隨著Web2.0的迅猛發展，各種用戶原創內容爆炸式增長，造成了互聯網上嚴重的信息過載，使得有價值信息的獲取愈發困難。自動摘要技術能夠從海量文本中抽取出最為重要的語句，形成高度概括原文主旨的精煉短文，能夠有效地緩解信息過載。

　　總體而言，自動摘要分為基于抽象的自動摘要和基于抽取的自動摘要?；诔橄蟮淖詣诱苤朴谧匀徽Z言處理的瓶頸，實現相對困難。目前主要的研究和應用集中在基于抽取的自動摘要，又稱節錄式摘要，計算文檔中句子的權重并進行排序，從中抽取高權重語句生成摘要?，F有工作中對句子權重的計算主要分為兩種思路：通過詞的權重推測句子的權重或通過句子特征計算權重。事實上，文檔中的詞與句是不可分割的整體，充分考慮詞句之間的協同關系有助于進一步提高自動摘要的質量。本文面向單文檔自動摘要，將文檔建模為以句子為頂點、句子間的關聯為邊的句網絡圖，以圖排序算法為基礎，重新設計迭代過程，在計算句子權重時融入詞對句子權重評分的影響，提出一種詞句協同排序（ Word-Sentence-Rank，WSRank）的自動摘要算法。實驗表明，詞的融入有助于進一步提高句子權重計算的準確性，提升摘要的質量。