从自动文摘任务被提出至今己将近70年,研究者们对此保持的持续的广泛的关注,特别是进入信息爆炸的互联网时代之后,基于自动文摘生成的研究热度不断在提高,相关的成果相继发表,自动文摘技术得到了长足的发展。自动文摘主要有两类生成方式:抽取式和生成式。其中抽取式的自动文摘是由原文的重要片段构成,比如句子、段落等。而生成式的自动文摘则根据原文直接对其主旨进行重新阐述。目前占据主流的是抽取式摘要,其对多语言、多领域、多风格的文档集都具有良好的适应性。生成式方法通常要用到更加复杂的自然语言理解和自然语言生成等技术从目前的研究来看效果并不理想,实用性较差。本文旨在对面向单个文档的基于机器学习的抽取式自动文摘系统进行研究和设计实现,完成自动文摘任务。在引入了深度学习的词向量特征以及多种传统的句子级别特征和词级别的特征的基础上,使用不同的协同算法对这些机器学习算法进行特征组合,实验结果表明,经过特征组合后,不同的协同算法的性能虽然有所差异,但自动文摘的性能得到有效提升。