随着计算机和互联网技术的迅速发展和普及，人们获得的信息日益丰富，如何从这些丰富的信息中快速、准确的获取有用的信息，如何从海量的文档中抽取出事件发展的趋势报告等变得越来越重要，客观需求使多文档自动文摘成为自然语言处理领域的一个研究热点。　　目前在多文档文摘的主要建立在单文档文摘的基础上，但这种做法主要关注文档内部的关系，忽略了文档间的联系，因此在抽取多文档文摘上存在着其先天不足，如何平衡主题文摘覆盖率与冗余度是本文的研究重点。本文采用两种方法抽取中文新闻多文档文摘，基于主题的方法和基于聚类的方法，主要研究工作如下：　　1)针对中文新闻的特点提出了一种联合权重算法建立向量空间模型，两种方法均采用此方法产生的向量空间模型，考虑到了新闻报道的时间、标题等特点，克服了采用原始的TF*IDF建立向量空间模型的弊端。　　2)基于主题抽取的方法中采用HOWNET来计算文档主题聚合度，在聚合度的基础上进一步的获取文档间的相关度及文档主题重要度等特征，采用以MMR为基础针对中文新闻文档的方法抽出主题文档，进而抽选出主题文摘。　　3)在分析基于主题抽取方法在处理文本多样性上的不足后，采用了基于聚类的方法，用语义向量空间代替文本向量空间解决了同义项合并的问题，提出最大覆盖圆的概念改进了K-means聚类算法，使其能够自动的确定初始主题单元的数量。　　上述两种方法是对多文档文摘技术的初步探索，取得了一定的成果，通过大量的实验，并进行大量的横向、纵向的对比，找到各自的优缺点及所适应的语料特点。相信中文新闻多文档文摘技术会有更大的发展空间。