生成表达复杂思想且跨越多个句子的文本需要对其内容进行结构化表示（文档计划），但这些表示的手动生成成本过高。在本研究中，我们解决了从信息抽取系统的输出，特别是知识图谱中生成连贯的多句文本的问题。图形化的知识表示在计算领域中无处不在，但由于其非层次性、长距离依赖关系的压缩以及结构多样性，对文本生成技术构成了重大挑战。我们引入了一种新颖的图转换编码器，该编码器能够在不施加线性化或层次约束的情况下利用此类知识图谱的关系结构。将其集成到编码器-解码器框架中，我们提供了一个端到端可训练的知识图谱到文本生成系统，并将其应用于科学文本领域。自动评估和人工评估均表明，我们的技术生成的文本比竞争性的编码器-解码器方法更具信息量，并且文档结构更好。