随着互联网和数字化技术的迅速发展,科技文献数量呈现出了爆炸式增长趋势。文献数量的快速增长带来了信息过载问题,这对研究人员科研工作的开展提出了重大的挑战。如何从大量的文献信息中实现重要观点信息的获取和整合成为了当前的研究热点。自动文摘是自然语言处理领域的一项重要技术,能够通过计算机自动实现文档重要内容和观点信息的快速提取,达到信息压缩的目的。因此,本文针对有严格结构规范的科技文献,开展了多文档文献综述性摘要提取研究,以期帮助科研人员快速获取有用信息、减小科研投入重复和提升科研效率。基于对国内外自动摘要研究现状的调查分析以及对相关概念、方法的整理,本文从以下几个方面对科技文献综述性摘要的提取进行了深入的研究:（1）参考人工综述的部分思想和过程,提出并构建了一种综述性摘要提取方法。具体地,该方法包括文献数据准备、基于研究主题的文档划分、基于篇章修辞功能的同主题多文档摘要提取以及综述性摘要生成四大部分。首先,对某领域或主题下的科技文献做数据的获取、清洗和整理,然后在文本聚类算法K-means的帮助下实现不同研究主题文献簇的划分,接着对同主题文献做基于篇章修辞结构的摘要抽取和冗余信息的处理得到多文档摘要,最后将聚类的几个主题文献簇的多文档摘要进行整合汇总构成该领域的综述性摘要。（2）基于科技文献严格的篇章修辞功能结构这一特点,探究了基于篇章修辞结构的摘要提取方法。在篇章划分的基础上,结合Doc2vec和文本相似度计算方法分别提取每篇文献各篇章修辞结构的重要观点句形成文献的摘要。（3）对构建的科技文献综述性摘要提取方法进行了实验对比分析。首先,进行了实验语料的获取和清洗。然后,将本文的方法与常用的两种多文档摘要提取方法Sumbasic和Lex Rank进行比较。实验结果表明,本研究所提出的摘要方法优于其它两基线摘要方法,且在ROUGE-1、ROUGE-2和ROUGE-L三个评估指标上分别平均提高了0.1362、0.0499和0.00665。本文提出的针对科技文献的综述性摘要提取方法具有一定的科学性、有效性和可行性。