ニューラルサマリゼーションモデルの成功は、ソース記事の詳細なエンコーディングに由来しています。限られた訓練データや時としてノイジーな訓練データの障壁を克服するための有望な方向性の一つは、サマリゼーション時にフィルターを適用することで利用可能な訓練データをより効果的に活用することです。本論文では、訓練データからテンプレートを発見し、各ソース記事から重要な情報をソフトに選択してそのサマリゼーションプロセスをガイドする新しい双方向選択的エンコーディングWITHテンプレート（BiSET）モデルを提案します。標準的なサマリゼーションデータセットを用いて広範な実験が行われ、結果はテンプレート搭載型BiSETモデルが大幅にサマリゼーション性能を向上させ、新たな最先端技術であることを示しています。