Wir präsentieren ein einfaches und effektives Schema für die Abhängigkeitsanalyse, das auf bidirektionalen Long Short-Term Memory-Netzen (BiLSTMs) basiert. Jedes Satztoken wird mit einem BiLSTM-Vektor assoziiert, der das Token in seinem satzinternen Kontext darstellt, und Merkmalsvektoren werden durch die Verkettung mehrerer BiLSTM-Vektoren konstruiert. Das BiLSTM wird gemeinsam mit dem Parser-Ziel trainiert, was zu sehr effektiven Merkmalsextraktoren für die Abhängigkeitsanalyse führt. Wir zeigen die Effektivität des Ansatzes, indem wir ihn sowohl auf einen gierigen transaktionsbasierten Parser als auch auf einen global optimierten graphbasierten Parser anwenden. Die resultierenden Parser haben sehr einfache Architekturen und erreichen oder übertreffen den aktuellen Stand der Technik in Bezug auf Genauigkeit für Englisch und Chinesisch.