近些年来,百度贴吧,天涯,猫扑等中文社区一直是国内成千上万在线用户的思想聚集地,这些具有相同兴趣爱好的用户在社区里时刻分享和传播那些发生在身边有趣和有意义的即时信息。社区中涉及科技、娱乐、明星、电影等各个领域的信息,庞大的信息量和分散多样的信息中蕴含着宝贵的有用价值,但同时也很容易让用户淹没在这浩瀚的信息海洋中。面对着海量的数据,用户往往需要耗费大量的时间才能理清事件的脉络。瞬息万变、实时更新的信息也让用户很难及时捕捉和了解到话题的进展情况。如何让用户快速便捷地理清事件的发展,已然成为一个急需解决的问题。因此,在分析中文社区的信息特点的基础上,本文提出了实时故事线脉络系统来提升用户在中文社区中的体验。本文主要内容如下:首先,采用了完全重复去重和相似度去重的组合方式来对大量的冗余数据进行了过滤,减轻构造图模型时的难度。并使用综合文本相似度的方法从时效、社交、语义等多个因素来考虑文本相似度的计算,更好的提升了文本相似度计算的精确度。接着利用基于as-bs的检索模型来对热门话题进行帖子相关性的计算,以便将更为精准的权重应用到算法中,更好的提升摘要的质量。这些工作都是为实时故事线脉络的生成提供良好的基础。其次,本文利用线性规划的单纯形法来将多文档摘要问题转化为一个求解凸二次优化最优解的问题,在一定的约束条件下得到最有代表性的文本集合作为摘要。面对实时更新的数据流,我们对单纯形法进行改进,提出一个在线单纯形法算法来应对数据流,生成一个实时的文本摘要。最后基于生成的文本摘要,我们利用有向斯坦纳树算法来增加一些平滑点让文本摘要在时间上和结构上变得更加条理清晰和通顺连贯,并利用在线的有向斯坦纳树算法来对保证故事线的不断更新,维持实时的故事线便于用户及时清晰的了解事件的发展动态。本文利用多组对比实验和用户评估来证明我们算法的可行性和有效性。