随着互联网上信息指数级的增长，信息爆炸已经成为一个很严峻的问题。面对大量的包含重复信息的网页，想要有效地获取所需信息变得越来越困难。如何向用户提供简洁全面的信息、提高人们获取信息的效率倍受研究者关注，因此多文档文摘成为了一个十分受关注的热门研究课题。　　多文档文摘是为了达到特定用户或任务的要求，从多文档集合中提取重要信息生成精简版本的过程。本文重点研究了中文多文档文摘中的几个关键技术：句子加权模型、文摘句的选取以及文摘句的排序。具体地讲，本文对以下几个方面进行了研究：　　1.对句子的加权模型进行了研究，利用对数似然比实现了主题词的自动抽取，给出了融合词汇特征、位置特征、句子长度特征的句子加权模型。实验表明，基于主题词的句子加权模型能够有效地赋予重要句子以较高的权值，从而能够生成覆盖性较好的文摘。　　2.在文摘句的选取部分，提出了一种新的文摘句优选方法，该方法通过在一个较大的集合范围内逐个删除包含重要信息少的句子直到指定长度，使得生成的摘要能够最大程度地包含重要信息而且冗余信息较少。分别在中、英文语料上做了实验，对比了各种参数下的实验结果，证明了所提出的算法的有效性。　　3.文摘句的顺序对用户能否正确理解原文的意思有很大影响，因此本文对文摘句的排序方法进行了研究。对现有的排序方法进行了探讨，重点分析了Majority Ordering算法，提出了一种基于内聚度的、自底向上的中文多文档文摘句子排序方法。实验结果表明，该方法要优于Majority Ordering算法。