面向查询的新闻多文档自动摘要技术可以从根据查询返回的相关新闻报道文档集合中,快速地抽取出能在一定程度上满足用户查询信息需求的摘要,提高对信息的获取和利用效率,是自然语言处理领域中较为重要的研究方向之一。针对当前面向查询的多文档抽取式摘要方法研究中存在的不足,同时结合新闻文本具有的新闻时序特征,本文进行了如下研究工作:1.基于层级BiGRU+Attention的面向查询的新闻多文档抽取式摘要方法针对已有相关摘要方法的研究中大都是分开计算句子的内容显著性和查询相关性,且对特征向量表示的建模不充分的问题,提出一种基于层级Bi GRU+Attention的面向查询的新闻多文档抽取式摘要方法。首先,通过结合了ERNIE预训练语言模型的层级Bi GRU+Attention神经网络,来分别获得具有丰富上下文语义信息的句向量,并采用双线性变换注意力机制融入了句子与用户查询相关性信息的文档特征向量表示;然后,通过句向量与文档向量表示进行相似度计算来得到相应的句子重要性得分,该得分隐式地同时包含了句子的内容显著性及查询相关性;接着在此重要性得分的基础上,再将句子中包含的关键词特征、句子的长度特征以及新闻时序权重系数通过线性组合的方式进一步综合考虑进来,以获得最终的句子综合特征权重得分;最后,再利用改进的MMR算法来进行摘要句的抽取选择。实验结果表明,该摘要方法能在一定程度上提高摘要的质量,在面向查询的新闻多文档抽取式摘要任务中具有一定的优越性和有效性。2.融合句子打分和选择的面向查询的新闻多文档抽取式摘要方法现有大多数相关摘要方法的研究中通常是将候选摘要句的打分和选择作为两个步骤,流水线式地相对分开进行,不能良好地同时交互以利用这两个过程中的有效信息。针对该问题,提出一种融合句子打分和选择的面向查询的新闻多文档抽取式摘要方法。首先,利用上一个摘要方法中的层级Bi GRU+Attention网络编码结构来获得具有丰富语义信息的句向量表示;然后,从基于句子查询相关性引导的注意力和基于新闻时序特征两方面进行考虑,来分别获得包含相应特征信息的文档特征向量表示;最后,利用基于GRU的融合候选句子打分和选择的摘要句抽取部分,来获得同时包含已选摘要句信息、句子与查询的相关性信息以及句子的新闻时序特征信息等多源信息的句子相对重要性得分,并进一步加入显式建模的句子查询相关性权重分数来获得候选句的最终重要性得分,加强了抽取内容与查询的相关度。实验结果表明,该摘要方法在ROUGE评价指标整体上较优于其他同类对比摘要方法,可以在一定程度上较好、有效地抽取出查询相关的新闻多文档摘要。