随着社会进入信息时代,网络上巨大的信息量使得如今用户想要快速检索有效信息变得十分困难。自动文本摘要技术的出现解决了上述问题,但是传统的自动文本摘要技术受限于各种条件,导致难以生成准确率高、语句通顺并且简洁的好摘要。本文以上述问题为着手点,主要研究如何提升中文自动文本摘要的质量,具体研究内容如下:1.提出了基于语义理解的生成式文本摘要模型。传统中文文本摘要模型难以利用原始文本实体间的关联,导致生成的摘要准确率低。针对这个问题,本文利用原始中文文本构建文本语义理解图,增强了文本实体与其相关内容的关联性。同时为了使文本语义理解图有效地融入到模型中,我们改进了基于图注意力机制的文本语义理解图处理器。最后设计了融合文本和图信息的解码器,使得模型在生成摘要时融合文本编码信息与构建好的语义理解图信息,从而增强了模型生成摘要的准确性。我们在LCSTS数据集上进行对比实验,证实了模型的有效性。2.改进了基于语义理解的生成式文本摘要模型。针对模型生成摘要不够简洁的问题,我们从两个方面进行改进:一是改进了对比注意力机制,使得模型可以专注于原始文本中的重要信息,二是使用BERT作为模型的嵌入层,使模型可以有效地提取出原始文本中的特征。最后通过对比实验证实上述改进提高了生成摘要的简洁性。3.基于本文工作,设计并实现面向中文新闻领域的自动文本摘要系统。系统以本文提出的算法模型为核心,基于B/S架构,实现了前端展示层、通信层和自动摘要业务层,并且系统功能齐全、界面友好。本文经过对系统进行测试表明,该系统可以进行高质量的新闻摘要生成,满足实际应用需求。