随着因特网的快速发展,海量的Web数据资源已经成为人们获取知识与信息的重要来源。而随着Web信息的日益增长,人们不得不花费大量的时间去搜索浏览自己需要的信息。目前,在现有数据集合中文本和超文本的数据量远远超过了结构化数据,最近研究表明,一个组织的信息有80%是以文本的形式存放的。随着信息资源的不断增长,人们迫切需要从海量的文本信息中有效地收集和选择感兴趣和有用的信息。在这样的需求驱动下,文本数据挖掘成为数据挖掘领域中的一个热点及难点。本论文的研究内容是面向Web文本挖掘的中文文本自动摘要关键技术的研究与系统设计。通过自主开发的中文文本信息提取系统,重点讨论了当前流行的Web文本挖掘以及中文文本自动摘要的核心技术,简述如下。中文分词技术：考虑到中文数据的特点,采用了基于“词元”的分词算法实现文本分词。中文文本的关键词提取技术：利用分词的结果采用基于统计学的方法实现关键词的提取。中文文本自动文摘技术：本文针对中文文本信息,在实现自动文摘现有方法的基础上,提出了一种基于统计方法分析文本,通过结构分析分主题提取摘要,利用启发式规则对摘要进行可读性加工的自动文摘方法。本文的主要工作和主要创新点在于：①提出了一种切实可行的自动文摘方法；②提出了选取构建文本向量空间项的新方法,利用若干最高权重关键词而不是全部单词,解决了信息分散的问题；③设计了新的主题划分方法,主题数随文本结构的不同进行动态调整,较科学的进行了主题划分；④提出了关键词的全局权重、局部权重和主题权重的概念,针对各类权重提出了适合的权值计算方法,解决了依赖大语料库的困难。针对以上研究成果,本文描述了原型系统的设计实现细节。