نقوم بتعديل مُحلل الارتباطات الجشط (greedy Stack-LSTM) الذي طوره داير وآخرون (2015) لدعم إجراء التدريب مع الاستكشاف باستخدام الأدوات النمطية الديناميكية (Goldberg و Nivre، 2013) بدلاً من تقليل التباين المتقاطع. هذا النوع من التدريب، الذي يأخذ في الحسبان توقعات النموذج أثناء فترة التدريب بدلاً من افتراض تاريخ أفعال خالٍ من الأخطاء، يحسن دقة تحليل الارتباطات لكل من الإنجليزية والصينية، مما يحقق نتائج قوية للغاية لللغتين. نناقش بعض التعديلات اللازمة لتحقيق عمل جيد للشبكة العصبية الاحتمالية عند استخدام التدريب مع الاستكشاف.