本稿では、入力文から要約文を生成する文要約タスクについて検討する。ニューラルシーケンス・トゥ・シーケンスモデルはこのタスクにおいて顕著な成果を上げているが、既存の多くは要約の情報量（informativeness）の向上に注力しており、正確性（correctness）には十分な配慮がなされていない。すなわち、要約が入力文と無関係な情報を含んではならないという点が無視されている。本研究では、正確性が要約システムにとって本質的な要件であると主張する。正確な要約は入力文から意味論的に含意（semantic entailment）されるべきであるという観点から、含意知識を抽象的要約モデルに組み込む手法を提案する。具体的には、マルチタスクフレームワーク（要約生成と含意認識）の下で含意に配慮したエンコーダを設計し、含意報酬増強最大尤度（entailment Reward Augmented Maximum Likelihood: RAML）学習を用いた含意に配慮したデコーダを構築する。実験結果により、本手法がベースライン手法に比べ、情報量および正確性の両面で顕著に優れていることが示された。