互联网领域技术高速发展，产生了大量的网络数据，用户迫切需要以较快较准确的方法获取文本的核心信息，而搜索引擎给出的信息依然过多、过滥，用户很难通过搜索引擎快速准确地定位到所需的信息，由此推动了自动文本摘要技术的产生。自动文摘的本质是信息的抽象和减缩，它的研究已经延伸到各个领域，应用需求带动研究发展，自动摘要对满足人们快速获取信息的需求有重要作用，因此对它的研究有重大的应用价值。　　首先，本文提出了一种结合LDA和谱聚类的多文档摘要方法，考虑了文本的重要性和主题重要性，主题模型LDA（潜在狄利克雷分布）为句子建模，通过发现文档的主题词确定文本重要性，谱聚类确定主题重要性，两者结合提高摘要质量。在此基础上提出了一种改进方法，SVD降维消除主题数目不定导致的噪音数据，结合图排序方法重新确定主题重要性，参数调节使摘要效果更好。通过ROUGE自动摘要评测工具包的评测，结果表明，后者在摘要评测结果上提高更多。　　其次，本文提出了两种动态的摘要方法，两种方法针对不同的动态数据，前者同样由LDA建模，发现主题词，结合更新数据与旧数据的主题词，仿射传播聚类重新为句子选定合适主题数目，抽取数据集合并后的摘要。后者是实际的系统应用，效率更高，TF-ISF和向量空间模型为句子建模，累加相似度寻找新旧数据的差异性，从差异数据中提取摘要，系统界面显示此方法能很好的找到文本的中心思想。