随着互联网的普及,自动文摘技术在新闻标题生成、新闻摘要生成、搜索结果预览等领域得到了广泛的应用。作为自然语言处理的一个重要分支,自动文摘指对指定文档的主要内容和含义进行自动归纳、提炼进而形成摘要。在众多的自动文摘技术中,基于图论的TextRank算法由于不需要深入的语言学知识以及特定范围或特定语言的语料库而备受关注,并得到了广泛应用。另一方面,随着在线媒体的发展,网络新闻已成为人们获取信息的主流媒介。随着浏览或参与评论的网民数量的增加,网络新闻可能演变为社会热点事件,准确判断新闻热度来帮助人们获取热点新闻从而洞悉社会热点相关信息变得尤为重要。本文对TextRank算法进行了深入的研究,提出一种改进的TextRank算法。首先针对TextRank构建语言网络的过程进行了改进,具体包括:本文改进了 BM25算法,并与基于词共现、TFIDF/COS以及原生的BM25算法进行了对比。TextRank算法在Rouge 1、Rouge2、Rouge3评估指标上的提升验证了改进BM25算法相较于其他三种相似度计算方法的有效性。然后基于摘要新颖性的考虑,本文利用冗余处理技术,对TextRank计算结果中句子的重要性进行修正,从而获得冗余信息较少且相对独立的句子构成摘要。针对实际数据的实验结果验证了该冗余处理技术的有效性。为判断网络新闻的热度,本文还提出了一种热度计算模型。该模型融合了网络新闻的多种要素,从多个角度度量新闻的热度。相关要素包括:新闻浏览量、评论量、同类事件数、新闻发布时间等,其中同类事件采用基于SimHash的算法获得。在需求分析的基础上,完成基于事件热度的新闻自动摘要系统的架构设计、功能模块设计和数据库设计,完成各功能模块的详细设计与实现,通过功能和安全测试,验证系统达到设计的要求。通过基于事件热度的新闻自动摘要系统,用户能快速理解热点新闻。