在过去的四十多年改革开放政策的影响下,中国的社会发展迅速。特别的是,在上世纪九十年代,中国引入了互联网技术,这就更加丰富了人们的社会文化生活。人们可以通过上网冲浪的方式获取到各种各样的信息。但是互联网每天都有海量的信息数据产生,在这些大量数据中只有极小部分才是我们需要的信息。如何从这些海量的数据中,过滤多余和无效的信息,快速并准确的获取对自己有用的信息,是需要耗费大量成本的事情。人们也在想方设法的节省获取信息的成本。经过大量科学家和研究者的共同努力,自然语言处理领域发展迅速,自动文本摘要技术也逐渐走入大众的视野。文本摘要技术通过对文本的结构、文本的特点进行分析研究,从而提取若干文本的中心句构成文本的摘要,或者通过对文本的词法、语法、语义等进行学习和训练,理解原始文本的表达含义,进而生成能够概括原始文本的句子摘要。本次研究从项目服务对象出发,根据服务对象多为老年人的特点,提出使用文本摘要技术对项目中涉及的新闻和文章等信息进行处理。将这些长文本信息生成对应的文本摘要,进而能够提高服务对象获取信息的速度,节约获取信息的各项成本。本文研究过程中学习一些前人经典的思路和想法,深入学习了一些经典模型的执行流程和总体思想,对比了各个模型间的优点和不足。对于自然语言处理任务,一般分为第一阶段的上游词向量处理和第二阶段的下游具体任务微调。本文研究的主要创新点有以下几点:第一,在词向量处理过程中,通过改进经典模型的掩码策略来提升模型的效果。第二,根据项目使用的语料环境特点,把词向量的处理过程使用另外的模型进行替换,让本来使用于英文环境的生成式预训练模型能够处理中文语料环境的任务。第三,通过微调和改进现有的生成式预训练模型,让模型能够处理不同长度的文本数据。最后,挑选了合适的中文数据集进行一系列的实验验证,在短文本和中长文本数据处理中取得了良好的效果,但在超长文本数据处理效果上还有很大的进步空间。总体上来说,使用改进后的模型能够满足本次研究的任务功能需求。