自动文本摘要任务作为自然语言处理领域中的一项基本任务,其对文档信息进行有效的压缩提炼,帮助用户从海量信息中检索出所需的相关信息,避免通过搜索引擎来检索可能产生过多冗余信息的问题,有效地解决了信息过载的问题。由于传统的中英文自动文本摘要技术难以移植到柬语上,为了丰富柬语自然语言处理工作的理论与应用,本文对柬语多文档抽取式摘要方法进行了研究。本文的主要工作具体如下:（1）基于深度主动学习的柬语单文档抽取式摘要方法。针对柬语在使用深度学习做单文档抽取式摘要语料标注不足的问题,提出了一种将主动学习和深度学习相结合的方法,解决了训练神经网络柬语语料标注不足的问题。首先利用主动学习抽样策略选择出定量的文档,通过专家标注,获取训练集。然后结合深度学习中编码器解码器模型进行训练模型抽取得到摘要。实验结果表明,即使在训练语料显著标注不足的情况下,该方法抽取摘要的结果仍然能够有效的提升柬语单文档抽取摘要的质量,R1、R2、RL的值分别提高了8.35%、9.23%、7.64%。（2）基于分层最大边缘相关的柬语多文档抽取式摘要方法。针对传统的多文档抽取式摘要方法无法有效的利用文档之间的语义信息,摘要结果存在过多冗余内容的问题,提出了一种基于分层最大边缘相关的柬语多文档抽取式摘要方法,解决了柬语多文档摘要无法有效的利用文档之间的语义信息,摘要结果存在过多的冗余内容的问题。首先将柬语多文档文本输入到训练好的深度主动学习模型抽取得到单文档摘要;然后依据类似分层瀑布的方式,迭代合并所有的单文档摘要,通过最大边缘相关算法,得到最终的多文档摘要。实验结果表明,该方法可以通过使用深度学习的方法和最大边缘相关算法共同获得多文档摘要,能够在保证摘要句子多样性和差异性的同时,提高多文档摘要的精度,有效的提高柬语多文档摘要的质量,R1、R2、R3、RL的值分别提高了5.15%、8.23%、9.48%、7.65%。