Wir präsentieren TRANX, einen transitionsbasierten neuronalen semantischen Parser, der natürlichsprachliche (NL) Äußerungen in formale Bedeutungsrepräsentationen (MRs) umwandelt. TRANX verwendet ein Übergangssystem, das auf der abstrakten Syntaxbeschreibungssprache für die Ziel-MR basiert. Dies verleiht ihm zwei wesentliche Vorteile: (1) Es ist sehr genau, indem es Informationen aus der Syntax der Ziel-MR nutzt, um den Ausgaberaum zu begrenzen und den Informationsfluss zu modellieren, und (2) es ist hochgradig verallgemeinerbar und kann leicht auf neue Arten von MR angewendet werden, indem man einfach eine neue abstrakte Syntaxbeschreibung erstellt, die den zulässigen Strukturen in der MR entspricht. Experimente anhand von vier verschiedenen semantischen Parsing- und Codegenerierungsaufgaben zeigen, dass unser System verallgemeinerbar, erweiterbar und effektiv ist und vergleichsweise starke Ergebnisse gegenüber bestehenden neuronalen semantischen Parsern erzielt.