当下信息过载是互联网中普遍存在的一个问题,通过自动文本摘要技术能有效改善这个问题。但是,目前自动文本摘要的研究方向是基于单语的抽象文本摘要,这种方式存在一定的局限性,阻碍了人们对陌生语种信息的检索能力。因此本文中的主要研究工作是基于跨语言的句子摘要,通过源端文本生成与之不同语种的摘要文本。该技术的实现主要是通过如下三个方法:1.基于“老师-学生”框架的跨语言句子摘要。跨语言的句子摘要任务目前属于零样本学习任务,本文利用单语句子摘要的平行数据通过机器翻译模型构建伪语料。使用该伪数据训练最基本的端到端的跨语言的句子摘要模型,定义为“学生”模型。使用单语句子摘要的平行数据训练单语句子摘要模型,定义为“老师”模型。通过“老师”模型输出的词表概率分布对“学生”模型输出的词表概率分布提供有效的监督信息,使得“学生”模型有效克服伪语料带来的缺陷。2.基于注意力传递的跨语言句子摘要。在编码器-解码器结构中,注意力对齐准确度严重影响模型的表现。伪语料是通过使用机器翻译模型翻译单语的摘要平行数据所形成的,因此将单语的句子摘要模型中的注意力对齐信息传递到翻译模型中,从而形成了跨语言的注意力对齐信息,为跨语言的句子摘要模型提供了有效的注意力对齐监督信息。3.基于对比注意力机制的跨语言句子摘要。在基准系统编码器-解码器结构中,注意力机制发挥着重要的作用。在此基础上,本文中增加了对比的注意力机制,通过反向注意力来获取目标端与源端中最不相关的信息,基准系统中原有的注意力机制获取目标端与源端中最相关的信息。两种机制相结合区分出源端文本中相关与不相关的信息,联合生成最终的摘要文本。