要約生成におけるコピング機構は、入力テキストから出力要約へ直接単語をコピーするようにモデルを支援する点で顕著な成果を上げている。既存の手法は主にエンコーダ・デコーダアテンションを用いており、各時刻で過去のコピー履歴に依存せずに独立してコピングを実行している。しかし、このアプローチは場合によっては不完全なコピーを引き起こす可能性がある。本論文では、コピング履歴を記録することで標準的なコピング機構を強化する新しいコピング方式である「相関コピングネットワーク（Correlational Copying Network, CoCoNet）」を提案する。CoCoNetは過去のコピング分布を活用し、各時刻において直前にコピーされた単語に関連する入力単語を明示的に促すことで、より一貫性のあるコピングを実現する。さらに、コピング行動を模倣する適切なコーパスを用いた事前学習により、CoCoNetの性能をさらに強化している。実験結果から、CoCoNetはより正確なコピングを実現し、ニュース要約のCNN/DailyMailおよび対話要約のSAMSumといった要約ベンチマークにおいて、新たなSOTA（最先端）性能を達成した。コードおよびモデルチェックポイントは公開予定である。