نقترح نموذجًا يستند إلى الانتباه يعالج تحليل AMR كتحويل متسلسل إلى رسم بياني. على عكس معظم مُحلِّلات AMR التي تعتمد على مُحاذاة تم تدريبها مسبقًا، أو موارد معجمية خارجية، أو زيادة البيانات، فإن المحالِّل المقترح لدينا لا يحتاج إلى محاذَف، ويمكن تدريبه بكفاءة باستخدام كميات محدودة من بيانات AMR المُصنَّفة. أظهرت نتائجنا التجريبية تفوقًا على جميع النقاط SMATCH المبلغ عنها سابقًا، سواءً في AMR 2.0 (76.3% F1 على LDC2017T10) أو AMR 1.0 (70.2% F1 على LDC2014T12).