随着互联网的迅速发展,可获得的信息越来越多.信息的爆炸也带来了"信息负担"过重的问题.我们可以获取太多的信息,以致没有足够的时间什么读一遍,但有时候我们又不得不根据这些信息作出重要的决定.在这种情况下,自动文摘就显得必不可少.该文介绍了作者在攻读硕士学位期间所做的自动文摘研究.该文首先对自然语言处理以及自动文摘的技术进行了综述,随后提出一个句子被抽取成为摘要句必须满足的三个条件:1)信息量大、概括性强,所含信息在文本中比较重要;2)与话题(或用户、任务)相关;3)与其他摘要句之间信息冗余小.判断一个句子是否满足这三个条件,是作者研究工作中的中心内容.该文亦以这三个条件为主线,创新地提出了多种自动文摘的方法:自动文摘中的机器学习方法;基于实体名的自动文摘方法;位置与其他特征之间的互训练算法;基于矢量模型的文本自动摘要方法;尝试将句法分析技术用于文摘的自动生成.对这些方法,作者既做了理论上的分析,还通过实验对其性能进行评价.在对自动文摘的方法进行探索的同时,作者先后开发了多个自动文摘系统.这些系统在2003年和2004年两届文本理解会议的统一评测中,取得了令人鼓舞的成绩.