始社交动态信息包括：文本信息、图片统一资源定位符信息和视频统一资源定位符信息中的至少一种；
情感倾向概率计算模块，用于计算所述处理后社交动态信息的情感倾向概率；
情感分类获取模块，用于根据所述情感倾向概率，得到社交动态信息情感分类。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1至8中任一项所述的用于社交动态信息情感分析的方法。