在互联网信息繁杂的时代,如何快速获取重要、简洁的信息是一个非常有价值的研究点。多文档自动摘要正是基于此背景衍生出来的技术,它是指将某一个主题下的多篇概述文档进行压缩、去重并提取关键信息,使人们能够快速准确地获取到关于这篇主题的精炼信息,而不必对每篇文档进行精细的阅读,提高了用户获取信息的效率。但是多文档自动文摘对于中文来说一直以来仍然是个很复杂的任务,其原因如下:一方面,中文具有一词多义的特点,使得文档量化的过程变得困难;另一方面,如何在不同的文档中抽取最能表现文章大意的中心句也是一个难点;最后,由于抽取的句子来自于多篇文档,对句子如何进行排序输出也是一个棘手的问题。针对新闻多文档事件,文章使用文本聚类的手段实现了自动文摘效果。在文本预处理中,考虑到一词多义的特点,运用基于知网词语相似度来计算句子相似度,并将词特征和语义的方法相融合,以此得到更合理的句子相似度效果;在聚类中,利用canopy算法解决k-means算法不能确定初始聚簇中心及k值的缺点;在抽取关键句时,使用TextRank算法并结合新闻最主要的几个特征对某个聚类簇下所有的句子进行权重计算并抽取关键句,同时考虑了句子上下文信息及篇章结构所带来的影响;最后利用相关规则对抽取的关键句排序从而得到文摘。实验利用哈工大多文档自动文摘语料库以及实验室做的某实际舆情分析项目数据进行相关测试,结果表明系统在哈工大多文档自动文摘语料库中F值提升了1~3个百分点;在舆情分析项目中将项目数据按照系统需求规范处理之后,F值提升1~4个百分点,基本满足用户对摘要的需求。