随着搜索引擎技术的发展,人们能够通过搜索引擎方便的得到自己想要的各种信息,无论哪方面的内容,这些搜索引擎都能帮助人们快速地找到相关的网页。用户只需输入一些关键字,它们马上就会搜索出相关的网页。但搜索引擎不能提供给用户简洁、直接的答案,用户很难快速准确地定位到所需的信息。自动文摘技术的目标是致力于将信息全面的、简洁的文档直接呈现给用户,提高用户获取信息效率,所以说自动文摘技术的重要性是不言而喻的,它的应用前景将非常广泛。针对目前中文自动文摘冗余度过高的问题,本文将潜在语义分析,HowNet概念抽取与句子聚类方法相结合。利用潜在语义分析与HowNet概念抽取来计算句子相似度。在进行潜在语义分析的时候,对词频矩阵进行了加权转换,提高了句子相似度计算的准确性。研究了目前主流的句子聚类算法,对比分析了层次聚类算法与划分聚类算法的优点与不足,提出了一种新的混合聚类算法。将层次聚类算法(Agnes)与K-中心聚类算法(K-Means)相结合对文本中的句子进行聚类,提高了文本主题划分的准确性。设计并实现了一个原型系统来验证本文所提出的方法,并在此原型系统的基础上设计了两个实验。实验一比较了两种句子相似度计算方法所得文摘的准确率与召回率;实验二则比较了三种聚类算法的聚类划分准确度。最后对实验结果进行了详细的分析。