自动文摘技术是自然语言处理领域的一个课题,它利用计算机自动地对文章进行处理,生成基本反映文章主题的摘要。特别是随着互联网的发展和普及,为人们提供了丰富的信息资源,利用自动文摘技术,人们可以减少查找可用信息的时间。基于统计的文章主题划分的阈值可以通过大量的实验观察确定,但这种方法确定的阈值缺乏一定的适应性,提出一种基于阈值自动确定的主题分析方法,并与经验确定阈值的方法进行对比,表明此方法是可行的,可以满足自动文摘的要求并弥补了经验确定阈值方法的不足。因自动文摘过程是从一组主题相关的文档中发现潜在的知识,文本聚类技术得到了广泛的重视。线性时间复杂度的K-means文本聚类算法的中心点难以确定,提出一种文本聚类中心点选择方法,试验结果表明此方法可以发现一组聚类文档的中心点,并提高了聚类效果。对于多文档自动文摘,可以对同一个主题的多个文档划分局部主题之后,从局部主题中提取信息形成文摘,提高文摘的覆盖度。提出一种基于单文档主题划分为基础的多文档文摘主题分析方法,并对四种方法进行了对比。分析形成的局部主题后,对各个局部主题依据一定的技术进行提取,形成多文档文摘,最后对基于单文档主题划分和基于句子聚类的多文档自动文摘进行了对比分析,并给出了对比结果。