抽象语义表示到文本(AMR-to-Text)的生成任务是给定AMR图，生成相同意义表示的文本。可以把此任务当成一个从源端AMR图到目标端句子的翻译任务。然而，传统的序列到序列(seq2seq， S2S)方法使用循环递归网络进行编码，并不能很好地解决长距离依赖的问题。当前最好的性能是图到序列(graph2seq， G2S)的模型，使用了图模型直接对AMR图结构进行编码，但是，该方法对于非直接相连的节点依然会损失大量的结构信息。针对上述问题，基于seq2seq框架，该文提出了一种直接而有效的AMR-to-Text生成方法。在这项工作中，引入了当前最优的seq2seq模型Transformer作为基准模型，并且使用字节对编码(BPE)和共享词表的方法来联合处理未登录词(OOV)的问题。在现有的两份英文标准数据集上，实验结果都得到了显著的提升，达到了新的最高性能。