L'estrazione di informazioni rilevanti su una specifica query da dati in rapida crescita è una preoccupazione per il tempo tranquillo al fine di scansionare e analizzare i dati da tutti i documenti correlati. Per questo motivo, la sintesi del testo è un'area di ricerca di primaria importanza al giorno d'oggi. Si tratta di trovare le informazioni più rilevanti da documenti singoli o multipli. In quest'area è stata svolta una quantità ragionevole di lavoro per superare la ricerca estensiva e ridurre il tempo richiesto. L'apprendimento automatico e quello basato sulla conoscenza sono i due metodi per la sintesi di testi basati su query, dove gli approcci di apprendimento automatico sono per lo più utilizzati per calcolare caratteristiche probabilistiche utilizzando strumenti e tecniche di elaborazione del linguaggio naturale (NLP) sia per l'apprendimento supervisionato che per quello non supervisionato. Nella prima parte di questo lavoro di ricerca, si individuano e si analizzano gli approcci di machine learning per la sintesi di testi basati su query, al fine di trovare un riassunto utile per gli utenti in base alle loro esigenze. Nella seconda parte, viene fatta una discussione completa per presentare il meccanismo di funzionamento interno degli approcci di apprendimento automatico per la sintesi di testi basati su query.