本发明涉及一种自然语言的摘要生成方法，属于自然语言生成领域。本发明方法首先对基于最大熵隐马尔可夫的分词模型进行了优化调整；然后对seq2seq模型中Encoder部分隐层神经网络节点的输入门和遗忘门加入自适应权重调整权值，动态的调整隐层节点在不同时刻对上一时刻信息的更新和保留程度；其次在Seq2seq模型中Encoder部分训练时，基于条件信息熵来得到系统的损失函数，并利用由空间权重和数值权重组成的自适应动态惯性权重对函数进行调整；最后优化了基于改进核心词的注意力机制和解码端新词生成概率的计算公式方法，并改进了解码端模型中的覆盖损失。对比现有技术，本发明可以很好解决摘要生成速度过慢等问题，提升摘要生成的流畅性和实用性。