随着网络信息的海量增长，从海量文本中提取摘要成为自然语言处理研究的热点课题。半个多世纪以来，学者从不同角度出发，提出不同的解决方法，并举出适当的范例。本文主要研究的是基于信息抽取的自动文摘，并且引入WordNet与空间向量模型进行句子相似度计算。　　基于信息抽取的自动文摘技术是从文本中抽取重要内容生成文摘。因为一般生成的文摘都有字数限制，这就需要选择具有较强概括力的句子构成文摘。本文首先从文本中抽取五个基本特征:句子长度、词频、句子位置、线索词以及标题词汇;然后根据这五个特征给文档中每个句子评分，按照得分从高到低将句子依次排序，得分高的句子就作为生成文摘的候选句。　　本文将语义相似度应用到自动文摘任务中。语义相似度是评价词汇之间相互关联程度的一种度量方式。本文采用两种方式计算句子相似度:其一是引入WordNet;其二是使用空间向量模型。通过WordNet计算词汇相似度采用两种方式:Path和Lch。大部分词汇都包含多种词义，针对多义词分两种情况处理:一是只考虑第一个语义，二是考虑多个语义。这样设计的优点是，可以测试出各种情况下最后文摘的质量，分析出直接影响文摘质量的因素。使用两种空间向量模型的度量方法，一是余弦度量法，二是Dice系数度量法。通过两种不同的方式计算句子之间的语义相似度，得到的结果是模糊相似矩阵。这个矩阵中的每个元素代表了两个句子之间的相互关联程度，还需要将其具体分类，从每个分类中择优选择句子生成文摘。本文使用编网法，对模糊相似矩阵分类。通过实验结果，可以清晰的看出，将语义计算引入自动文摘任务中可以改善文摘的质量。