随着互联网的蓬勃发展,人们接触到的数据类型变得越来越多种多样,不仅有常见的纯文字数据,还有许多结构化的、半结构化的数据被收集保留了下来。这些新兴的结构化数据如商品库、社交网络、知识图谱等都可以用图结构来表示。因此,对图结构数据进行研究能够帮助我们更好地理解与运用图结构数据中包含的大量知识。本文主要研究课题为面向图结构数据的文本生成研究。分别从三个方面进行了研究,提出了融合图背景知识的文本生成模型、基于动态内容规划的文本生成模型,补充更新了数据集进行了数据增强,构建了基于图结构数据的科学文献摘要助手。本文根据数据集中图结构数据的边稀疏性的问题,从丰富结点特征表示的角度出发,在整个数据集上构建了背景图,使用多种图嵌入方法学习结点的背景知识,同时探索了多种表示融合的方法,将结点的背景知识与常见的文本生成模型进行融合。在AGENDA数据集上的实验表明,本文提出的融合图背景知识的文本生成模型取得了很好的效果。另一方面,本文根据目标文本与输入结点之间含有的对应关系这一特点,从优化文本规划策略的角度出发,提出了动态内容规划的策略,引入了内容选择层增强对输入关键词的感知,同时引入了基于词袋的句子级规划任务来监督输出句子的潜在语义表示。在AGENDA数据集上的实验结果说明了动态内容规划策略的有效性。在数据方面,本文使用与构建AGENDA数据集相同的方法sci IE算法,对爬取论文的摘要部分进行了实体识别和关系抽取,进行了数据增强,进一步提升了模型性能。在应用方面,本文搭建了基于图结构数据的科学文献摘要助手,根据用户输入的关键词作为结点,选择关键词之间的关系作为边信息,展示根据用户输入信息构建的图结构数据,并返回模型生成的摘要。模型被部署到服务器上,可供使用。