近年来,随着信息技术的进步与发展,人们获取新闻时讯的方式逐渐由报纸转向网络。由于新闻网站数据流量大,已无法依靠人力的方式撰写数万篇文章的摘要。因此,研究利用计算机生成文章摘要是非常具有理论价值和实际意义的。本文通过分析现有自动摘要算法的不足之处,运用Gensim自然语言处理框架,提出了一种中文摘要自动生成算法。目前自动摘要的方法主要分为生成式与抽取式,由于新闻资讯文章的篇幅较长,难以通过深度学习的方式将长文本用另一种简短的词序列替代,因此生成式方法不适用。抽取式方法通过提取文章关键句形成摘要,不受文章篇幅的影响,但会造成摘要流畅度低的问题。因此,生成高质量摘要技术的关键在于两个方面,一是需要准确地包含文章关键信息,二是需要保证语句间的通顺程度。本文从上述两个方面出发,首先对传统TextRank关键句提取算法进行了分析,针对该算法提取出的关键句准确度低的问题进行了改进,然后设计了一种摘要生成框架,该框架可以解决抽取式方法形成的摘要流畅度低的问题,并且可以对生成的摘要中所包含信息的关键性进行验证。本文算法分为两个阶段:(1)关键句生成阶段,对三十万篇中文文章构成的语料库进行文本预处理,训练Word2vec词向量模型将文本向量化,改进TextRank算法使其能够接受词向量的输入,从而通过计算句子间的余弦相似度来提取关键句。(2)摘要生成框架构建阶段,该阶段的目的是对第一阶段提取出来的关键句进行权值分配,起到进一步优化与验证的作用。首先是文章结构权值分配,该过程结合了抽取式摘要方法的思想,根据关键句在原文中出现的位置进行权值分配,起到提升句子间流畅度的作用。其次是句子关键程度的权值分配,该过程可以验证关键句的准确性,本文运用LDA主题模型提取文章关键词,若关键句包含文章关键词个数越多,则权值越高。将上述两个过程的计算结果相加得到总分,并按照分数高低降序排序,然后依次组合排名靠前的几句话生成文章摘要。最后运用Rouge摘要评测方法,对本文提出算法进行以下实验:(1)测试摘要生成框架中,不同权值对摘要质量的影响;(2)与其他自动摘要算法进行对比分析;(3)分析文章长度因素对算法的影响。实验结果表明,相比于其他算法,运用本文算法生成的摘要在流畅度与包含关键信息量方面均有提升。