实现自动生成文章摘要概要工具，让读者更快的了解文章

实现该接口主要是利用nlp自然语义识别技术，对文章内容进行机器语义识别后，根据提供概要长度的要求生成对应的文章摘要。

（体验请点击源文地址进行实际测试使用）

自动摘要（Automatic Summarization）的方法主要有两种：Extraction和Abstraction。其中Extraction是抽取式自动文摘方法，通过提取文档中已存在的关键词，句子形成摘要；Abstraction是生成式自动文摘方法，通过建立抽象的语意表示，使用自然语言生成技术，形成摘要。由于自动摘要方法需要复杂的自然语言理解和生成技术支持，应用领域受限。抽取式摘要成为现阶段主流，它也能在很大程度上满足人们对摘要的需求。

目前抽取式的主要方法：

基于统计：统计词频，位置等信息，计算句子权值，再简选取权值高的句子作为文摘，特点：简单易用，但对词句的使用大多仅停留在表面信息。

基于图模型：构建拓扑结构图，对词句进行排序。例如，TextRank/LexRank

基于潜在语义：使用主题模型，挖掘词句隐藏信息。例如，采用LDA，HMM

基于线路规划：将摘要问题转为线路规划，求全局最优解。

以上只是基于理论的实现，实际应用中受限于运算能力、模型构造及第三方干扰因素的影响，实现起来没有达到完全自动的程度，但作为一般的辅助类应用，也仅足够提供参考的水平。