本研究では、注意機構付きエンコーダー-デコーダー再帰型ニューラルネットワーク（Attentional Encoder-Decoder Recurrent Neural Networks）を用いて抽象的要約のモデル化を行い、2つの異なるコーパスにおいて最先端の性能を達成することを示しています。私たちは基本的なアーキテクチャが適切にモデリングしていない要約における重要な問題、例えばキーワードのモデリング、文から単語への階層構造の捕捉、および訓練時にまれまたは未見の単語を生成する問題に対処するためのいくつかの新規モデルを提案します。本研究は、提案した多くのモデルが性能向上に寄与することを示しています。また、複数文からなる要約データセットを新たに提案し、今後の研究のために性能基準を確立しています。