随着科技的迅速发展,人们逐渐习惯使用电子设备进行阅读,使得越来越多的新闻在互联网上广泛传播,由此导致新闻领域的信息过载问题日益严重。与此同时,虽有许多新兴自媒体不断诞生与发展,但其内容质量参差不齐,因此,监控其舆情信息也显得尤为重要。基于此,针对新闻领域的情感摘要技术应运而生。本文在传统文本摘要模型只考虑语义信息的基础上,充分考虑文本的情感信息,提高摘要的质量及其情感倾向的准确性。旨在精简新闻领域的大量冗余信息,减少读者的阅读疲劳;辅助解决文本创作者对于标题或者副标题的创作难问题;同时给网站运营者对于网站的整体舆情监控提供帮助。本文主要研究内容如下:（1）本文建立了一个新闻领域的情感摘要数据集。将网络上开源的数据集合并,以文本长度和句子数量等条件对数据集进行压缩,再使用情感分析技术对其数据集进行情感标注和二次压缩,形成最终的情感摘要中文数据集。（2）提出抽取式情感摘要模型。结合多特征和Lex Rank双层图模型建立一个抽取式文本情感摘要模型。即在考虑文本多特征的同时,建立基于情感相似度和语义相似度的Lex Rank双层图,以此得到候选摘要,再利用最大边缘相关算法进行修正,得到最终文摘。通过新建立的数据集进行模型训练,得到相应的实验结果,再利用此结果与其他算法进行对比验证。（3）提出生成式情感摘要模型。以编码-解码模型为基准,设计一个生成式的情感摘要模型。在编码器层融入语义信息和情感信息,并利用注意力机制解决中间状态向量可能会丢失早期携带信息的问题,利用指针生成网络解决未登录词的问题,利用覆盖机制解决信息重复的问题,并对此做出一些改进。最后利用新建立的数据集进行训练并与其它算法进行对比。（4）建立新闻领域的情感摘要系统。利用抽取式情感摘要模型、生成式情感摘要模型和情感分析模型建立一个新闻领域的情感摘要系统。通过普通用户页面和后台管理页面,设计并实现文本摘要生成和文本情感倾向分析等功能,为不同受众提供多样化服务。