我们提出了一种新的抽象文本摘要框架，该框架基于一种序列到序列导向的编码器-解码器模型，并配备了深度递归生成解码器（DRGN）。通过递归潜在随机模型学习目标摘要中隐含的潜在结构信息，以提高摘要的质量。神经变分推断被用于解决递归潜在变量的不可行后验推断问题。抽象摘要的生成既依赖于生成性的潜在变量，也依赖于判别性的确定状态。在不同语言的多个基准数据集上进行的广泛实验表明，DRGN 在性能上优于现有最先进的方法。