使用机器学习算法从一篇长篇文章中自动生成简洁的摘要可以采用以下步骤：
- 数据预处理：对于长篇文章，需要进行文本预处理，包括分句、分词、去除停用词、标点符号等。一些预处理步骤也可以与下一步中的特征提取一起完成，例如词性标注和命名实体识别。
- 特征提取：使用特征提取方法将文章转换为向量表示，常用的特征提取方法有TF-IDF、文档嵌入、句子嵌入等。在生成摘要时，通常会采用句子级别的特征表示，即将每个句子表示为向量。
- 摘要生成：使用机器学习算法来生成摘要。最常用的方法是使用抽取式摘要或生成式摘要，或者使用两者的组合。在抽取式摘要中，从原始文章中选择一些句子来组成摘要，而在生成式摘要中，则是通过对原始文章进行语言模型的训练来生成新的摘要句子。
- 模型评估：使用评价指标来评估生成的摘要的质量，例如ROUGE（Recall-Oriented Understudy for Gisting Evaluation）指标。ROUGE指标是一种常见的用于自动生成摘要和机器翻译评估的指标，可以评估生成的摘要与参考摘要之间的相似度。
需要注意的是，自动生成摘要是一个复杂的任务，需要考虑不同领域和文本类型的特点，选择适合的特征提取方法和机器学习算法，并进行有效的模型训练和评估。同时，生成的摘要需要保证准确性和可读性，并避免抄袭和误导等问题。
