随着Web2.0技术的广泛应用,越来越多的网页文档上留下了用户给出的标签信息。这些附加在网页文档上的用户标签信息是对网页主旨内容的一个高度概括。而目前绝大多数的网页文档摘要技术在生成摘要时,都没有考虑这一重要的用户交互信息,使得生成的摘要并不能准确把握网页文档的主旨。为此,本文提出了一种以标签为导向的网页文档摘要新技术。本文提出了一种确定标签重要性排序的新算法EigenTag,这一算法在确定标签重要性时,结合考虑了给出标签的用户信息和标签信息,使得那些能够反映原网页文档主旨内容标签的重要性权重得分得到提高,并可以有效抑制低质量标签对标签重要性排序的影响。由于标签权重得分对句子得分的影响是基于标签词和句中词的完全匹配,但由于每篇网页文档所含有的高质量的,能够反映网页文档主旨内容的标签数量有限。因此标签和网页文档中词的不匹配现象会比较严重,进而造成标签权重得分不能有效赋予句中词。为此,本文使用了关联规则挖掘算法FP-Growth来扩展这些用户给出的高质量的初始标签。并使用了一种新的方法来确定扩展标签的重要性权重得分。本文使用了四种以用户标签为导向的网页文档摘要生成方法,并通过实验证实了以标签为导向的摘要生成新技术相较于传统不考虑标签信息的摘要技术,可以有效的提高摘要质量。