随着互联网时代的不断发展,越来越多的用户在各种网络平台上获取信息,使得网络上的各种文献资源呈指数上升趋势。在当前快节奏的生活中,为了让用户能够快速高效地获取感兴趣的信息,必须将长文本信息压缩成内容凝练的短文本。文本自动摘要生成技术就是通过训练自动摘要生成模型将长文本压缩成内容凝练的摘要。本文研究了传统TextRank模型和基于Word2Vec的TextRank模型,经过实验对比分析,总结了目前抽取式摘要算法的不足。针对长文本,本文在TextRank图模型中引入了目前NLP领域最新成果BERT模型,并结合K-Means聚类算法提出融合模型KMBTR,该模型可以有效提高抽取摘要的质量。本文的主要研究工作如下:(1)文本建模和相似度计算本文采用两种文本表示模型来对长文本建模。第一种是基于神经网络的Word2Vec模型,该模型通过提取文本的语义特征将文本向量化表示。第二种是基于预训练的BERT模型,该模型在训练阶段使用海量的训练语料以及更强的特征抽取器,可以抽取更深层次的语义特征,能够更准确的表示文本。本文对比了两种向量距离计算方法,余弦相似度能够更加准确的衡量两个句子的相似程度。(2)基于TextRank的自动摘要算法传统TextRank算法存在不足。一方面,通过计算文本间共现词出现的频率来衡量句子相似度,并没有深入挖掘文本的语义特征,效果不尽人意;另一方面,摘要冗余问题严重。通过研究传统的TextRank算法,本文采用神经网络模型Word2Vec将文本向量化,将句向量之间的余弦相似度值作为TextRank图模型对应边的权重,然后通过TextRank模型得到句子排名生成文本摘要,最终采用MMR算法对摘要进行去冗余处理。(3)改进TextRank自动摘要算法Word2Vec模型的网络结构比较简单,无法抽取更深层次的语义特征。为了进一步提升抽取摘要的质量,本文将目前最先进的自然语言处理模型BERT应用到自动文本摘要生成中。BERT模型对文本建模能够准确表达文本含义,提高TextRank算法权重的准确度,提升摘要质量。针对摘要冗余,本文引入K-Means聚类算法对长文本聚类,就可以在抽取摘要之前降低文本冗余信息。结合这两点改进思路,本文基于K-Means、BERT和TextRank提出了融合模型KMBTR并将其应用于视频会议纪要生成。