随着互联网和信息社会的发展,网络上的电子信息量剧增,如何准确及时地获取有效的信息变得越来越重要。文摘作为文献核心内容的概括,能够很好地帮助人们快速高效地挖掘有用信息,提高对信息的辨别和接收效率。因而,在自然语言处理的研究领域里,自动文摘技术成为这些年来的一个热点。本文首先介绍了文摘的定义与概念、自动文摘的国内外研究现状、主要研究方法和核心关键技术。然后针对自动文摘方法中较为重要的关键词提取环节,提出了基于Word2vec的关键词抽取策略,然后将关键词抽取应用于自动文摘研究中,提出了一种基于关键词过滤和篇章结构的自动文摘算法KS-TextRank:(1)通过Word2vec工具训练词向量模型,得到词语间的相似度,并利用相似度优化图节点的初始权值,进行同义词的归并,产生了更优质的关键词集,使得词语间的关联表现得更加全面,改正了传统关键词抽取方法对词语间关联度体现不足的缺点。(2)运用改进方法提取到的高质量关键词集,过滤掉候选文摘句子集中的不相关句,提高候选句子集的主旨关联度和精度。同时,依据句子本身位置信息和章节标题相似性等信息,优化排序算法的节点权值,提升自动文摘的质量。最后,本文采用人工采集并处理的论文语料和哈尔滨工业大学信息检索研究中心的单文档自动文摘语料,从原文摘要相似度、准确率、召回率、文摘均匀度等方面详细对比分析了三种文摘抽取方法。第一种是传统的TextRank自动文摘算法,第二种是采用共现窗口提取关键词的KS-TextRank算法,第三种是采用词向量提取关键词的KS-TextRank算法。实验表明,本文提出的KS-TextRank方法相比传统的TextRank算法,文摘质量有了显著提升,而且本文提出的基于词向量的关键词抽取方法也优于传统方法。