تُقترح في هذه الورقة معالجة عقبة تحليل الرسوم التوضيحية المعنى (AMR) من خلال تحسين مكوَّنين رئيسيين في معالج AMR: تحديد المفاهيم ومحاذاة الكلمات. نحن نُنشئ أولًا مُحددًا للمفاهيم يعتمد على LSTM ثنائي الاتجاه، قادر على استيعاب معلومات سياقية أكثر غنىً لتعلم العلامات النادرة الخاصة بمفاهيم AMR. ثم نُوسِّع نموذج محاذاة الكلمة إلى المفهوم القائم على HMM من خلال إدخال تشويه المسافة الرسومية وطريقة إعادة التقييم أثناء عملية التفكيك، بهدف استيعاب المعلومات الهيكلية من الرسم التوضيحي لـ AMR. ونُظهر أن دمج هذين المكوَّنين في معالج AMR موجود يؤدي إلى أداء أفضل بشكل متسق مقارنةً بأفضل النماذج الحالية على مجموعة متنوعة من المجموعات البيانات.