我们提出了一种结合句子关系图的神经多文档摘要（MDS）系统。该系统在关系图上应用了图卷积网络（GCN），并将循环神经网络获得的句子嵌入作为输入节点特征。通过多层传播，GCN生成用于显著性估计的高层次隐藏句子特征。随后，我们采用一种贪婪启发式算法来提取显著句子，同时避免冗余。在DUC 2004数据集上的实验中，我们考虑了三种类型的句子关系图，并展示了将图中的句子关系与深度神经网络的表示能力相结合的优势。我们的模型不仅改进了传统的基于图的抽取方法和无图的普通GRU序列模型，而且在与其他最先进的多文档摘要系统相比时也取得了具有竞争力的结果。