在国际竞争越来越激烈的今天,企业为了快速占领消费市场,提高国家的经济实力,都在不断的进行技术创新。专利作为一个企业乃至国家核心技术的代名词,在其中发挥着越来越重要作用,而对专利技术的相关研究,逐渐成为了人们所关注的焦点。在专利大数据时代,如何从海量的专利数据库中快速准确地检索出目标领域的专利,如何快速地发现相关专利的核心技术内容,成为专利技术分析中首先需要解决的问题。本课题在此背景下,借鉴自动文摘领域的相关研究,探索研究适用于专利文本摘要提取算法,提取专利文本中核心技术内容。首先考虑到经典的Text Rank摘要抽取式算法不能表达句子语义信息的缺点,本文以Glo Ve语义特征表示方法为参照,提出使用BERT预训练模型进行句向量表示的方法,并构成了基于Text Rank和BERT的摘要提取算法。其次本文根据专利文本的特点,考虑文本句子位置、句子长度与主题相关度等特征,对基于Text Rank和BERT的摘要提取算法所迭代计算的权重加以修正;同时考虑所生成摘要的冗余性,使用MMR算法对摘要候选句进行冗余处理,从而提出了基于改进的Text Rank和BERT的摘要提取算法。最后,本文以计算机行业的专利为例,建立包含100篇专利的英文专利数据库,将所提到的算法应用于该专利数据库,使用ROUGE系列指标对所生成的摘要进行评测,验证了算法的可行性及合理性,同时通过指标值对比判断本文所提出的算法的优劣性。