当前最先进的共指消解模型基于独立的提及对（mention pair）逐对决策。本文提出一种新的建模方法，能够在文档层面进行共指消解，并做出全局性决策。为此，我们采用图结构对共指关系进行建模：图中的节点代表文本中的词元（tokens），边则表示词元之间的语义关联。我们的模型以非自回归（non-autoregressive）方式预测该图结构，并基于先前的预测结果进行迭代优化，从而捕捉决策之间的全局依赖关系。实验结果表明，该方法在多个基准数据集上均取得显著提升，进一步验证了利用文档级信息有助于提升共指消解性能的假设。