摘要意义表示（AMR）是一种涵盖广泛的句子级语义表示方法。AMR 将句子表示为有根的标记有向无环图。AMR 解析具有挑战性，部分原因是缺乏图中的节点与相应句子中的词语之间的注释对齐。我们介绍了一种神经解析器，该解析器在概念、关系和对齐的联合概率模型中将对齐视为潜在变量。由于精确推理需要对所有可能的对齐进行边缘化处理，这在计算上是不可行的，因此我们采用了变分自编码框架和离散对齐的连续松弛方法。实验结果表明，联合建模优于先对齐再解析的流水线方法。该解析器在标准基准测试中取得了最佳报告结果（LDC2016E25 上达到 74.4% 的准确率）。