これまでのグラフ構造データからのニューラルテキスト生成に関する研究の大半は、標準的なシーケンス・ツー・シーケンス手法に依存しています。これらの手法では、入力グラフを線形化して再帰型ニューラルネットワークに供給します。本論文では、入力構造を直接活用するグラフ畳み込みネットワークに基づく代替エンコーダーを提案します。私たちは2つのグラフ・ツー・シーケンスデータセットにおいて実証的に結果を報告し、入力グラフ構造を明示的にエンコードすることの利点を示しています。