双语新闻差异性摘要分析是自然语言处理领域中的重要研究方向之一。随着一带一路的发展,我国与其他国家的交流变得日益密切,我们需要更加精确地了解其他国家在某一话题下与我国的不同看法。国内外各新闻媒体都会发布大量的新闻报道,可以帮助我们很好的了解不同国家对待某一话题差异性。本文的研究目标就是通过双语新闻报道,根据设计的差异性摘要抽取方法,获得两种语言在同一个话题下新闻报道的差异性。针对以往多文档摘要的研究没有充分利用主题信息以及语义信息,差异性摘要的研究目前仅仅停留在依靠机器翻译进行双语处理阶的问题,本文在现有方法的基础上,对双语新闻差异性摘要方法进行分析和研究,主要内容如下:1.融合多信息句子图模型的多文档摘要抽取针对现有多文档抽取方法不能很好地利用句子主题信息和语义信息的问题,提出一种融合多信息句子图模型的多文档摘要抽取方法。首先,以句子为节点,构建句子图模型;然后,将基于句子的贝叶斯主题模型和词向量模型得到的句子主题概率分布和句子语义相似度相融合,得到句子最终的相关性,结合主题信息和语义信息作为句子图模型的边权重;最后,借助句子图最小支配集的摘要方法来描述多文档的摘要。该方法通过融合多信息的句子图模型,将句子间的主题信息、语义信息和关系信息相结合,与传统方法相比,该方法能够有效的改进抽取摘要的综合性能。2.基于图卷积的双语多文档差异性摘要抽取为了高效的抽取差异性摘要,则在已经抽取摘要的基础上,进一步抽取差异性摘要,针对现有方法利用机器翻译对双语文本进行翻译基础上对双语新闻差异性摘要抽取中存在语义转换偏差的问题,以及更好地根据双语新闻句的表示能力和语句关系信息,提出一种基于图卷积的双语多文档差异性摘要的方法。首先,根据已抽取的摘要信息构建差异性摘要图结构。其次,利用图卷积神经网络,获得差异性摘要图聚合后的句子节点表征。然后,利用GRU模型,获得双语摘要文档的向量表示。再通过计算双语摘要文档向量与句子节点表征获得摘要句的显著性得分。最后,按照显著性得分,分别抽取出中英文的差异性摘要。此方法,避免了使用双语翻译在差异性摘要抽取中的偏差问题,提高了抽取双语多文档差异性摘要的质量,实验结果表明了该方法的有效性,证明了在处理双语新闻差异性摘要方向上将图中的句子关系与神经网络的表示能力相结合的优点。