随着网络的迅猛发展,手工撰写摘要形式已经不能满足现在飞速发展的信息时代的要求,一种更快,更全的摘要形式的出现迫在眉睫,自动文摘应运而生,自动文摘是使用计算机提取原始文本摘要,首先人工将非结构化自然语言转化为计算机能够识别的结构化机器语言,然后进行文本的分析、文摘的提取最后自动生成文本的摘要,至此,文章的主题以摘要的形式提供给用户,使用户无须通读全文,就能找到自己需要的文章,大大节省了用户获取有意义内容的时间,从而提高了工作效率。潜在语义分析(LSA)是一种新的信息检索代数模型,它使用统计计算的方法对大量的文本集进行分析,从而提取出词与词之间潜在的语义结构,并用这种潜在的语义结构,来表示词和文本,到达消除词之间的相关性和简化文本向量实现降维的目的,本文将LSA理论应用到自动文摘系统中,大大提高了系统的质量。聚类是将一组对象划分成若干组或类别,简单的说就是相似元素同组、相异元素不同组的划分过程,本文研究的是单文档段落聚类,既是将一系列段落划分成多个子集或簇,其目标是建立类内紧密、类间分离的多个簇。本文提出了一种基于潜在语义分析(LSA)和段落聚类结合的自动文摘系统,首先将语义相似的几个段落聚类,然后从每个段落聚类中找出最能够表达主题的句子摘出作为文本的初始文摘,最后对生成的初始文摘句进行润色加工,生成最后的文摘。本论文的特色之处:利用LSA计算句子之间的相似度,将层次聚类和k-means聚类算法相结合进行段落聚类,这样使句子相似度的计算和段落聚类的划分更准确,最后对候选文摘句进行优化处理,加工润色,经过试验对比验证,证明本文设计的系统较传统的基于统计方法的自动文摘系统生成的文摘质量更精确、更全面、更简洁。