5G时代的到来,加速了互联网以及各种智能终端的蓬勃发展,极大满足了人们的网络需求。然而,随着产生的文本数据越来越多,人们很难高效地获取其中关键的信息。这不仅影响着人们的阅读体验,也会大大增加人们在时间和精力上的损耗。因此,研究出一种高效的自动文本摘要技术具有十分重要的意义。本文针对对话文本这类特殊文本数据,基于自动机器学习领域下的神经网络架构搜索技术提出了 一种对话文本摘要生成方法,具体研究内容如下:（1）针对对话文本主题离散的问题,本文基于自监督学习和神经网络架构搜索技术（NAS）提出了一种对话文本主题划分方法。为了根据主题信息将对话文本划分为若干段落,本文提出一种自监督对话文本分段模型,并基于强化学习的神经网络架构搜索方法设计了一种新型循环神经网络（RNN）结构,来提高分段模型对对话文本语义信息的捕获能力。最后针对生成的离散段落实现了一种主题段落聚类算法,该算法可以将描述同一主题内容的段落聚在一起。通过实验,表明了本文提出的方法能有效地将对话文本中的主题信息划分出来。（2）为了根据划分后的主题段落来生成对话摘要,本文结合Transformer和生成对抗网络（GAN）提出了一种对话文本摘要生成模型,设计了生成网络和判别网络的搜索空间,并基于可微的神经网络架构搜索方法实现了整体网络的联合搜索过程。通过在公开对话数据集上的实验对比,论证了本文提出的对话文本摘要生成方法的有效性。（3）针对客服系统对工单摘要生成的需求,本文基于提出的对话文本摘要生成方法设计了一个客服工单摘要系统,并实现了工单摘要生成的相关功能。该系统旨在帮助客服人员高效地记录工单摘要,从而提高客服人员的工作效率。