在信息爆炸的时代,“快阅读”已经成为一种时尚,文本摘要自动提取成为“快阅读”的缩影。文本摘要自动提取一直是数字出版领域的研究热点之一,将文本摘要自动提取技术应用在数字出版中,可以快速的提炼出文章的主要内容,能够提升用户的阅读效率。而数字出版对于文字结构具有严格的要求,基于该情况,本文设计了一个文本摘要提取系统,包括三个部分,第一部分是中文文本分词,第二部分是文本标题的生成,第三部分是基于评论因子、题目因子和句子位置因子权重加权的摘要提取,用以保证数字出版语言的规范性,实现文本摘要自动提取技术在数字出版中的应用。首先,本文设计了一种基于自注意力机制的双向长短时记忆神经网络(SAt-BiLSTM)的文本分词模型。通过SAt处理词向量,对文本信息进行逐句简化,并结合BiLSTM将简化后的句子用特征序列进行表示,合成文本的特征向量,完成分词。其次,本文根据需求设计了一个基于依存句法树的自动标题生成模型。该模型主要通过使用TF-IDF算法和Stanford Core NLP构建了一种基于依存句法树的自动标题生成模型,并通过构建一些句法树裁剪的规则,保证最大的压缩率,通过标题生成结果对比分析,发现所设计的模型能够很好的保证标题的可读性,更好的提取文本主要信息。之后,为了提升文本摘要自动提取的准确性,结合SAt-BiLSTM文本分词模型,设计了一种结合评论的文本摘要自动提取模型。该模型引入读者的评论作为评论因子,改进了过度关注原文而忽略读者评论不足的缺点。引入题目因子和句子位置因子,优化生成摘要的文字结构和可读性。与传统方法的提取结果相比,该方法和传统方法相比,在P、R、F上均有提高,提取出来的摘要在一致性和连通性上均有改善,符合了数字出版语言的规范性。最后,结合数字出版中的应用,给出了文本摘要自动提取系统的规划和设计方案。该系统有效的实现文本分词、评论关键词提取、文本标题生成、文本摘要自动提取等任务,系统设计简洁、操作方便。