随着各种网络社交平台的飞速发展和不断进步,互联网中文本信息的种类和数量也呈爆炸性增长,这为人们对有效信息的利用带来了巨大挑战。自动文本摘要技术作为自然语言处理的一项重要任务已经得到了广泛研究,在这当中,生成式文本摘要技术逐渐成为主流技术。然而,现有的文本摘要研究大都集中在新闻报道类的文档,对话作为人们生活中最常见的一种交流方式,具有话题漂移、冗长、信息密度低等特点,人们对此类文本摘要生成任务的研究却屈指可数。对话之间的结构信息通常与文本内的重要信息紧密相关,因此,如何有效利用对话话语之间的结构信息,并对它们进行识别和处理,是生成式对话文本摘要技术的一大挑战。针对以上问题,本文提出了融合对话语篇关系解析的图卷积神经网络文本摘要模型,并设计了会议摘要自动生成系统。主要工作如下:（1）构建了关系对话图。通过对话语篇解析识别出对话中各语篇单元之间的关系,将对话中的语句转化为句子节点,同时将对话语篇关系转化为关系节点,并提出了节点之间的6种边的关系类型,分别是话语内正向边,话语外正向边,话语内反向边,话语外反向边,全连接和自连接。构建出话语节点与关系节点交互的对话图,有效地利用了对话语句之间的各种关系。（2）提出了基于图卷积神经网络的生成式对话摘要模型。用该模型来建模对话语句之间的动态交互关系,有效利用丰富的对话结构信息,并在指针解码器中融入注意力机制与复制机制,便于准确的复制原文本中的信息,同时也保持了生成新单词的能力,使生成的摘要更加全面流畅。（3）设计并实现了会议摘要自动生成系统。该系统能够快速将会议中最为重要的信息提炼成一个简洁凝练的文本段落,从而帮助人们快速地了解过去会议中的基本内容,节省用户进行信息访问的时间,提升工作效率,便于用户的阅读和理解。本文在AMI和ICSI两个标准数据集上进行了实验,并选取了自动评估指标ROUGE和人工评估两种方式对实验结果进行评价,充分验证了融合对话语篇关系解析的图卷积神经网络文本摘要模型的有效性。