文簡素化の目的は、複雑な文の内容と構造を単純化し、人間読者にとって解釈が容易になるようにするとともに、下流の自然言語処理（NLP）アプリケーションでの処理も容易にするものです。最近のニューラル機械翻訳の進歩により、このタスクに対する新しいアプローチが可能になりました。本論文では、拡張された記憶容量を持つアーキテクチャであるニューラル意味エンコーダー（Neural Semantic Encoders, MunkhdalaiとYu, 2017）を文簡素化に適用しました。実験結果は、自動評価指標および人間の判断において、異なる簡素化データセットに対して当方針の有効性を示しています。