随着深度学习的不断发展,自然语言处理技术逐渐被应用到各个领域,如信息抽取、机器翻译、问答系统等。其中,文本复述任务使用基于深度学习的NLP技术,可以为生成出来的文本赋予多样性和创造性。其任务目标是让机器使用不同的措辞、表达,将原先的文本复述出来,该过程需要最大程度地保留原文本中的核心语义,并且生成语句的通顺度要尽可能高。本文提出了一种基于深度学习的文本复述系统,可以学习数据样本之间的多样性及语句流畅度,在最大限度保留原句语义的情况下复述出通顺的文本。本文的主要贡献和创新如下:首先,本文提出了一种自动化构建平行复述资源的框架,根据互联网中的大规模无监督语料,该框架可自动生成大规模、高质量的平行复述句子对,不限语种,在一定程度上缓解了文本复述领域缺乏公开标注的数据集的问题。此外,本文提出了模板与槽位词的概念,旨在对复述句子对进行匹配时排除实体信息对句子整体语义表示的影响,使句子对专注于模板之间的复述现象。其次,本文提出了含有门控注意力机制的双编码器模型,使用两个编码器分别对模板和槽位词进行编码,门控注意力机制可以控制解码器中模板和槽位词的信息比例,让模型自适应地习得如何将模板和槽位词自然地融合到一起,进而提升生成复述文本的流畅度和复述程度。再次,本文还联合外部知识图谱特征对复述文本的生成方向进行引导,使得生成的复述文本具有了一定的可控性,进而丰富了文本复述系统的应用场景,该项工作对其他自然语言生成任务也有借鉴意义。最后,本文利用上述数据与模型,实现了一个文本复述系统,能够对互联网中的评论进行复述改写,更好地展示文本复述技术在现实世界中的应用。