随着互联网技术的发展,越来越多的人开始从网上获取信息,但是如何能在信息爆炸时代高效地获取信息,成为人们需要解决的重要问题。而多文档摘要技术则是解决该问题的一种有效方法,它通过将多个文档作为输入,生成这些文档的摘要,从而使获取信息更加方便。然而,多文档摘要技术仍有很多困难,比如:信息重要性评估、冗余信息过滤、碎片化信息聚合、信息组织问题等等。本文围绕这些问题,提出了基于领域知识图谱的多文档摘要生成方法,主要研究工作如下:(1)单文档的主题句生成研究。本文采用BiGRU深度学习框架作为模型,通过将大量的文档和主题句输入到深度学习的编码器和解码器中,并加入Attention注意力机制,防止信息丢失,训练学习得到主题句生成模型。在解码阶段,加入Beam Search搜索算法,生成每篇文档的主题句。在LCSTS的公开语料上进行实验,Rouge评测值达29.2,在军民融合语料上进行实验,Rouge评测值为35.8。(2)多文档摘要生成研究。该方法利用领域知识图谱,通过计算各主题句与知识图谱节点间的语义相似度,建立主题句与知识图谱的映射关系,然后依赖于知识图谱的逻辑结构,对主题句进行合理的组织,生成多文档摘要。面向军民融合领域进行实验,采用人工评测方法,分别对多文档摘要的连贯性、非冗余性、可读性进行评价,均达到3.5分以上的较好效果。最后,实验结果表明,使用BiGRU加注意力机制加上Beam Search算法可以有效提高主题句生成效果;引入知识图谱,对多文档摘要生成结果的连贯性、非冗余性和可读性均有改善。