近年来,以互联网为媒介的电子媒体迅速发展,网络新闻作为基础应用之一正在影响越来越多的网民,拥有巨大的市场前景。然而在感受着网络新闻带来的快捷化信息便利的同时,网络新闻文章数目庞大、文章质量参差不齐、阅读过程耗时延长等弊端也日益显现。在这种时代背景下,自动文本摘要技术逐渐受到关注:文摘结果可推送给用户,吸引用户点击提升用户阅读效率,进而提高用户对产品的依赖性;作为中间结果代替原文本参与信息检索过程,加快检索效率;亦或是应用于舆情分析系统,完成舆情事件的信息汇总和脉络梳理。中一类主要方法,相比于抽取式文本摘要,能够突破原文词汇限制,生成文章中未出现的词汇来达到信息概括目的,更接近人类书写摘要过程。目前在生成式方法中,很多研究者忽略了文章关键短语和文章主题的作用:二者作为文章固有内容,可以在文摘生成时提供很好的内容要点,并且可以让生成的文摘涵盖更多的文章关键信息,提升文摘质量。本文从以上两点出发,提出以下两个研究内容。第一,本文针对网络文章的关键短语提取技术进行研究。主要内容是从原文本中,以短语的形式提取出重要短语。通过词性标注和语法树构建候选短语,并针对每一个候选短语为计算位置权重,利用词图模型和词嵌入模型对其进行排序得到文章关键短语,其结果在多个数据集上均有提升。第二,本文针对网络文章的生成式文本摘要技术进行研究。通过引入关键短语门控网络和主题感知网络分别对文章的关键短语和主题进行建模,将两者信息融入到文摘生成过程中;针对“曝光偏差”问题采用强化学习方法进行解决,最终效果在中、英数据集上均取得提升。本文所研究的相关技术在各自任务领域内均有提升,对本文所研究的两个关键技术进行人工评价可知其具有一定的实用性。在此基础之上,利用爬虫和系统级微服务,设计并实现一个具有高内聚、低耦合且可迁移性强的新闻资讯类文章的摘要系统。