نقوم بتوحيد مهام التحليل الدلالي ذات التغطية الواسعة تحت نموذج تحويلي (Transduction Paradigm)، ونقترح إطارًا عصبيًا يعتمد على الانتباه (Attention-Based Neural Framework) يقوم ببناء تمثيل معناوي تدريجيًا من خلال سلسلة من العلاقات الدلالية. من خلال الاستفادة من آليات انتباه متعددة، يمكن تدريب المحول (Transducer) بشكل فعال دون الاعتماد على محاذاة مسبقة. أظهرت التجارب التي أجريت على ثلاث مهام منفصلة للتحليل الدلالي ذي التغطية الواسعة -- AMR، SDP وUCCA -- أن محولنا العصبي القائم على الانتباه يحسن الحالة المعاصرة في كل من AMR وUCCA، ويتنافس مع الحالة المعاصرة في SDP.