本稿では，BART モデルに文書の階層構造（文-単語構造）を取り込んだ階層型 BART (Hie-BART) を提案する．既存の BART モデルは，生成型文書要約タスクにおいて高い要約精度を達成しているが，文レベルと単語レベルの情報の相互作用を考慮していない．一方，機械翻訳タスクでは，単語とフレーズ間の関係を把握する Multi-Granularity Self-Attention (MG-SA) が提案されており，この技術によってニューラル機械翻訳モデルの性能が向上されている．提案手法である Hie-BART モデルでは，BART モデルのエンコーダに MG-SA を組み込むことで，文と単語の階層構造を捉える．評価実験の結果，提案手法は CNN/Daily Mail データセットを用いた評価では ROUGE-L において 0.1 ポイントの改善が見られた．
