在飞速发展的大数据时代,知识资源日益丰富和膨胀,为使用户能够从海量互联网信息中快速获取准确信息,需利用自动摘要技术,浓缩文本信息。自动摘要是运用计算机技术对文本文档进行压缩,提炼出文档的主要内容,方便读者快速把握文章主旨。本文主要针对单文档的抽取式自动摘要技术进行研究。TextRank算法是基于图模型自动摘要领域的经典算法之一,属于无监督方法,无需训练语料,可操作性较强。该算法的主要思路是将句子作为图模型节点,将句子间相似度作为图模型的边,创建图模型,采用TextRank的迭代公式计算出每个句子的最终权重,抽取出权重得分较高的一定数量的句子作为摘要。考虑到该方法在图模型构建中对于边权重相似度计算方法不够理想、节点权重计算考虑不全面以及抽取多个句子作为摘要句会出现冗余这三方面的问题,本文结合中文文本的特点对TextRank算法进行了优化:(1)TextRank自动摘要在构建图模型的边时,简单的通过两句子间词汇覆盖率来衡量句子间的相似度,忽略了句子的语义信息。因此,本文利用Doc2Vec模型,将文本转化为包含语义和上下文信息的指定维度的数字向量,在此基础上结合余弦相似度公式对句子间的相似度进行度量,能够更加准确反映句子间的关系。(2)对传统TextRank算法的句子权重部分进行改进,在TextRank算法的句子权重基础上,综合考虑句子与文章标题的相似度、句子所处段落中的位置以及标志词等摘要句特征,对句子权值进行修正,这样能够更加突出特殊句子本身的结构特征,为摘要句的提取奠定基础。(3)考虑到提取摘要句时受句子相似度影响较大,会有多个表达相同含义的句子被提取从而造成冗余,使用最大边缘相关算法对得到的摘要候选句群作冗余处理。实验结果表明,本文“Doc2Vec结合改进的TextRank算法”提取出的摘要句与改进前相比,以“10%”和“20%”压缩率提取的摘要F值分别提高了12.73%和17.19%,说明该算法能够有效提高自动摘要的准确性。