単一文書要約は、文書の主要な情報内容を保ちつつ、その短いバージョンを作成するタスクである。本論文では、抽出型要約を文のランキングタスクとして捉え、強化学習の目的関数を通じてROUGE評価指標を全体的に最適化する新しい学習アルゴリズムを提案する。われわれはこのアルゴリズムを使用して、CNNおよびDailyMailデータセット上でニューラル要約モデルを学習させ、実験的に自動評価および人間による評価において最先端の抽出型および抽象型システムを上回ることを示す。