文本摘要技术的发展趋势主要包括以下几个方面：

  1. 基于深度学习的摘要方法：近年来，深度学习在自然语言处理领域取得了显著的突破，被广泛应用于文本摘要任务。传统的文本摘要方法主要依靠规则和统计方法，而深度学习可以学习到更丰富的语义信息和上下文关系，从而提高摘要的质量和准确性。

  2. 强化学习的应用：强化学习在文本摘要中的应用也逐渐受到关注。通过构建一个强化学习模型来训练生成摘要的策略，能够根据系统的反馈不断调整生成摘要的方式，进一步提高摘要的效果。

  3. 多模态文本摘要：随着多模态数据的广泛应用，例如图像、视频等，多模态文本摘要成为一个研究热点。这种摘要方法不仅依赖于文本信息，还利用其他模态的数据进行生成摘要，使得摘要更加全面和准确。

  4. 面向领域的文本摘要：传统的文本摘要方法对于不同领域的文本具有一定的通用性，但是在特定领域的摘要信息提取中表现较差。因此，研究者们开始关注面向特定领域的文本摘要，通过领域相关的特征和知识来改进摘要的性能。

  5. 可解释性的文本摘要：当前的文本摘要方法往往缺乏解释性，难以给出生成摘要的理由和依据。未来的发展趋势是利用可解释的深度学习模型，使得生成的摘要能够给出可解释的推理过程和关键信息。

  总的来说，文本摘要技术的发展趋势是发展更加先进的模型和方法，结合深度学习、强化学习和多模态数据来生成质量更高且更准确的摘要。此外，根据不同领域的需求和特点，发展面向特定领域的摘要方法，并提高文本摘要的可解释性。