信息化的发展在极大地提高了使用者工作效率的同时,也使得网络中的信息规模大幅度增加,不同语言、不同风格的信息在网络中大量存在。因此,将不同语言同一主题下的文档集压缩为对应语言、既包含主要信息又短小精悍的摘要异常重要,多语言多文档摘要提供了一个有效的解决方法。本文将此作为主要研究对象,旨在利用有限的语料,采用无监督的方法生成语言无关且内容准确、丰富、可读性好的摘要。本文提出了多语言多文档摘要中的语言差异、小样本、冗余度、多样性四个问题。以此为目标,定义了主题多样性和句法多样性,并将同时具有这两种性质的摘要称为多样性摘要。本文中针对不同类别的语言制定了不同的语言差异弱化方案,并将文档表示为最小语义单元序列集。在此基础上,将层次潜在狄利克雷分配和行列式点过程作为主要研究对象。基于前者,深入挖掘文档的潜在主题信息,提出了多语言环境下的层次主题特征,并针对不同领域的语料提出了多特征融合方案,以此来建模句子质量以及相似性。本文将两种方法进行融合,提出了结合句子长度的L-DPPs抽样算法、面向摘要的Sun-DPPs抽样算法和句子二次过滤算法以及最小语义单元为基本单位的Topic-DPPs算法来增强文档摘要的多样性。最终,我们提出了可扩展的无监督语言无关多语言多文档摘要框架——UIDS,并在MMS-2015、BIRNDL-17、MSS-2017相关的摘要评测语料上进行实验,验证了本文中所提出方法的有效性。