文の単純化は、文を読みやすく理解しやすくすることを目指しています。最近の多くの手法では、単一言語の複雑な文と単純な文のコーパスから単純化された書き換えを学習するために、機械翻訳からの洞察を利用しています。本研究では、エンコーダー-デコーダーモデルと深層強化学習フレームワークを組み合わせて、単純化問題に取り組んでいます。当モデルは{\sc Dress}（{\bf D}eep {\bf RE}inforcement {\bf S}entence {\bf S}implificationの略）と呼ばれ、可能な単純化の空間を探求しながら、出力が単純で流暢かつ入力の意味を保つように報酬関数を最適化する学習を行います。3つのデータセットでの実験結果により、当モデルが競合する単純化システムよりも優れていることが示されました。