这是一个移动互联网与人工智能飞速发展的时代。移动互联网的蓬勃发展变革了信息的生产、传播和消费方式。在供给侧,大量的信息不断产生,在需求侧,消费者对短文本偏好不断增强。文本摘要的需求前所未有的迫切。深度学习引发了新一轮人工智能技术的发展,在机器翻译等领域取得重大突破,深度学习技术也被用来实现传统方法很难完成的文本生成任务,文本摘要就是其中之一。是指给定长文本,机器自动生成简洁且保留原意的短文本作为摘要。根据摘要中内容来源不同,文本摘要的实现方法主要分为抽取式和生成式两种。抽取式摘要是在原文本中抽取片段进行组合。生成式摘要是产生的摘要中有与原文中不同的新词。两种方法各有所长:抽取摘要实现较为简单,但是生成结果不精简;生成式摘要结果更精炼,但是可能包含语法错误或内容事实性错误。为了提高生成式摘要的质量,研究者引入了各种各样的拷贝机制,这使得生成式摘要表现出了隐式的抽取特征。因此,研究者开始采用两段式的方法完成文本摘要,先从原文中抽取句子,再对抽取结果做进一步处理,可以分为“抽取-压缩”、“抽取-改写”等方式。方法同时也是对人类摘要过程的模仿。我们在实现文本摘要时也采用两段式的策略:先在原文中筛选出关键句,然后对关键句进行改写产生摘要,构建出抽取式与生成式相结合的两段式摘要模型。本文中所做的工作有:1、在实现方法上,通过“抽取-改写”的两段式模型实现文本摘要,先通过抽取阶段从原文中抽取摘要候选句,然后通过改写阶段对候选句进行改写产生最终摘要;2、在实现技术上,基于自然语言处理领域的最新突破预训练语言模型修改实现抽取模型和改写模型;3、在英文数据集CNN/Daily Mail和中文数据集NLPCC上对模型训练评测,利用自动指标ROUGE评价模型效果,与基线模型相比平均ROUGE得分提高2.85分和4.76分,证明了本文模型的有效性,利用人工评测方法辅助评价,证明本文方法生成的摘要可读性更强。