يُعَدُّ التحليل الدلالي (Semantic Parsing) المهمة التي تتمثل في تحويل العبارات الطبيعية (NL) إلى تمثيلات معنوية قابلة للتنفيذ على الآلة (MRs). وعلى الرغم من التحسن الملحوظ الذي حققته نماذج التحليل الدلالي القائمة على الشبكات العصبية مقارنة بالأساليب السابقة، إلا أن النتائج لا تزال بعيدة عن الكمال، ويمكن اكتشاف مشكلات واضحة بسهولة من خلال الفحص اليدوي السريع، مثل نقص الكفاية أو الترابط في التمثيلات المعنوية المولَّدة. تقدم هذه الورقة نهجًا بسيطًا يُمكّن من تكرار التحسين السريع لأداء نموذج تحليل دلالي عصبي موجود، وذلك من خلال إعادة ترتيب قائمة من أفضل n نتيجة (n-best list) للتمثيلات المعنوية المُقدَّرة، باستخدام ميزات مصممة خصيصًا لتصحيح المشكلات الملاحظة في النماذج الأساسية. تم تنفيذ مُعدِّل إعادة الترتيب (reranker) لدينا ضمن نموذج تحليل دلالي عصبي تنافسي، وتم اختباره على أربع مهام تحليل دلالي (GEO، ATIS) وإنشاء كود بايثون (Django، CoNaLa)، حيث أدى إلى تحسين النموذج الأساسي القوي بنسبة تصل إلى 5.7٪ مطلقة في معيار BLEU (CoNaLa) و2.9٪ في الدقة (Django)، متفوّقًا على أفضل النتائج المنشورة للنماذج العصبية على جميع المجموعات الأربعة.