تتطلب نماذج التلخيص الاستخراجي تسميات على مستوى الجمل، والتي يتم إنشاؤها عادةً بطريقة تقريبية (مثلاً، باستخدام طرق قاعدية) نظرًا لكون معظم مجموعات بيانات التلخيص تحتوي فقط على أزواج من الوثائق والملخصات. نظرًا لأن هذه التسميات قد تكون غير مثلى، فقد اقترحنا نموذج متغير خفي استخراجي حيث تعتبر الجمل متغيرات خفية وتُستخدم الجمل ذات المتغيرات المفعلة لاستنباط الملخصات الذهبية. خلال التدريب، يأتي الخسارة \emph{بشكل مباشر} من الملخصات الذهبية. أظهرت التجارب على مجموعة بيانات CNN/Dailymail أن نموذجنا يتفوق على أساس قوي استخراجي تم تدريبه على تسميات تقريبية ويؤدي أيضًا بشكل تنافسي مقارنة بعدة نماذج حديثة.