يصف هذا البحث نظام جامعة ستانفورد في مهمة CoNLL 2018 UD المشتركة. نقدم نظامًا عصبيًا كاملًا يأخذ النص الخام كمدخل وينفذ جميع المهام المطلوبة من قبل المهمة المشتركة، بدءًا من التجزئة (tokenization) وتقسيم الجمل (sentence segmentation)، وصولاً إلى تصنيف الأجزاء الصرفيّة (POS tagging) وتحليل الارتباطات (dependency parsing). حقق تقديم نظامنا الفردي أداءً تنافسيًا للغاية على البنوك الشجرية الكبيرة. بالإضافة إلى ذلك، بعد إصلاح خطأ غير محظوظ، لكان النظام المصحح لدينا قد احتل المركز الثاني والمركز الأول والثالث في معايير التقييم الرسمية LAS و MLAS و BLEX، كما لكان قد تفوق على جميع أنظمة التقديم في فئات البنوك الشجرية ذات الموارد المنخفضة في جميع المعايير بفارق كبير. نوضح أيضًا فعالية مكونات النموذج المختلفة من خلال دراسات استبعاد مكثفة (ablation studies).