従来のデータセットを用いた(MS COCO, Flicker)Image Captioningでは文脈や事前知識を要する自然な説明文の生成は困難であった． この事前知識を考慮するために，ニュース記事とその説明文を用いる． ・従来データセットと異なり，大量の特有の単語を獲得する． ・獲得した語彙外の単語を格納するために，二段階の学習構造

従来手法に比べ，人間評価により精度が向上した． また，ニュース記事のデータセットを公開した．