随着互联网和搜索引擎技术的发展普及,人们对于如何在庞大的互联网上高效地获得有价值的信息日益关注。文档自动摘要技术作为人们挑战信息爆炸式增长与信息有效利用之间矛盾的重要武器,受到世界的广泛认可。目前国际上许多学校和企业都在进行文档自动摘要技术的研究,并取得一定成绩,也产生了各种各样的自动摘要应用系统。但在我国,文档自动摘要技术发展历史比较短。我国文本摘要技术的发展研究还处于初级阶段。国内主要研究基于统计的方法,例如向量空间模型的摘要系统Vector Space Model。而基于语义的研究较少,一是由于语义对于语言学的研究要求较高,还有各种语料库的建立,语义词典的开发相对国外比较落后,因此本文对于语义方面做单文档摘要进行研究。单文档自动摘要的目标是在原始的文本中通过摘取,提炼主要信息,提供一篇简洁全面的摘要。已有的方法大都是通过统计和机器学习的技术从文本中直接提取出句子。本文主要研究基于语义的单文档自动摘要。首先研究了基于语义的词语相似度计算和句子相似度计算。在此基础上,提出了改进型K-Medoids摘要系统和对称非负矩阵分解的摘要系统。通过两个系统与以往的系统进行试验比对,我们的方法提高了单文档摘要的质量。