随着“一带一路”建设的推进,中国与越南的双边合作交流更趋密切和深入,且涉及领域范围广泛,相关新闻报道日益增多,及时了解两国共同关注的热点新闻主要内容对双边合作意义重大。本文研究面向汉越双语新闻文档的摘要生成方法,旨在对汉越双语新闻进行总结提炼,提供一个简洁流畅的摘要系统。由于涉及不同语言的文本分析,本文将着重研究多语言文本间的关联关系对于摘要生成的影响,其面临的关键问题在于如何将汉越双语文本映射到同一空间下进行关联分析,如何从大量的新闻文档中识别重要信息并加以总结。近年来深度学习模型在多个领域展现出巨大的潜力,因此本文尝试探讨在深度学习框架下提升文本摘要性能的方案,主要完成了以下研究工作:1)提出基于句子关联性注意力机制的文本摘要生成方法。单文本摘要任务旨在对文档的内容总结归纳生成简短的摘要,表达原文中最重要的信息,其关键在于模型对源文档中句子重要性评估的有效程度。为了增强文本生成模型对句子级信息的识别能力,本文提出基于句子关联注意力机制的神经网络模型构建摘要生成框架。首先,使用分层的Bi-LSTM对文档进行编码,获取句子结构向量,然后通过门控网络分析句子间的关联关系,实现句子级别的重要性及冗余性评估,最后提出将句子关联性分析融入注意力机制中解码生成摘要。实验表明,本文提出的方法在多项ROUGE评价指标上取得了较好的效果。（2）提出基于要素关联注意力机制的汉越双语新闻文档摘要生成方法。汉越新闻文档摘要任务旨在对描述同一事件的双语新闻文档集中的句子进行分值排序抽取摘要,句子的分值在很大程度上依赖于句子在多语言文档集中的显著程度,因此涉及跨语言文档集相关性分析问题,考虑到相同新闻事件的要素信息具有一致性,本文提出在神经网络的注意力机制中融合双语要素特征进行关联分析,指导摘要生成。首先,依据词嵌入的向量表示及汉越词典,分析双语文本中要素共现程度、词频、句子位置及相关性等统计特征;然后,将其融入神经网络,提出基于双语要素的注意力机制设置句子重要性回归分值;最后,选取得分高的句子并依据相似性进行冗余筛选生成摘要。实验表明,本文提出的方法取得了较好的结果。（3）搭建汉越双语新闻文档摘要原型系统。摘要系统可同时分析提炼双语新闻文档集,自动选取与源文档关联性最强的内容,然后将其概括为短篇幅的文字,为用户呈现简短的概括总结。