一貫性は、ドキュメントから高品質な要約を作成する上で重要な役割を果たします。近年、神経抽出型要約がますます注目を集めています。しかし、それらの多くは文の抽出時に要約の一貫性を無視しています。本研究では、一貫した要約を抽出するために、文間の意味論的および構文的一貫性パターンを捉える神経一貫性モデルを提案します。提案された神経一貫性モデルは特徴量設計の必要性を排除し、ラベル付けされていないデータを使用してエンドツーエンドで学習することができます。実験結果は、提案された神経一貫性モデルが効率的に文間の一貫性パターンを捉えることができることを示しています。神経一贯性モデルとROUGEパッケージの組み合わせ出力を報酬として用いることで、強化学習手法により提案される神経抽出型要約器（Reinforced Neural Extractive Summarization: RNES）モデルを訓練しました。RNESモデルは、要約の一貫性と情報的重要性を同時に最適化することを学びます。実験結果は、提案されたRNESが既存の基準モデルよりも優れ、CNN/デイリー・メール・データセットにおいてROUGEスコアで最先端の性能を達成していることを示しています。質的評価では、RNESによって生成された要約がより一貫性があり読みやすいことが確認されました。