随着互联网的兴起,网络中的数据量呈指数增长,人们的生活节奏加快,如何从海量数据中高效获取所需信息已经成为了现如今亟待解决的问题。自动摘要技术能够对文本信息进行融合、压缩,在保留文档重要内容的同时减少文本大小,该技术是解决这一问题、克服这一障碍的关键。本文以在线英文新闻为研究对象,以期为用户提供简洁、全面的摘要,提高用户获取信息的效率。本文使用的基于互增强流形排序的多文档自动摘要方法,通过句子、词语以及主题簇彼此之间的相互增强关系,提高句子提取的质量,减少冗余信息,并将该方法用于基于查询的提取多文档自动摘要模型中。本研究的主要内容和结论如下:(1)识别主题簇对数据预处理后得到词语集、句子集和簇集,通过给定的查询对数据对象间的关系进行聚类分析,将数据对象进行分类,使得同类集合对象之间的相似度较高,不同类集合之间的相似度较低,从而达到聚类的效果,并且将与给定查询相似度较高的集合确定为主题簇。(2)句子排序和控制冗余通过词语集、句子集和主题簇集内部之间相关性传播,词语集、句子集以及主题簇集之间彼此进行相互增强构建提取摘要模型。在词语集、句子集和主题簇集的每个集合内部构建一个加权图,其中每个数据顶点表示查询、词语、句子和主题簇。词语集、句子集以及主题簇集之间彼此进行相互增强,上述两个过程可以依次或组合进行,直至达到全局稳定状态,所有数据对象都获得排序分数。将得到的数据对象进行筛选,过滤掉冗余信息,提取分数较高的数据对象作为摘要句,生成摘要。质量评测进行全面的实验研究来验证这两种算法模型的有效性。用自动评测工具包ROUGE进行评测。ROUGE通过计算系统生成的摘要和人工参考摘要之间重叠的单位来衡量摘要内容的质量。本文中采用方法分析准确率和召回率比率,同时与其他摘要方法进行对比。实验结果表明,在TAC 2008A,TAC 2008B,TAC 2009A和TAC 2009B数据集上,本文研究的基于互增强流形排序的多文档自动摘要方法在提取摘要的质量方面略优于参加DUC/TAC比赛前三的系统计算出的ROUGE值相当,并且通过误差检验,误差较小,可以把实验分析的结果作为结论,进一步说明了在自动摘要方法中整合词语级和主题簇信息的必要性。