本文提出了一种新颖的神经网络单文档摘要模型，专门用于长文档的抽取式摘要任务。该模型同时融合了文档整体的全局上下文信息以及当前主题内的局部上下文信息。我们在两组科学论文数据集（Pubmed 和 arXiv）上对模型进行了评估，结果表明，无论在抽取式还是生成式模型中，该模型在 ROUGE-1、ROUGE-2 和 METEOR 等指标上均优于先前的方法。此外，我们发现，与设计目标一致，随着文档长度的增加，所提方法的优势愈发显著。令人意外的是，消融实验表明，模型的性能提升似乎完全来源于对局部上下文的建模，即使在最长的文档上也是如此。