每个人都知道，如果您想串接电子邮件，您可以使用Jamie Zawinski 的算法。但这是一个新世纪，并且有一种新的消息服务。
Twitter 上发布的线程状态更新的最佳算法是什么？
我绝对希望它处理的事情：
最简单的部分：使用in_reply_to_status_id,
in_reply_to_user_id和in_reply_to_screen_name. （顺便说一句，找到这些值的适当文档本身就很有用！例如，此类文档显然与 from
here没有关联。）
从提到具有@约定的用户但未明确回复特定消息的消息中推断“回复”关系的良好启发式方法。
如果您要求，这些“提及”现在会在状态的“实体”元素中提供。这些启发式可能会考虑 (a) 两次状态更新之间的时间，(b) 两个用户之间是否有后续回复等。（回复由旧式转发和附加评论组成，如user85509 所述以下
只是这种回复方式的一个例子。）
发生在两个以上用户之间的对话。
使用一组给算法的推文，或 Twitter 上的所有推文。
...但也许您可以想到更多。
由于只有一个答案，而且赏金截止日期很快就要到了，我想我应该添加一个基线答案，这样赏金就不会自动授予一个不会增加太多超出问题内容的答案。
显而易见的第一步是获取您的原始推文集并按照所有in_reply_to_status_id链接构建许多有向无环图。这些关系您几乎可以 100% 确定。（即使通过不在原始集合中的推文，您也应该关注这些链接，将这些推文添加到您正在考虑的状态更新集合中。）
除了这个简单的步骤之外，还必须处理“提及”。与电子邮件线程不同，没有什么比可以匹配的主题行更有用的了——这不可避免地很容易出错。我将采取的方法是为状态 ID 之间的每个可能的关系创建一个特征向量，这些关系可能由该推文中的提及表示，然后训练一个分类器来猜测最佳选项，包括“不回复”选项。
要计算出“所有可能的关系”位，首先要考虑提到一个或多个其他用户且不包含in_reply_to_status_id. 假设这些推文之一的示例是：1
@a @b no it isn't lol RT @c Yes, absolutely. /cc @stephenfry
...您将为此更新与上周（例如）时间线中具有较早日期的每个更新之间的关系创建一个特征向量，以及该更新与特殊“无回复”@a更新之间@b的@c一个@stephenfry. 然后你必须创建一个特征向量 - 你可以添加任何你想要的东西，但我至少建议添加：
following / followed比率。这些越多越好，因为分类器只会使用那些被证明是有用的。我建议尝试使用Weka方便地实现的随机森林分类器。
下一个需要一个训练集。起初这可能很小 - 足以让识别对话的服务正常运行。对于这个基本服务，必须添加一个很好的界面来纠正不匹配或错误链接的更新，以便用户可以纠正它们。使用这些数据可以构建更大的训练集和更准确的分类器。
1 ...这可能是 Twitter 上的典型话语水平；）
在 Twitter 上，人们经常在他们正在回复的消息前写上“RT”。