为加强进出口纺织原料的质量安全管理,山东检验检疫技术中心需要从媒体、论坛、博客、微博等网站里获取进出口纺织原料质量安全信息,并对信息进行统计、剖析、评估和上报。论文针对进出口纺织原料的质量安全管理工作的实际需求,分析、设计并实现“进出口纺织原料自动文摘系统”,主要的研究工作如下:(1)针对现有中文分词算法中歧义切分正确率低的问题,提出了一种新的分词算法—TD-MD算法,该算法将基于统计的互信息与t-信息差线性叠加来切分歧义,以提高歧义切分正确率。通过编程对《人民日报》的两大语料库PDA9801和PDA9802进行实验,实验结果表明:TD-MD算法歧义切分的正确率相较于互信息算法、t-信息差算法平均提高了 2.72%、5.95%。(2)针对LDA主题模型提取的文摘质量低这一问题,研究并提出了基于隐马尔科夫主题模型的文摘提取算法—HTMM算法,该算法引用相对熵来计算句子-主题分布与文档-主题分布的相似度以选出候选文摘句,结合文档内容的多个特征对候选文摘句重新排序提取文摘句。通过文摘质量评测工具ROUGE评价器对HTMM算法与LDA文摘提取算法进行比较,结果表明:关键信息覆盖率评测指标方面提高了 0.14166,文摘可读性评测指标方面提高了 0.02619。(3)在算法研究的基础上,采用OO和UML技术,分析、设计并实现了“进出口纺织原料自动文摘系统”。该系统实现了对进出口纺织原料质量安全信息的数据爬取、数据预处理、数据上传、摘要查询、摘要分析评估等功能。本文所研究的TD-MD算法和HTMM算法提高了文摘的质量,对于其它Web文本自动文摘算法的研究与实现具有一定的参考和借鉴价值,研发的系统符合进出口纺织原料的质量安全管理工作的实际需求,提高了质量安全管理工作的效率和质量。