20世纪以来,计算机的普及与应用极大地改变了人们的日常生活,并且给人类带来了诸多的好处,人们可以通过互联网上大量的信息汲取到自己所需的知识。自动文本摘要技术通过使用计算机对文本进行处理,分析文本并生成摘要输出,使人们快速获取文本的关键信息。自动文本摘要技术从上世纪50年代被提出以来,经历了较大的发展。目前,在文本摘要方面,国外已经出现了较多应用,并且能够取得不错的效果。汉语自动摘要的提取出现较晚,且由于汉语语言本身存在一定的特殊性,故不能直接利用国外的方法进行摘要提取,需研究适合中文文本的摘要方法。国内目前已经存在的相关系统的应用效果还有待提高,同时针对中文文本摘要技术的改进具有重要意义。本文提出了 DK-TextRank算法,较好地利用了 Doc2Vec、K-means聚类和TextRank算法各自的特点。先利用Doc2Vec工具将文本中句子向量化;后利用二分的K-means聚类算法进行聚类操作;最后使用改进的TextRank算法在每个类簇内部进行排序,最终筛选出每个类簇中最具代表的句子,生成最终的摘要。最后,为了说明本文提出的DK-TextRank算法的有效性,我们搭建了相关实验环境并对使用DK-TextRank算法的中文文本摘要系统进行了性能分析。在实验过程中,选取了 50000新闻报道作为实验对象,这些新闻报道的领域涉及财经、体育、政治、社会等各个方面。通过实验,我们得出,本文的DK-TextRank算法具有较好的性能,对于文章内容概括较为全面。同时,本文将DK-TextRank算法的效果和TF-IDF算法、传统TextRank算法的效果进行对比,实验评测结果证明本文算法性能效果也好于其他算法。以上结果证明本文的DK-TextRank算法更适合中文文本,在中文文本摘要方面能够取得令人较为满意的效果。