基于隐马尔可夫模型的情感分析

Question

我有一个评论列表，列表中的每个元素都是对kaggle中IMDB数据集的审查。总共有25000篇评论。我有每个评论的标签+1表示肯定，-1表示否定。

我想用这些评论和标签来训练隐马尔可夫模型。

我应该给出的顺序是什么？是像一袋单词，还是像我需要计算的概率？什么样的特征提取方法是合适的？我被告知要在复习清单上使用单词袋，但是当我搜索一些东西时，我发现HMM关心单词的顺序，但是单词袋并不能维持单词的顺序。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-这是否有一个框架？我知道学习，我认为我应该使用MultinomialHMM，如果我错了就纠正我。但是它没有监督，它的模型在我训练它的时候不把标签作为输入，我遇到一些有趣的错误，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，它是好的还是有一个更好的使用？

我很感激任何的指导，因为我对NLP几乎一无所知。

Answer 1

以某种方式，我能够以令人惊讶的精确性完成这件事，但我不知道到底发生了什么，我使用了seqlearn框架，它有一个令人悲伤的文档。我真的建议用MATLAB代替python来实现HMM。

我使用sklearn 进行特征提取，然后进行了如下操作：

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)

如果一个对HMM有知识的人在使用HMM进行情感分析时能给出更有力和清晰的指导，我还是会很感激的。