本文提出了一种简化的UCCA语义图解析方法。其核心思想是将UCCA语义图转换为成分树结构，在该结构中设计了特定的附加标签，用于标记远距离边和不连续节点，以便后续恢复。通过这一转换，我们能够充分利用现有的句法解析技术。基于数据统计，我们直接根据成分解析器的输出标签恢复不连续节点，并采用双仿射分类模型来恢复更为复杂的远距离边。分类模型与成分解析器在多任务学习框架下联合训练。在开放赛道中，我们引入多语言BERT作为额外特征。在七支参赛系统中，我们的系统在六个英语/德语的封闭与开放赛道中均取得第一名。在第七个跨语言赛道中，由于法语训练数据极为有限，我们提出一种语言嵌入方法，以利用英语和德语的训练数据，最终取得第二名的成绩。