نُقدِّم نموذجًا جديدًا من نوع النهاية إلى النهاية يُعامل تحليل AMR كسلسلة من القرارات الثنائية المُتتالية على التسلسل المُدخل والرسم البياني المُبنى تدريجيًا. في كل خطوة زمنية، يقوم نموذجنا بتنفيذ عدة جولات من الانتباه والاستدلال والتركيب، بهدف الإجابة على سؤالين حاسمين: (1) أي جزء من التسلسل المُدخل يجب تعميمه؛ و(2) أين في الرسم البياني المُخرج يجب بناء المفهوم الجديد. ونُظهر أن إجابات هذين السؤالين تُشكّل علاقة تأثير متبادل. وقد صممنا نموذجًا يستند إلى الاستدلال التكراري، مما يُسهم في تحقيق إجابات أفضل من منظورَيْن، ما يؤدي إلى تحسين كبير في دقة التحليل. وتبين نتائج تجاربنا أن النتائج تتفوّق بكثير على جميع الدرجات المُبلغ عنها سابقًا باستخدام معيار Smatch. وبشكل ملحوظ، فإن النموذج يتفوّق بالفعل على أفضل النماذج السابقة التي تعتمد على نماذج لغوية مُدرّبة مسبقًا كبيرة الحجم (مثل BERT)، حتى دون استخدام أي من هذه النماذج. ومع دعم BERT، نتمكن من رفع أداء النموذج إلى 80.2% على مجموعة LDC2017T10 (AMR 2.0) و75.4% على مجموعة LDC2014T12 (AMR 1.0)، محقّقين بذلك أفضل النتائج الحالية في المجال.