自上个世纪50年代以来,随着自然语言处理技术的日趋完善,自动文摘取得了丰硕的成果。到20世纪90年代,随着Internet的开通并在全世界范围内的普及,自动文摘的价值充分显露出来,越来越多的学者纷纷开始从认知心理学、情报科学、计算语言学、社会学等各个方面对其进行研究,开辟了许多有关自动文摘的新方向。目前,机器学习、神经网络、人工智能等方法也被引入到自动文摘的研究中,使得自动文摘的研究进入了前所未有的繁荣期。尽管如此,自动文摘还存在很多期待解决的问题。例如,对全局性语义知识的表示,文本特征的选择与融合,文本话语结构的理解,以及对自动文摘系统的自动评测,都是自动文摘面临的挑战。本课题研究的目的在于从语义信息的量化模型出发,引入神经网络中的Kohonen自组织映射算法选择和融合文本特征,运用潜在语义索引中的奇异值分解方法挖掘语义信息之间的潜在关系,从语义聚类的角度来生成摘要,达到对已有自动文摘系统的改进。本文应用自组织映射算法从语义相似性的角度来生成摘要,但还未对文本进行话语结构的分析,从而未应用基于衔接和连贯的修辞方法对摘要进行去毛与润色。本文的研究内容主要包括以下几个方面:(1)为了表示全局的语义信息,本文采用了语义信息的量化模型,用语义矢量来表示和存储文本的语义信息。(2)运用潜在语义索引中的奇异值分解对存储的语义信息进行空间降维,从而降低计算的复杂性;同时挖掘语义信息之间隐含的内在联系,剔除可能存在的干扰信息。(3)引入自组织映射算法,对全局性的语义矢量进行训练,生成自组织映射网络。利用自组织映射网络对文档进行聚类和仿真,从语义相似性的角度生成摘要。(4)实验与结果分析。