Wir schlagen ein selektives Kodierungsmodell vor, um den sequenz-basierten Framework für abstraktive Satzzusammenfassungen zu erweitern. Es besteht aus einem Satzkodierer, einem selektiven Gatternetzwerk und einem Aufmerksamkeitsdecoder. Der Satzkodierer und der Decoder werden mit rekurrenten neuronalen Netzen aufgebaut. Das selektive Gatternetzwerk konstruiert eine zweitebige Satzdarsstellung, indem es den Informationsfluss vom Kodierer zum Decoder steuert. Diese zweitebige Darstellung ist speziell für die Aufgabe der Satzzusammenfassung angepasst, was zu einer besseren Leistung führt. Wir evaluieren unser Modell anhand der englischen Gigaword-Datenbank, der DUC 2004- und der MSR-Datensätze für abstraktive Satzzusammenfassungen. Die experimentellen Ergebnisse zeigen, dass das vorgeschlagene selektive Kodierungsmodell die aktuellen besten Baselinemodelle übertrifft.