我计划在最后一年做一个关于自然语言处理（使用NLTK）的项目，我的兴趣领域是从社交媒体网站（如Facebook）提取评论摘要。例如，我试图做类似这样的事情：

图片中的随机Facebook评论：

1. 哇！美丽。
2. 看起来真美。
3. 非常漂亮，好照片。

现在，所有这些评论将通过基于模板的评论摘要技术映射成如下内容：

3个人认为这张图片“美丽”。

输出将包含“美丽”这个词，因为它在评论中比“漂亮”这个词更常用（而且美丽和漂亮是同义词）。为了完成这个任务，我将使用像跟踪关键词频率和关键词得分这样的方法（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，通过我的研究，我找到了以下论文，但这些论文都没有涉及这种类型的评论摘要：

• 从社交媒体自动摘要事件
• 社交上下文摘要

在这个领域还有哪些其他论文讨论了类似的问题？

除此之外，我还希望我的摘要工具在每次摘要任务中都能有所改进。我该如何在这方面应用机器学习？

回答：

你需要的是主题模型聚类。

在Google Scholar上搜索“主题模型聚类”会给你提供很多关于主题模型聚类的参考文献。

为了理解这些，你需要熟悉以下任务的方法，除了机器学习的基本知识外。

1. 聚类：余弦距离聚类，k-means聚类
2. 排名：PageRank，TF-IDF，互信息增益，最大边缘相关性