نقترح إطارًا جديدًا للملخصات التوليدية النصية يعتمد على نموذج مشفّر-مفكك (Encoder-Decoder) موجه لتحويل التسلسلات، مجهز بمسحوق توليدي عصبي عميق (Deep Recurrent Generative Decoder - DRGN). يتم تعلم المعلومات الهيكلية الكامنة في الملخصات المستهدفة بناءً على نموذج عشوائي متكرر لتحسين جودة الملخص. يتم استخدام الاستدلال المتغير العصبي لمعالجة الاستدلال اللاحق غير القابل للحل للمتغيرات العشوائية المتكررة. يتم إنشاء الملخصات التوليدية بناءً على كل من المتغيرات العشوائية التوليدية والحالات المحددة التمييزية. أظهرت التجارب الواسعة على بعض مجموعات البيانات المرجعية باللغات المختلفة أن DRGN حقق تحسينات على الطرق الرائدة في المجال.