AMR（Abstract Meaning Representation）からテキストへの生成問題は、入力のAMRグラフと同じ意味を表現するテキストを復元することである。現時点での最先端手法では、線形化されたAMR構造をエンコーディングするためにLSTM（Long Short-Term Memory）を利用したシーケンス・トゥ・シーケンスモデルが使用されている。非局所的な意味情報をモデル化できる一方で、シーケンスLSTMはAMRグラフの構造情報を見失う可能性があり、大きなグラフに対しては長いシーケンスが生成されるため、課題に直面している。本研究では、グラフレベルの意味論を直接エンコーディングする新しいLSTM構造を使用したニューラルグラフ・トゥ・シーケンスモデルを提案する。標準的なベンチマークにおいて、我々のモデルは既存の文献に記載されている手法よりも優れた結果を示している。