随着互联网规模不断扩大,网络舆情尤其是面向司法案件的高风险舆情事件频发,给法院的审判工作带来了很大的影响。面向司法案件舆情生成简短摘要,对于用户快速了解、及时处置相关舆情具有重要意义。然而司法舆情摘要是一个特定领域的摘要任务,仅依赖数据驱动的模型生成简洁、流畅、可读性高、事实正确的摘要还很困难。本文聚焦领域知识增强的司法舆情摘要方法研究,通过深度挖掘和有效利用不同类型的领域知识,提升面向社交媒体的司法舆情新闻摘要和话题摘要的质量。论文主要贡献和创新归纳如下:（1）提出评论信息增强的司法舆情摘要生成方法。基于数据驱动的摘要模型在缺乏关键信息引导情况下,识别原文中重要信息的能力不足,通常会造成生成摘要和原文之间的内容偏差问题。而司法舆情围绕案件关注的焦点会生成大量的用户评论,这些评论可以看做摘要生成的有效辅助资源。因此,提出一种从用户评论中挖掘重要案件要素作为领域知识的司法舆情摘要生成方法,利用双通道去噪模块和双向注意力模块很好的解决了有噪声评论中关键案件要素的建模及融入问题,实现了评论信息增强的摘要生成。实验结果表明该方法相比基于关键词的摘要生成方法能够更好的建模原文中的关键信息,很好的提升生成摘要的信息量。（2）提出主题信息增强的司法舆情摘要生成方法。不同主题的司法舆情事件在用词和主题表达上存在差异,已有模型生成的摘要和原文之间可能会存在主题不一致的问题。针对该问题,提出从主题角度建模摘要任务,将原文看做多种不同主题的混合,利用词粒度的主题词来捕捉原文的核心主题,利用文档主题概率分布进一步从全局约束生成摘要和原文主题一致,生成高质量的摘要。实验结果表明通过融入多粒度主题信息,能够很好的解决司法舆情摘要任务中没有评论等外部资源场景下的关键信息建模,实现了原文重要信息识别以及摘要流畅度和主题一致性的提升。（3）提出要素关联图增强的司法舆情摘要生成方法。现有的司法舆情摘要模型会生成和原文表达事实冲突的摘要,即生成摘要和原文之间存在事实偏差,而关键词或主题词等离散的关键信息很难描述事件的事实框架。针对此问题,提出从原文中抽取关键的案件要素,并构建表征原文核心思想和事实描述的要素关联图,利用图Transformer网络和预训练语言模型对要素关联图进行有效建模,帮助模型更好的理解案件的全局信息,生成内容简洁、事实一致的摘要。实验结果表明在司法舆情摘要任务中,引入显示的结构化事件表示能够在保证生成摘要的信息量的基础上,很好的提升摘要的事实一致性。（4）提出主题交互图增强的案件话题摘要生成方法。案件话题摘要是从案件相关话题的用户评论中生成简短摘要,也是司法舆情摘要的重要任务。但是话题评论长度差异大、噪声数据多、重要信息选择困难。因此,提出一种基于图的两阶段案件话题摘要生成方法,通过构建包括案件要素及关键句的主题交互图,有效的建模话题评论中重要案件要素之间的关联关系,利用图结构来实现噪声数据的过滤和重要信息的选择。实验结果表明在案件话题摘要任务中引入主题交互图能够在保留重要信息的基础上有效降低复杂文档的处理难度,提升案件话题摘要生成质量。