近年来，序列到序列模型在多项语义解析任务中取得了令人瞩目的性能表现。然而，这些模型通常未能充分利用现有的语言资源，而若能正确运用这些资源，性能有望进一步提升。神经机器翻译领域的研究已表明，引入此类信息具有巨大潜力，尤其是在采用多编码器（multi-encoder）架构的情况下。本文通过引入多种语义与句法资源，旨在提升话语表示结构（Discourse Representation Structure, DRS）解析任务的性能。实验结果表明：（i）语言学特征对神经网络语义解析具有显著促进作用；（ii）将这些特征融入模型的最佳方式是采用多编码器结构。