随着信息技术发展变化的脚步日益加快,互联网应用已经同社会生活的方方面面密不可分,而随之而来的信息爆炸情况也出现在各个领域。在互联网不断发展更新的同时,如何从海量数据中准确而快速的获取到人们所需要的信息,成为一项亟待解决而又具有挑战的任务。多文档自动文摘技术是一种能够从大量数据中快速提取有用信息的工具,在面向海量文本数据的处理工作中具有较高实用价值。本文首先分析了国内外自动文摘系统的研究现状,针对现有自动文摘系统中常用的主题模型进行了分析和理解,通过探讨现有模型的缺陷和不足,本文提出了将观点挖掘的方法引入到主题模型的构建中,通过抽取文本中代表观点信息的二元词对组合,对文档的中潜在的主题信息与之进行关联并建模,并以此模型为基础设计了更高效的多文档自动文摘系统,在系统中提出对主题的重要度的计算方法,对句子的权重计算进行了融合多重文本特征的细致定义,并对文摘抽取工作中的冗余控制技术加以改进。本文的主要研究工作由以下三部分组成:(1)通过对观点挖掘技术的分析和研究,探讨了观点信息与文档主题之间的潜在联系,以传统LDA模型的思想为基础,将观点信息引入到对文档主题的建模过程中。首先对文档中的句子进行依存关系的句法分析,进而提取文本中代表观点实体与其对应观点内容所构成的观点信息词对,继而通过将文档的建立抽象为围绕着观点信息展开的文字生成过程,设计了并构建了融合观点信息的主题模型——观点主题模型OTM(Opinion Topic Model)。(2)在多文档自动文摘的任务中,采用观点主题模型OTM对文档的主题进行更准确的提取,并融合多种文本特征对句子重要度进行更细致的设定,其中包括主题的重要度、词语的重要度、线索词、位置信息等特征,同时在文摘句抽取的工作中,提出了基于语义相似度的冗余控制方法,进而构建了信息覆盖率更高、内容冗余度更低的的多文档自动文摘系统。(3)针对本文提出的观点主题模型以及多文档自动文摘方法,在京东评论数据集与DUC2007数据集上分别设计并进行了实验,通过实验证明了本文构建的观点主题模型能够通过模拟文本生成的过程,更好的对文档隐含的主题进行建模,相比传统方法本文构建的主题模型具有更小的困惑度,模型所获取主题连贯性;基于观点主题模型的多文档自动文摘系统,能够生成主题覆盖性较高、信息冗余性低的高质量文本摘要。