随着互联网的快速发展,案件舆情信息的传播也变得空前迅速,如何从大量案件舆情文本中提取重要的信息生成简短摘要,对于用户快速了解、及时处置相关舆情有着重要的意义。然而在案件舆情摘要数据集中存在主题偏差和信息冗余的问题,要生成可读性高、冗余性低的摘要还很困难。本文基于案件要素的案件舆情摘要方法进行研究,通过案件要素这一特定领域知识,构建要素关系图,提升案件舆情文本摘要的质量。本文主要贡献和研究点如下:（1）案件舆情摘要数据集构建获取大规模带标注的摘要数据是实现摘要自动生成的基础,为实现案件舆情摘要,通过互联网爬虫技术从百度百科获取相关案件舆情数据。首先构建包含案件名称的案件库,然后通过案件名称从百度百科平台搜索,获取案件舆情摘要。最后把数据集拆分为单文档和多文档数据,分别进行数据清洗与数据标注。（2）基于要素异构图的案件舆情单文档抽取式摘要方法案件舆情文本中通常包含涉案人员、案发地点等要素,这些案件要素可以看作摘要生成的有效辅助资源,能有效降低摘要与文本之间主题偏差的问题。因此,本文提出一种基于要素异构图的单文档抽取式摘要模型。首先基于图注意力机制在更新句子节点过程中融入案件要素,构建要素关系图,实现对重要句子的识别与表示。然后对句子进行分类,得到摘要。实验结果表明该方法相比基准模型能取得更好的效果。（3）基于要素图注意力的案件舆情生成式多文档摘要方法为生成简洁、通顺冗余性低的多文档摘要,本文提出基于案件要素图注意力的案件舆情生成式摘要模型。首先,将对同一案件下的多篇舆情文档拆分成段落,然后基于transformer方法对段落和案件要素进行编码,构造包含段落节点和案件要素节点的异构图。最后,在解码过程中分别对案件要素节点和段落节点应用两层图注意力机制,使模型能有效地解决摘要生成的冗余问题。（4）案件舆情摘要原型系统首先构建案件舆情摘要数据集出,通过数据清洗等步骤,构建摘要数据集。最后实现案件舆情单文档、多文档摘要数据的获取、展示,并通过对模型进行训练、部署成接口实现摘要的生成,为用户提供案件舆情摘要获取及查看的平台。