关于评论摘要的NLP项目

Question

我计划做最后一年的自然语言处理项目（使用NLTK），我感兴趣的领域是来自社交媒体网站（如Facebook）的评论摘要。例如，我正在尝试这样做：

图片中随机的Facebook评论：

1. 哇！美丽的。在
2. 看上去真漂亮。在
3. 非常漂亮，漂亮的照片。在

现在，所有这些注释都将被映射（使用基于模板的注释摘要技术）到如下所示：

三个人觉得这幅画很“漂亮”。

输出将由单词“beautiful”组成，因为它在注释中比单词“pretty”使用得更为普遍（而且beauty和pretty是同义词），我将使用跟踪关键字频率和关键字得分（在这种情况下，“美丽”和“漂亮”的得分非常接近）。 这是最好的方法吗？

到目前为止，在我的研究中，我已经提出了以下论文，但没有一篇论文涉及到这种评论摘要：

• Automatic Summarization of Events from Social Media
• Social Context Summarization -在

在这一领域，还有哪些论文涉及类似的问题？在

除此之外，我还希望我的摘要生成器能够随着每次摘要的进行而改进任务。怎么做我在这方面是否应用了机器学习？在

Answer 1

主题模型聚类就是你要找的。在

在Google学者搜索“主题模型聚类”会给你很多关于主题模型聚类的参考。在

要理解它们，除了一般的机器学习基础知识外，您还需要熟悉以下任务的方法。在

1. 聚类：余弦距离聚类，k均值聚类
2. 排名：PageRank，TF-IDF，互信息增益，最大边际相关