万物互联时代的到来,海量的数据和服务触手可及,带给人们诸多便利。在线医疗服务是众多线上服务中的一种,越来越多的人开始享受在线医疗服务,体验足不出户解决基本健康困扰。但是,随着接触信息的增多,也会出现信息过载,人们变得难以有效处理各类信息。如果能够通过文本摘要技术对在线医疗平台中的问诊记录进行精炼,医生、患者或者健康信息搜寻者都将获得更好的服务体验。近些年来,文本摘要技术倍受研究者的关注,伴随着自然语言处理技术的发展,文本摘要技术也有了很大的提升。TextRank算法是文本摘要技术中非常经典的一种基于图的方法,TextRank算法对文本语句排序的思路借鉴自谷歌用于对网页进行排序的PageRank算法。TextRank算法把文本拆分成语句,然后以语句为结点,构造无向有权图,结点之间边的权重用语句之间的相似度来表示。给定各个结点初始值,然后按照一定规律进行迭代,直至算法收敛。然后根据结点的值对语句的重要程度排序,选择重要程度靠前的语句构成摘要。本文研究在线问诊多轮对话文本的摘要方法,实现了经典的TextRank算法,并在此基础上进行算法优化。TextRank算法中,最核心的是语句之间相似度的计算,经典的TextRank算法通过统计共现词来计算语句相似度,本文的优化体现在通过预训练模型ERNIE实现语句向量化,然后计算余弦相似度作为语句的语义相似度。再进行一些其它的优化,从而算出语句的重要性并抽取构成摘要。本文的实验数据是从好大夫在线平台采集的19种疾病的问诊记录,预处理后的有效样本数据有14899条,并且每一条都含有医生写的病情摘要与结论。本文将每条样本中多轮对话的全部语句、不包含患者病历资料的语句以及只包含医生发出的语句分别作为输入数据,用经典的TextRank算法和改进后的算法进行摘要,最后通过ROUGE-L对输出的摘要质量进行评价。结果表明,改进后的算法的摘要效果有一定的提升。综合分析评价结果后,对在线问诊服务应用文本摘要方法提出了建议。