1）對于某個文檔進行分句

2）對于每個分句使用Word2Vec等工具進行向量化（Word Embedding），

3）將句子中的每個詞或詞組的Word Embedding直接累加，從而獲得句子的Word Embedding表示；

4）把每個句子的WordEmbedding直接累加獲得整個文檔的Word Embedding。

如圖1所示，這樣文檔和句子都以Word Embedding的低維度向量來表示，這個向量分別代表了文檔和句子的語義信息。

圖1.根據(jù)句子word Embedding獲得文檔Word Embedding

*摘要句子抽取過程，其基本思路是非常簡單的：哪些句子在語義上與文檔整體語義更相似，那么就選哪些句子作為摘要句。

具體實現(xiàn)流程如圖2所示。就是直接用每個句子的語義向量和文檔整體語義向量來通過Cosine距離計算兩者之間的距離，分值越大，說明這個句子在語義上越和文檔整體語義越匹配，那么就越有代表性。當每個句子都算出和文檔整體語義的語義相似性得分后，根據(jù)得分由高到低排序，并按需要輸出一定數(shù)量的句子作為文檔的摘要。

圖2. 摘要計算流程

參考：https://blog.csdn.net/malefactor/article/details/51264244