互联网的飞速发展促进了信息处理技术地不断进步。面向查询的多文档自动文摘技术任务是基于特定的查询,将大量的查询结果文档中的相关内容浓缩为一个既与查询相关,并且内容简洁、满足个性化需求的文摘,它能够回答查询提出的问题,因此更具有针对性,更能适应当前互联网环境下对信息获取的个性化需要,因为它既考虑到了用户的查询条件,又考虑了文档集包含的主要内容。本文的主要工作包括以下几个方面:第一,本文提出了一种以关键词语抽取为核心的文摘句选择策略。通过查询扩展相关技术得到相关多文档集中词语的查询相关性特征,利用最大似然估计得到语料中词语的话题相关性特征,并将这两个特征值进行特征线性融合得到词语的重要度以确定关键词语。然后通过关键词语重要度来给候选句打分,进一步利用改进的MMR(Maximal Marginal Relevance)技术来调整候选句的总得分,最后挑选出文摘句。本文将特征融合引入到词语层面,能够在更细的层面上刻画出句子信息,能够选择出更符合需要的文摘句。第二,本文提出了一种聚类与模板融合的文摘句排序策略。将文摘句集合聚类成子话题集可以保证文摘句的话题不中断,根据文档的文摘代表性选择模板来为文摘句排序可以保证文摘句在逻辑上是连贯的。子话题间采用子话题在模板中的相对位置进行排序,子话题内采用文摘句在模板中的绝对位置进行排序。实验结果显示,本文所提出的方法有效地提高了文摘的可读性。实验结果表明,以关键词抽取为核心的文摘句选择策略和聚类与模板融合的文摘句排序策略都取得了比较好的效果,有效地提高了文摘的质量。