Wir präsentieren einen Ansatz des Selbsttrainings für die unüberwachte Abhängigkeitsanalyse, der bestehende überwachte und unüberwachte Parsing-Algorithmen wiederverwendet. Unser Verfahren, das als „iteratives Neurangieren“ (Iterated Reranking, IR) bezeichnet wird, beginnt mit durch einen unüberwachten Parser generierten Abhängigkeitsbäumen und verbessert diese iterativ unter Verwendung der reicheren Wahrscheinlichkeitsmodelle, die in der überwachten Parsing verwendet werden und ihrerseits auf diesen Bäumen trainiert werden. Unser System erreicht eine Genauigkeit von 1,8 % höher als der standesbeste Parser von Spitkovsky et al. (2013) auf dem WSJ-Korpus.