تمثيلات المعنى المجردة (AMR) هي صيغة معنوية شاملة تمثل معنى الجملة على شكل رسم بياني موجه غير دوري. لتدريب معظم مُحلّلات AMR، يُطلب تقسيم الرسم البياني إلى أجزاء فرعية والتوافق بين كل جزء فرعي وكلمة في الجملة؛ وعادةً ما يتم هذا التوقيت في مرحلة ما قبل المعالجة، مع الاعتماد على قواعد مُعدّة يدويًا. على العكس، نعامل كلًا من التوقيت والتقسيم كمتغيرات مخفية في نموذجنا ونستنتجها كجزء من التدريب من النهاية إلى النهاية.نظرًا لأن تقليل التأثير الناتج عن المتغيرات المخفية الهيكلية غير ممكن، نستخدم إطار التشفير التلقائي التبايني. ولضمان التحسين القابل للتفاضل من النهاية إلى النهاية، نقدّم تبسيطًا قابلاً للتفاضل لمشكلتي التقسيم والتوافق. لاحظنا أن استنتاج التقسيم يؤدي إلى مكاسب كبيرة مقارنة باستخدام هيوريستيك تقسيم "جشع" (greedy). كما أن أداء طريقة التحليل لدينا يقترب من أداء نموذج يعتمد على قواعد التقسيم التي قدمها \citet{lyu-titov-2018-amr}، والتي تم تصميمها يدويًا لمعالجة التراكيب الفردية في AMR.