关于评论摘要的NLP项目

Question

我计划做我的最后一年的自然语言处理(使用NLTK)项目，我的兴趣领域是评论总结从社交媒体网站如Facebook。例如，我试图做这样的事情：

图片中的随机Facebook评论：

1. 哇!漂亮的。
2. 看起来真的很漂亮。
3. 很漂亮，不错的照片。

现在，所有这些注释将被映射(使用基于模板的注释摘要技术)如下所示：

3人们觉得这幅画“很美”。

输出将由单词“漂亮”组成，因为它在评论中比“漂亮”(还有美丽和漂亮是同义词这一事实).In顺序更常用，为了完成这项任务，我将使用跟踪关键字频率和关键字分数等方法(在这个场景中，“漂亮”和“漂亮”有一个非常接近的分数)。这是最好的方法吗？

到目前为止，通过我的研究，我已经提出了以下的论文，但没有一篇论文涉及这样的评论摘要：

• 基于社会媒体的事件自动汇总
• 社会语境概述 -

这一领域中涉及类似问题的其他文件有哪些？

除此之外，我还希望我的总结器在每一个摘要task.How中都得到改进，我是否在这方面应用了机器学习？

Answer 1

主题模型聚类是您要寻找的内容。

在Google学者上搜索“主题模型聚类”将为您提供许多关于主题模型聚类的参考。

要理解它们，除了一般机器学习的基础知识之外，您还需要熟悉以下任务的方法。

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