1.一种上下文场景数据识别方法，其特征在于，包括如下步骤：将上下文文本数据中的上文数据和下文数据分别输入单句主题模型，得到上文主题表示和下文主题表示，其中，所述单句主题模型是经大量的单句文本数据训练得到的模型；将上下文文本数据输入上下文主题模型，得到上下文主题表示，其中，所述上下文主题模型是经大量的上下文数据训练得到的模型；计算所述上文主题表示、所述下文主题表示、所述上下文主题表示三者中任意两者的相似度；判断相似度是否满足阈值条件，若是，则将所述上文数据和所述下文数据判断为上下文场景数据；所述计算所述上文主题表示、所述下文主题表示、所述上下文主题表示三者中任意两者的相似度，包括：计算所述上文主题表示和所述下文主题表示的第一相似度，取值范围在（0,1）；计算所述上文主题表示和所述上下文主题表示的第二相似度，取值范围在（0,1）；计算所述下文主题表示和所述上下文主题表示的第三相似度，取值范围在（0,1）；将所述第一相似度、所述第二相似度和所述第三相似度加权求和，计算总相似度。
2.根据权利要求1所述的上下文场景数据识别方法，其特征在于，基于LDA主题模型，建立所述单句主题模型和所述上下文主题模型。
3.根据权利要求1所述的上下文场景数据识别方法，其特征在于，训练所述单句主题模型和所述上下文主题模型的文本数据内容不同。
4.根据权利要求1所述的上下文场景数据识别方法，其特征在于，所述步骤判断相似度是否满足阈值条件还包括：若否，则通过所述上文数据和所述下文数据重新训练所述单句主题模型和所述上下文主题模型。
5.根据权利要求1所述的上下文场景数据识别方法，其特征在于，所述单句主题模型和所述上下文主题模型都是使用语义表示框架，将文本内容使用相同结构共享参数的网络进行编码，获得文本的向量表示形式。
6.根据权利要求5所述的上下文场景数据识别方法，其特征在于，所述第一相似度、所述第二相似度和所述第三相似度的计算方法相同，都是计算向量之间的相似度，所述第一相似度、所述第二相似度和所述第三相似度的权重值之和为1。
7.一种上下文场景数据识别装置，其特征在于，包括：单句表示模块，用于将上下文文本数据中的上文数据和下文数据分别输入单句主题模型，得到上文主题表示和下文主题表示，其中，所述单句主题模型是经大量的单句文本数据训练得到的模型；上下文表示模块，用于将上下文文本数据输入上下文主题模型，得到上下文主题表示，其中，所述上下文主题模型是经大量的上下文数据训练得到的模型；相似度计算模块，用于计算所述上文主题表示、所述下文主题表示、所述上下文主题表示三者中任意两者的相似度，其中包括：计算所述上文主题表示和所述下文主题表示的第一相似度，取值范围在（0,1）；计算所述上文主题表示和所述上下文主题表示的第二相似度，取值范围在（0,1）；计算所述下文主题表示和所述上下文主题表示的第三相似度，取值范围在（0,1）；将所述第一相似度、所述第二相似度和所述第三相似度加权求和，计算总相似度；判断模块，用于判断相似度是否满足阈值条件，若是，则将所述上文数据和所述下文数据判断为上下文场景数据，若否，则通过所述上文数据和所述下文数据重新训练所述单句主题模型和所述上下文主题模型。
8.一种电子设备，其特征在于，包括：存储模块，存储计算机程序；处理模块，执行所述计算机程序时可实现权利要求1至6中任意一项所述的上下文场景数据识别方法中的步骤。
9.一种可读存储介质，其存储有计算机程序，其特征在于，该计算机程序被处理模块执行时可实现权利要求1至6中任意一项所述的上下文场景数据识别方法中的步骤。
