私たちは、長編の科学文献の抽出型要約のために、教師なしグラフベースのランキングモデルを提案します。当手法は、ソースドキュメントの2段階階層構造のグラフ表現を前提とし、非対称的な位置情報を利用して文の重要度を決定します。PubMedおよびarXivデータセットでの結果は、自動評価指標と人間評価において、強力な教師なし基準モデルを大幅に上回ることを示しています。さらに、数十万件の例で学習された多くの最先端の教師ありアプローチと同等の性能を達成しています。これらの結果は、ディスコース構造内のパターンが科学論文における重要度決定において強い信号であることを示唆しています。