自动文摘就是利用计算机自动地从原始文档中摘取全面准确地反映该文档中心内容的简单连贯的短文。本文旨在面向对单个文档的基于机器学习的抽取式自动文摘系统进行研究和设计实现,完成自动文摘任务。本文根据大量调研并结合目前所拥有的数据以及之前积累的工作经验,挑选了四个机器学习算法,分别实现了四种不同算法的自动文摘系统。与此同时我们对将文本转换成机器学习算法输入时所使用的特征进行了探索,引入了深度学习的词向量特征以及多种传统的句子级别特征和词级别的特征。将这些特征使用到不同的机器学习算法中之后通过实验考察了不同机器学习算法的性能差别和不同特征所带来的影响,证明了一定数量的特征在进行适当的组合后可以提升自动文摘的性能,并为之后进一步构建基于协同训练的自动文摘系统打下了基础。在得到多个单机器学习自动文摘系统之后本文构建了基于协同训练的自动文摘系统。通过协同训练算法把多种机器学习方法联合应用于自动文摘中,在满足算法所要求条件的情况下,利用不同机器学习方法的特点实现优势互补,从无标数据中提取信息用以拓展有限的有标数据集。最终通过实验证明使用多个有明显差异性的机器学习方法组合时可以提高系统的性能,协同训练算法可以利用无标数据提供的信息来优化系统性能。