动态文摘的研究对象是多文档集合,这些文档中的内容是随着时间而更新演化的。但是动态文摘中存在高冗余、新颖信息丢失等问题,严重影响了动态文摘的质量。为了解决上述问题,本文研究和对比了常见的摘要生成方法,并提出了两种算法:基于密度峰值和基于改进的潜在语义分析的动态文摘算法。改进的潜在语义分析动态文摘算法,在构建文本特征矩阵时,通过加入语义单元以降低矩阵的稀疏性,有效减少了矩阵奇异值分解的时间。同时,在评估主题冗余度时候,构造出阈值函数,过滤掉和主题关联性低的实词和短语,并设计了二元组信息增益模块,以进一步提升了主题新颖度评估的准确性。基于密度峰值的动态文摘算法,首先根据句间相似值来对每条语句的主题代表性和信息多样性进行评分。然后在摘要抽取过程中,引入了主题标志模型来评估语句的新颖性,以便提取事件中的更新演进信息。最后依据摘要的长度限制,本文制定了基于句子综合评分和整数规划模型的摘要生成策略,保证算法能够在短时间内生成高质量的文摘。实验结果表明,相比于传统的潜在语义分析动态文摘算法,本文提出的算法有效降低了语义挖掘的时间复杂度,并提升了主题新颖度评估的精准性。基于密度峰值的动态文摘算法,不仅模型简洁而且效率较高,在工业领域有较大的应用潜力。