私たちは、文関係グラフを組み込んだニューラルマルチドキュメント要約（MDS）システムを提案します。本システムでは、リカレントニューラルネットワークから得られる文埋め込みを入力ノード特徴として用いて、関係グラフ上でグラフ畳み込みネットワーク（GCN）を採用しています。複数の層間伝播を通じて、GCNは重要度推定に使用される高次元の隠れ文特徴を生成します。その後、冗長性を避けるための貪欲なヒューリスティック手法を使用して重要な文を抽出します。DUC 2004での実験において、3種類の文関係グラフを考え、グラフ内の文関係と深層ニューラルネットワークの表現力を組み合わせることの優位性を示しています。私たちのモデルは、従来のグラフベースの抽出手法やグラフなしの単純GRUシーケンスモデルよりも優れており、他の最先端のマルチドキュメント要約システムに対して競争力のある結果を達成しています。