本文介绍了一种基于马尔科夫链的网络评论特征抽取方法，该方法能够通过去除冗余特征来提高评论分析的准确性。文章还探讨了马尔科夫模型的特性及其在网络评论分析中的应用。
整体的流程
网络评论预处理------------------->>>>>>利用相关性特征得到网络评论特征抽取的模型算法
特征提取算法模型：
论文46
马尔科夫链（Markov blanket） 具体的意义不懂
特征冗余（就是彼此成对出现的无意义的词汇吧？？）
定义：
区别网络评论特征之间的两种相关性（类别检索中的：类与特征的相关， 特特征与特征之间的相关判断是否冗余）
马尔科夫模型：
马尔科夫性质： 无记忆性 当前时刻的状态只受前一时刻的影响而不受更往前时刻状态的影响
知乎上的一篇隐马尔可夫模型解释：
(5 条消息)如何用简单易懂的例子解释隐马尔可夫模型？ - 知乎
https://www.zhihu.com/question/20962240
隐马尔可夫举例子的计算：
扫一扫
352
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
