作为世界最大的在线百科全书,维基百科(Wikipedia)提供了大量人工编辑的文章,每篇文章都描述了一个著名或者流行的概念(Concept)。本文首先根据Wikipedia文章内容形式的不足之处,提出了为Wikipedia的文章发现高精度,高召回率和高多样性的图片这样一个问题,并且提出了一个综合的框架来解决这个问题。在这个框架下,本文提出了为每篇文章的不同段落生成查询的方法,并且介绍了两种方法来对获取的图片进行排序。实验结果显示本文的方法能够有效的为Wikipedia的文章发现高精度,高召回率以及高多样性的图片,同时,综合考虑图片之间相似度以及图片和段落相似度的方法达到的效果最好。其次,本文根据Wikipedia覆盖面的不足之处,提出了为任意Concept自动生成wikipedia文章的问题,以及解决这个问题的一般性的框架。在这个框架下,本文首先提出了一个Template的模型,这个模型能够有效的刻画Wikipedia一个类别文章之间共有的特点。之后,本文为每个类别学习出了Template。在此之上,对于给定的概念C,可以根据它的Wikipedia兄弟概念,为C选择最佳的Template,基于这个Template,可以构建查询直至最终生成文章。实验结果验证了本文的框架足够一般性来支持任意领域的Wikipedia文章的生成,同时,综合了输入概念同兄弟之间的语义关系以及Templates质量这两个因素的方法能够达到最好的效果。