Die Erkennung der Beziehungen zwischen Phrasen, um anschließend wesentliche Informationen abzuleiten, ist stets eine Kunst der abstraktiven Textzusammenfassung. In dieser Arbeit präsentieren wir eine verbesserte Version des Extractor-Abstractor-Systems namens SEGMENT, bei dem der Extractor Wörter und Phrasen identifiziert, die im Zielzusammenfassung enthalten sind, während der Abstractor diese Merkmale nutzt, um eine flüssige Zusammenfassung zu generieren. Wir führen eine Segment-Embedding-Schicht ein, die dem Abstractor zusätzliche Information bereitstellt und die Kohäsion zwischen Phrasen erhöht. Im Extractor kombinieren wir einen Filtermechanismus mit einer Positionsawareness, um die Qualität der Informationsauswahl zu verbessern. Unsere Methode zeigt eindeutige Verbesserungen auf dem CNN/Daily Mail-Datensatz und erreicht eine Steigerung gegenüber dem Stand der Technik um 5,1 % bei ROUGE-1 und 5 % bei ROUGE-2.