近年来，神经序列到序列模型在短文本摘要任务中取得了显著进展。然而，在文档摘要任务中，这些模型难以捕捉文档本身以及多句摘要的长期结构，导致信息丢失和重复问题。本文提出利用文档与多句摘要的结构信息，以提升文档摘要的性能。具体而言，我们在摘要生成过程中引入结构压缩（structural-compression）与结构覆盖（structural-coverage）正则化，以捕捉信息压缩与信息覆盖这两个文档摘要最关键的结构性特征。实验结果表明，所提出的结构正则化方法显著提升了摘要性能，使模型能够生成更具信息量且更简洁的摘要，从而在多项指标上显著优于当前最先进的神经抽象式摘要方法。