Python 基于隐马尔可夫模型的情绪分析

我有一个评论列表，列表中的每个元素都是对kaggle中IMDB数据集的评论。总共有25000篇评论。我有一个标签，每个评论+1代表正面，-1代表负面

我想用这些评论和标签来训练一个隐马尔可夫模型

1-我应该给HMM什么顺序？这是一个像纸袋一样的单词，还是我需要计算的概率？什么样的特征提取方法是合适的？我被告知使用评论列表中的单词袋，但当我搜索一点时，我发现HMM关心单词的顺序，但单词袋不能保持单词的顺序。我应该如何准备这个评论列表，以便能够将其输入到HMM模型中

2-是否有这样一个框架？我知道hmmlearn，我想我应该用多项式，如果我错了，请纠正我。但它是不受监督的，当我想训练它时，它的模型不接受标签作为输入，我得到了一些有趣的错误，我不知道如何解决，因为我问的第一个问题是我应该给它正确的输入类型。seqlearn是我最近发现的一款，是好的还是有更好的

---

我感谢任何指导，因为我几乎不了解NLP

我能够以令人惊讶的准确度完成它，但我不确定到底发生了什么，我使用了seqlearn框架，它有一个令人伤心的文档。我真的建议对HMM使用MATLAB而不是python

我使用sklearn TfidfVectorizer进行特征提取，然后执行以下操作：

vectorizer = TfidfVectorizer(norm=None)
x_train = vectorizer.fit_transform(train_review)
x_test = vectorizer.transform(test_review)

len_train_seq = np.array([[1,1]]*(len(train_review)/2))
len_test_seq = np.array([1]*len(test_review))

model = seqlearn.hmm.MultinomialHMM()
HMM_Classifier = model.fit(x_train, Y, lengths = len_train_seq)
y_predict = HMM_Classifier.predict(x_test, lengths=len_test_seq)

---

如果一个了解HMM的人能提供一个更可靠、更清晰的指导方针来对HMM进行情绪分析，我仍然会非常感激。

HMM在您需要为序列中的每个项目指定一个标签时使用。在情绪分析中，您为整个序列（审查）指定了一个标签，因此HMM不太适合此任务。相反，您可以使用朴素贝叶斯分类器。HMMs和朴素贝叶斯都可以在有监督的环境中学习，也可以在无监督的环境中学习（您指定标签的数量，通常使用期望最大化算法在无监督的情况下学习）。我也发现了这一点，你们给了一个序列中的每个项目一个标签，但这是我的类的一个项目，我必须使用HMM，我不能使用其他任何东西。我知道HMM在抽象层次上是如何工作的，但我不能将我对HMM的一点知识映射到这个问题上。谢谢你的反馈