قدرة دمج المعلومات من أنواع مختلفة هي جوهر الذكاء، ولها قيمة عملية هائلة في السماح بنقل التعلم من مهمة إلى أخرى من خلال الاستفادة من التعميمات المكتسبة في مهام أخرى. في هذا البحث، نواجه المهمة الصعبة المتمثلة في تحسين أداء تحليل الدلالة (التحليل الصرفي-دلالي)، باستخدام تحليل UCCA كحالة اختبار، وتحليل AMR، SDP و Universal Dependencies (UD) كمهام مساعدة. نجري التجارب على ثلاث لغات، باستخدام نظام انتقالي موحد وهندسة تعلم للجميع المهام التحليلية. رغم الاختلافات المفاهيمية والشكلية والمجالية البارزة بين هذه المهام، فإننا نظهر أن التعلم متعدد المهام يحسن بشكل كبير أداء تحليل UCCA في كلٍ من الإعدادات داخل المجال وخارجه.