相似度衡量（需复现）：苏剑林博客2：Unsupervised Opinion Summarization Using Approximate Geodesics

Unsupervised Opinion Summarization Using Approximate Geodesics

评述

我觉的这篇论文可以细细研读，针对比较关心的几个问题，给了解决方案，在各向异性，在语义表示上，都提出了一些改进。我觉得可以。
可以作为复现论文之一。

论文围绕两个问题：
1 如何获得较好的语义表示向量？（传统预训练语言模型具有各向异性）
2 如何测算语义表示向量之间的相对距离？（基于统计的方法和基于语义的方法）

introduction

opinion summary：自动化的生成准备的summary从线上用户的评论中。一般是基于无监督的方法。（无标注数据的原因）
大致分为两种，一种是general summary，即选择最佳的能够表示sentences集合的摘要。 select the best repersents popular opinions of the set of sentences;另一种是aspect summary，是选择每一方面下最佳的句子表示。 a repersentatibe sentence about a specific aspect.

Core idea

2.1 背景知识

字典学习？字典学习是学习稀疏表示的过程。
假设已有N张稀疏的图像