python - 评论摘要的 NLP 项目

Question

我计划完成关于自然语言处理（使用 NLTK）的最后一年项目，我感兴趣的领域是Facebook 等社交媒体网站的评论摘要。例如，我正在尝试做这样的事情：

图片中的随机 Facebook 评论：

1. 哇！美丽的。
2. 看起来真的很漂亮。
3. 非常漂亮，好图。

现在，所有这些评论都将被映射（使用基于模板的评论摘要技术）成如下内容：

3个人觉得这张照片很“漂亮”。

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）。为了完成这项任务，我将使用跟踪关键字频率和关键字得分等方法（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，我已经能够提出以下论文，但没有一篇论文涉及这种评论摘要：

• 来自社交媒体的事件的自动总结
• 社会背景总结 -

该领域还有哪些其他论文解决了类似的问题？

除此之外，我还希望我的摘要器在每次摘要任务中都得到改进。在这方面我如何应用机器学习？

Answer 1

您正在寻找主题模型聚类。

在 Google Scholar 上搜索“主题模型聚类”将为您提供有关主题模型聚类的大量参考资料。

要理解它们，除了机器学习的一般基础知识之外，您还需要熟悉以下任务的方法。

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