神经方法在语义解析方面已取得若干近期成功，但它们尚未应对基于形式语义生成意义表示的挑战。本文介绍了一种序列到序列的神经语义解析器，该解析器能够以高精度为英语句子生成话语表示结构（Discourse Representation Structures, DRSs），其性能优于传统的DRS解析器。为了便于输出的学习，我们将DRS表示为一系列扁平子句，并引入了一种验证生成的DRS是否良好形成且可解释的方法。我们比较了使用字符和单词作为输入的模型，结果发现前者的表现优于后者（这一点令人有些意外）。我们展示了通过使用德布鲁因索引（De Bruijn-indices）消除输出中的变量名称可以提高解析器的性能。此外，加入银标准训练数据进一步提升了性能。