随着互联网的普及,网络用户的增加,网络中的信息量呈现指数型的增长。由此带来的信息过载问题也愈发的严重。在如今这个大数据时代,互联网带给我们便利的同时,其数据过载问题也给情报分析等工作带来了挑战。为了提高情报工作者的信息转化率,发觉信息海洋中的“长尾”,本文提出面向军事新闻的单文本摘要算法与基于语义分析的多文本摘要系统。单文本摘要算法对文本内容进行概括,加快了对军事文章的阅读速度;多文本摘要系统则对文章进行归纳与总结,从篇幅上进行优化减少了情报工作者的阅读量,缓解网络中信息过载问题。因此自动摘要算法是一个具有重大意义的研究方向。本文首先提出一种采用BERT-Seq2Seq-Attention模型的自动摘要算法,该方法引入BERT预训练语言模型用于增强词向量的语义表示,将生成的词向量输入seq2seq模型中进行训练并形成自动文本摘要模型,实现对文本摘要的快速生成。该模型在Gigaword、CSL等数据集上能有效的提高生成摘要的准确率和可读性,可用于文本摘要自动生成任务。随后在本文提出的自动摘要模型的基础之上,结合语义分析相关技术,提出了一种面向主题的多文本摘要系统。先通过LDA主题模型以及AP聚类等算法对文本实现主题事件的提取,将主题事件的提取结果结合单文本摘要算法计算出面向事件的多文本摘要。本文通过从网上爬取数据进行实验并对实验结果进行分析,验证了该多文本摘要系统的可行性与有效性。